JavaScript正则表达式

JavaScript的正则表达式语法是Perl15的正则表达式语法的大型子集。

正则表达式的创建

像创建对象一样，正则表达式的创建也可以通过2种方式进行定义：直接量创建、RegExp()构造函数创建。

直接量创建

正则表达式直接量为包含在一对斜杠(/)之间的字符。

var pattern = /s$/;

在ECMAScript5中，正则表达式直接量的每次运算都会返回新对象。

RegExp()构造函数创建

同创建对象一样，通过new来调用RegExp()构造函数。

var pattern = new RegExp("s$");

RegExp()的第2个参数是可选的，表示正则表达式的修饰符(g,i,m)。
如果待创建的正则表达式的字符串是由用户输入的，就必须使用RegExp()构造函数在程序运行时创建。

正则表达式的规则

直接量字符

• 正则表达式中的所有字母和数字都是按照字面含义进行匹配的。
• 非字母的字符匹配需要通过反斜线()作为前缀进行转义，如下所示：

字符 匹配 \o NUL字符(\u0000) \t 制表符(\u0009) \n 换行符(\u000A) \v 垂直制表符(\u000B) \f 换页符(\u000C) \r 回车符(\u000D) \xnn 由十六进制数nn指定的拉丁字符，例如，\x0A等价于\n \uxxxx 由十六进制数xxxx指定的Unicode字符，例如，\u0009等价于\t \cX 控制字符^X，例如，\cJ等价于换行符\n

• 许多标点符号具有特殊的含义，它们是

^ $ . * + ? = ! : | \ / ( ) [ ] { }

关于控制字符，由于无法直接打印出来，可以通过下面的代码将其escape()编码后显示编码结果，如下：

var str = ''; // 用于存放 \x00-\xff 这256个字符for(var i=0; i<=255; i++) {    str += String.fromCharCode(i); // 填充字符}var c='', // 存放转码后的字符    re,   // 存放动态生成的表达式    m;    // 存放匹配结果for(var i=65; i<=90; i++) { // ascii 65-90 分别对应字符 A-Z    c = String.fromCharCode( i ); // 转为字符 A-Z    re = RegExp('\\c'+c); // 生成正则表达式 \cA-\cZ    m = str.match(re); // 进行匹配    if(m) { // 如果匹配到了就输出        console.log(i, re, escape(m[0]) ); // 输出 ascii码, 正则, 匹配到的字符(无法直接输出显示，需要编码后显示)    }}

更多请参考：
js正则之控制字符 \cX
php_js_escaping
ASCII码对照表

字符类 []

• 将直接量字符单独放进方括号内就组成了字符类(character class)，一个字符类可以匹配它所包含的任意字符。
  如，/[abc]/可以和字母”a”、”b”、”c”中的任意一个都匹配。
• “^”符号可以否定字符类，将”^”作为左方括号内的第一个字符。
  如，/^[abc]/匹配的是”a”、”b”、”c”之外的所有字符。
• 字符类可以使用连字符(-)表示字符范围。
  如，/[a-zA-Z0-9]/可以匹配任意字母的数字。

以下列出正则表达式的字符类匹配：

字符 匹配 […] 方括号内的任意字符 [^…] 不在方括号内的任意字符 . 除换行符和其他Unicode行终止符之外的任意字符 \w 任意ASCII字符组成的单词，等价于[a-zA-Z0-9] \W 任意非ASCII字符组成的单词，等价于[^a-zA-Z0-9] \s 任意Unicode空白符 \S 任意非Unicode空白符的字符，注意\W和\S的不同 \d 任意ASCII数字，等价于[0-9] \D 任意非ASCII数字的任何字符，等价于[^0-9] [\b] 退格直接量（特例）

注意: 在正则表达式中的特殊字符，在字符类中不再表示原有的含义。
如，”^”符号不再表示匹配开关，而是否定含义。”\b”符号不再表示匹配边界，而是表示退格符。

重复 {}

根据之前的规则，可以使用/\d\d/匹配两位数，/\d\d\d\d/匹配四位数。为了方便匹配，可以使用重复语法。

字符 含义 {n,m} 匹配前一项至少n次，但不能超过m次 {n,} 匹配前一项n次或者更多次 {n} 匹配前一项n次 ? 匹配前一项0次或者1次，等价于{0,1} + 匹配前一项1次或者多次，等价于{1,} * 匹配前一项0次或者多次，等价于{0,}

注意：由于”?”、”*”可以匹配0次，因此它们允许什么都不匹配。如，/a*/实际可以匹配”bbbb”，因为字符串含有0个a。

非贪婪的重复

上面使用的重复原则，都会在匹配时尽可能多地匹配，而非贪婪的重复则表示尽可能少的匹配。
非贪婪的重复只需要在重复匹配符后添加一个”?”符号。如，”??”、”+?”、”*?”或”{1,5}?”。
对于字符串”aaa”，使用/a+/匹配结果是”aaa”，而使用/a+?/的匹配结果则是第1个”a”。

选择 |

字符”|”用于分隔供选择的字符。
如：/\d{3}|[a-z]{4}/表示匹配的是3位数字 或者 4个小写字母。

分组和引用 ()

正则表达式中的圆括号有多种作用：

• 把单独的项组合成子表达式，以便可以像处理一个独立的单元那样对单元内的项进行处理。
  如，/(ab|cd)+|ef/可以匹配”ef”，也可以匹配字符串”ab”或”cd”的一次或多次重复。
• 可以定义子模式，以便在后部进行引用匹配的文本(不是引用模式表达式)，通过\n对第n个括号中的匹配文件进行引用。
  如，/['"][^'"]['"]/表示匹配以单引号或双引号开始或结束的字符串，但是开始和结束的引用并不一定相同。
  如果想要匹配开始与结束相同引号，则可以写成/(['"])[^'"]\1/。

注意:使用括号进行匹配时，结果将返回一个数组，而不是单独的匹配结果。
如果返回数组a，那么a[0]存放的是完整匹配，a[1]存放的是与第1个括号匹配的子串，以此类推。

var str = "Java: The Definition"; var re  = new RegExp("(Java: )([A-Z])");var m   = str.match(re);if(m) {   console.log(m);   // => ["Java: T", "Java: ", "T"]，注意：返回数组}

同时，JavaScript也支持不带数字编码的分组，不再以”(“和”)”进行分组，而是以”(?:”和”)”进行分组。
如，/([Jj]ava(?:[Ss]cript)?)\sis\s(fun\w*)/，其中(?:[Ss]cript)仅用于分组，\2将引用与(fun\w*)匹配的文本，而不是与(?:[Ss]cript)匹配的文本。

指定位置匹配 ^ & $

正则表达式中不是匹配实际的字符，而是字符之间的位置，我们称这些元素为正则表达式的锚。
常用的锚元素如下：

字符 含义 ^ 匹配字符串的开头，在多行检索(添加m修饰符)中，匹配一行的开头 $ 匹配字符串的结尾，在多行检索(添加m修饰符)中，匹配一行的结尾 \b 匹配一个单词的边界，也就是位于字符\w和\W之间的位置，或位于字符\w和字符串的开头或者结尾之间的位置 \B 匹配非单词边界的位置 (?=p) 零宽正向先行断言，要求接下来的字符都与p匹配，但是匹配结果不包含p，只作为判断 (?!p) 零宽负向先行断言，要求接下来的字符不与p匹配

如，如果想匹配单词”Java”，可使用正则表达式/\bJava\b/。

零宽正向先行断言：

var str = "Java: The Definition"; var re  = new RegExp("Java(?=\:)(\:)");var m   = str.match(re);if(m) {   console.log(m);   // => ["Java:", ":"]，注意：匹配结果不包含先行断言}

零宽负向先行断言:

var str = "JavaBeans";var re  = RegExp("Java(?!Script)([A-Z]\w*)");var m   = str.match(re);if(m) {   console.log(m);   // => ["Java", "B"]}

更多请参考：
Regular Expression Lookaround Demystified

修饰符 g & i & m

修饰符是放在”/”符号之外的，即第二条斜线之后。

• 修饰符”i”，用以说明匹配不区分大小写。
• 修饰符”g”，用以说明匹配应该是全局的，即检索出字符串中的所有匹配。
• 修饰符”m”，用以在说明不仅匹配全文，还要匹配每行的文本。如，/java$/m不仅可以匹配”java”，也可以匹配”java\nis fun”。

用于模式匹配的String方法

search()方法

"JavaScript".search(/script/i);

如果search()的参数不是正则表达式，则首先会通过RegExp构造函数将它转换成正则表达式。
注意：search()方法不支持全局检索，因为它忽略修饰符g。

replace()

// 将所有不区分大小写的javascript都替换成正确的JavaScripttext.replace(/javascript/gi, "JavaScript");

同时，replace()中可以使用引用”$n”:

// 一段引用文本起始于引号，结束于引号// 中间的内容区域不能包含引号var quote = /"([^"]*)"/g;// 用中文半角引号替换英文引号，$1表示英文引号之间的内容text.replace(quote, ‘ "$1" ’);

另外值得注意的是，replace()方法的第2个参数可以是函数，该函数计算出要替换的字符串：

String.prototype.box = function(){    var entity={        quot:'"',        lt:'<',        gt:'>'    };    // function(a,b,c,d)，参数a,b,c,d分别对应匹配结果数组的元素    return function(){        return this.replace(/&([^&;]+);/g, function(a,b,c,d){           var r=entity[b];           return typeof  r==='string' ? r : a;        });    }}();console.log('&lt;&quot;&gt;'.box());  // => <">

注意：replace()支持全局搜索。

match()方法

"1 plus 2 equals 3".match(/\d+/g);  // => ["1", "2", "3"]

注意：match()支持全局搜索，如果这个表达式没有设置修饰符g，match()就不会进行全局检索。

split()方法

通过正则表达式表示分隔符：

"1, 2, 3, 4, 5".split("/\s*,\s*/"); // => ["1", "2", "3", "4", "5"]

RegExp对象

RegExp属性

每个RegExp对象都包含5个属性：

• source，一个只读的字符串，包含正则表达式的文本。
• global，一个只读的布尔值，说明这个正则表达式是否带有修饰符g。
• ignoreCase，一个只读的布尔值，说明这个正则表达式是否带有修饰符i。
• multiline，一个只读的布尔值，说明这个正则表达式是否带有修饰符m。
• lastIndex，一个可读/写的整数，如果匹配模式带有g修饰符，这个属性存储下一次检索的开始位置。

RegExp方法

exec()

这个方法类似于String的match()方法，但是当使用修饰符g时，2个方法的返回结果不一样。

• String的match()方法会返回所有的匹配结果(数组对象)
• RegExp的exec()方法则只会返回1个匹配结果(数组对象)，并将属性lastIndex设置为下一次搜索的起始索引位置。

var pattern = /Java/g;var text = "JavaScript is more fun than Java!";// 第1次执行exec()var result = pattern.exec(text);console.log(result);            // "java"console.log(pattern.lastIndex); // 4// 第2次执行exec()result = pattern.exec(text);console.log(result);            // "java"console.log(pattern.lastIndex); // 32

test()

test()的调用等价于exec()调用，只是返回值是一个布尔值，表示匹配是否成功。

var pattern = /java/i;pattern.test("JavaScript"); // => true

注意：

• 与exec()和test()不同，String方法search()、replace()和match()并不会用到lastIndex属性。实际上，String方法只是简单将lastIndex重置为0。
• 如果正则表达式带有修饰符g，则调用exec()和test()方法时注意lastIndex的变化(可以手动设置为0)。
• 在ECMAScript5中，正则表达式直接量的每次计算都会创建一个新的RegExp对象，每个对象都具有各自的lastIndex属性。