정규식(정규식)은 텍스트 패턴(예: 문자열 구조)을 표현하는 방법으로, 문자열의 템플릿과 비슷하며 "주어진 패턴"에 따라 텍스트를 일치시키는 도구로 자주 사용됩니다. 예를 들어, 정규식은 이메일 주소의 패턴을 제공한 다음 이를 사용하여 문자열이 이메일 주소인지 여부를 결정합니다. 이 기사에서는 주로 JavaScript의 RegExp 개체 분석을 공유합니다.
JavaScript의 정규 표현식 시스템은 Perl 5를 참조하여 구축되었습니다.
새 정규식을 만드는 방법에는 두 가지가 있습니다. 하나는 슬래시로 시작하고 끝나는 리터럴을 사용하는 것입니다.
var regex = /xyz/;
다른 하나는 RegExp 생성자를 사용하는 것입니다.
var regex = new RegExp('xyz');
위의 두 가지 작성 방법은 모두 xyz 콘텐츠로 새로운 정규식 개체를 만듭니다. 이들 사이의 주요 차이점은 첫 번째 방법은 컴파일 타임에 새로운 정규식을 생성하고 두 번째 방법은 런타임에 새로운 정규식을 생성한다는 것입니다.
RegExp 생성자는 수정자를 나타내는 두 번째 매개변수도 허용할 수 있습니다(자세한 설명은 아래 참조).
var regex = new RegExp('xyz', "i"); // 等价于 var regex = /xyz/i;
위 코드에서 정규식 /xyz/에는 수정자 i가 있습니다.
런타임에 리터럴과 생성자라는 두 가지 작성 방법 사이에는 미묘한 차이가 있습니다. 리터럴 작성 방법을 사용하면 코드가 로드될 때(즉, 컴파일할 때) 일반 개체가 생성되고, 생성자 메서드를 사용하면 코드가 실행될 때 일반 개체가 생성됩니다. 글쓰기의 편리성과 직관성을 고려하여 실제 응용에서는 기본적으로 문자 쓰기를 사용합니다.
일반 객체가 생성된 후 이를 사용하는 두 가지 방법이 있습니다:
일반 객체의 방법: regex.test(string)과 같은 문자열을 매개변수로 사용합니다.
문자열 객체의 방법: string.match(regex)와 같은 일반 객체를 매개변수로 사용합니다.
이 두 가지 사용 방법을 아래에서 소개하겠습니다.
일반 객체의 속성과 메서드
Properties
일반 객체의 속성은 두 가지 범주로 나뉩니다.
첫 번째 카테고리는 수정자와 관련이 있으며 해당 수정자가 설정되었는지 여부를 나타내는 부울 값을 반환합니다.
ignoreCase: i 수정자가 설정되었는지 여부를 나타내는 부울 값을 반환합니다. 이 속성은 읽기 전용입니다.
global: g 수정자가 설정되었는지 여부를 나타내는 부울 값을 반환합니다. 이 속성은 읽기 전용입니다.
multiline: m 수정자가 설정되었는지 여부를 나타내는 부울 값을 반환합니다. 이 속성은 읽기 전용입니다.
var r = /abc/igm; r.ignoreCase // true r.global // true r.multiline // true
다른 카테고리는 수식어와 관련이 없는 속성으로 주로 다음 두 가지입니다.
lastIndex: 다음 검색이 시작되는 위치를 반환합니다. 이 속성은 읽고 쓸 수 있지만 g 수정자가 설정된 경우에만 의미가 있습니다.
source: 정규식의 문자열 형식을 반환합니다(백슬래시 제외). 이 속성은 읽기 전용입니다.
var r = /abc/igm; r.lastIndex // 0 r.source // "abc"
test()
일반 개체의 테스트 메서드는 현재 패턴이 매개변수 문자열과 일치할 수 있는지 여부를 나타내는 부울 값을 반환합니다.
/cat/.test('cats and dogs') // true
위 코드는 매개변수 문자열에 cat이 포함되어 있는지 확인하고 결과는 true를 반환합니다.
정규 표현식에 g 수정자가 있는 경우 각 테스트 방법은 마지막 끝 위치부터 거꾸로 일치합니다.
var r = /x/g; var s = '_x_x'; r.lastIndex // 0 r.test(s) // true r.lastIndex // 2 r.test(s) // true r.lastIndex // 4 r.test(s) // false
위 코드의 일반 객체에는 g 수정자를 사용하는데, 이는 검색 위치를 기록한다는 의미입니다. 그런 다음 테스트 방법을 세 번 사용하고 매번 검색이 시작되는 위치는 이전 일치 이후의 위치입니다.
g 수정자를 사용하면 일반 객체의 lastIndex 속성을 통해 검색을 시작할 위치를 지정할 수 있습니다.
var r = /x/g; var s = '_x_x'; r.lastIndex = 4; r.test(s) // false
위 코드는 문자열의 5번째 위치부터 검색을 시작하도록 지정하고 있습니다. 이 위치에는 문자가 없으므로 false가 반환됩니다.
lastIndex 속성은 동일한 정규식에만 유효하므로 이렇게 작성하는 것은 잘못되었습니다.
var count = 0; while (/a/g.test('babaa')) count++;
위 코드는 무한 루프를 발생시킵니다. 왜냐하면 while 루프의 각 일치 조건이 새로운 정규 표현식이기 때문에 lastIndex 속성이 항상 0이 되기 때문입니다.
정규 패턴이 빈 문자열이면 모든 문자열이 일치됩니다.
new RegExp('').test('abc') // true
exec()
일반 객체의 exec 메서드는 일치하는 결과를 반환할 수 있습니다. 일치하는 항목이 발견되면 각 구성원이 성공적으로 일치하는 부분 문자열을 포함하는 배열이 반환되고, 그렇지 않으면 null이 반환됩니다.
var s = '_x_x'; var r1 = /x/; var r2 = /y/; r1.exec(s) // ["x"] r2.exec(s) // null
위 코드에서 일반 객체 r1이 성공적으로 일치하면 배열이 반환되고, 일반 객체 r2가 일치하지 않으면 null이 반환됩니다.
정규 표현식에 괄호가 포함된 경우(예: "그룹 일치" 포함) 반환된 배열에는 여러 구성원이 포함됩니다. 첫 번째 멤버는 전체 일치 성공 결과이고, 후속 멤버는 괄호 안에 해당하는 성공적으로 일치된 그룹입니다. 즉, 두 번째 멤버는 첫 번째 브래킷에 해당하고, 세 번째 멤버는 두 번째 브래킷에 해당하는 식입니다. 전체 배열의 길이 속성은 그룹 일치 수에 1을 더한 것과 같습니다.
var s = '_x_x'; var r = /_(x)/; r.exec(s) // ["_x", "x"]
위 코드의 exec 메소드는 배열을 반환합니다. 첫 번째 멤버는 전체 일치의 결과이고 두 번째 멤버는 괄호 일치의 결과입니다.
exec 메소드의 반환 배열에는 다음 두 가지 속성도 포함됩니다.
입력: 전체 원본 문자열.
index: 전체 패턴 일치에 성공한 시작 위치입니다(0부터 계산).
var r = /a(b+)a/; var arr = r.exec('_abbba_aba_'); arr // ["abbba", "bbb"] arr.index // 1 arr.input // "_abbba_aba_"
위 코드의 index 속성은 원래 문자열의 두 번째 위치부터 일치가 성공했기 때문에 1과 같습니다.
如果正则表达式加上g修饰符,则可以使用多次exec方法,下一次搜索的位置从上一次匹配成功结束的位置开始。
var r = /a(b+)a/g; var a1 = r.exec('_abbba_aba_'); a1 // ['abbba', 'bbb'] a1.index // 1 r.lastIndex // 6 var a2 = r.exec('_abbba_aba_'); a2 // ['aba', 'b'] a2.index // 7 r.lastIndex // 10 var a3 = r.exec('_abbba_aba_'); a3 // null a3.index // TypeError: Cannot read property 'index' of null r.lastIndex // 0 var a4 = r.exec('_abbba_aba_'); a4 // ['abbba', 'bbb'] a4.index // 1 r.lastIndex // 6
上面代码连续用了四次exec方法,前三次都是从上一次匹配结束的位置向后匹配。当第三次匹配结束以后,整个字符串已经到达尾部,正则对象的lastIndex属性重置为0,意味着第四次匹配将从头开始。
利用g修饰符允许多次匹配的特点,可以用一个循环完成全部匹配。
var r = /a(b+)a/g; var s = '_abbba_aba_'; while(true) { var match = r.exec(s); if (!match) break; console.log(match[1]); } // bbb // b
正则对象的lastIndex属性不仅可读,还可写。一旦手动设置了lastIndex的值,就会从指定位置开始匹配。但是,这只在设置了g修饰符的情况下,才会有效。
var r = /a/; r.lastIndex = 7; // 无效 var match = r.exec('xaxa'); match.index // 1 r.lastIndex // 7
上面代码设置了lastIndex属性,但是因为正则表达式没有g修饰符,所以是无效的。每次匹配都是从字符串的头部开始。
如果有g修饰符,lastIndex属性就会生效。
var r = /a/g; r.lastIndex = 2; var match = r.exec('xaxa'); match.index // 3 r.lastIndex // 4
上面代码中,lastIndex属性指定从字符的第三个位置开始匹配。成功后,下一次匹配就是从第五个位置开始。
如果正则对象是一个空字符串,则exec方法会匹配成功,但返回的也是空字符串。
var r1 = new RegExp(''); var a1 = r1.exec('abc'); a1 // [''] a1.index // 0 r1.lastIndex // 0 var r2 = new RegExp('()'); var a2 = r2.exec('abc'); a2 // ['', ''] a2.index // 0 r2.lastIndex // 0
字符串对象的方法
字符串对象的方法之中,有4种与正则对象有关。
match():返回一个数组,成员是所有匹配的子字符串。
search():按照给定的正则表达式进行搜索,返回一个整数,表示匹配开始的位置。
replace():按照给定的正则表达式进行替换,返回替换后的字符串。
split():按照给定规则进行字符串分割,返回一个数组,包含分割后的各个成员。
下面逐一介绍。
String.prototype.match()
字符串对象的match方法对字符串进行正则匹配,返回匹配结果。
var s = '_x_x'; var r1 = /x/; var r2 = /y/; s.match(r1) // ["x"] s.match(r2) // null
从上面代码可以看到,字符串的match方法与正则对象的exec方法非常类似:匹配成功返回一个数组,匹配失败返回null。
如果正则表达式带有g修饰符,则该方法与正则对象的exec方法行为不同,会一次性返回所有匹配成功的结果。
var s = 'abba'; var r = /a/g; s.match(r) // ["a", "a"] r.exec(s) // ["a"]
设置正则表达式的lastIndex属性,对match方法无效,匹配总是从字符串的第一个字符开始。
var r = /a|b/g; r.lastIndex = 7; 'xaxb'.match(r) // ['a', 'b'] r.lastIndex // 0
上面代码表示,设置lastIndex属性是无效的。
String.prototype.search()
字符串对象的search方法,返回第一个满足条件的匹配结果在整个字符串中的位置。如果没有任何匹配,则返回-1。
'_x_x'.search(/x/) // 1
上面代码中,第一个匹配结果出现在字符串的1号位置。
该方法会忽略g修饰符。
var r = /x/g; r.lastIndex = 2; // 无效 '_x_x'.search(r) // 1
上面代码中,正则表达式使用g修饰符之后,使用lastIndex属性指定开始匹配的位置,结果无效,还是从字符串的第一个字符开始匹配。
String.prototype.replace()
字符串对象的replace方法可以替换匹配的值。它接受两个参数,第一个是搜索模式,第二个是替换的内容。
str.replace(search, replacement)
搜索模式如果不加g修饰符,就替换第一个匹配成功的值,否则替换所有匹配成功的值。
'aaa'.replace('a', 'b') // "baa" 'aaa'.replace(/a/, 'b') // "baa" 'aaa'.replace(/a/g, 'b') // "bbb"
上面代码中,最后一个正则表达式使用了g修饰符,导致所有的b都被替换掉了。
replace方法的一个应用,就是消除字符串首尾两端的空格。
var str = ' #id p.class '; str.replace(/^\s+|\s+$/g, '') // "#id p.class"
replace方法的第二个参数可以使用美元符号$,用来指代所替换的内容。
$& 指代匹配的子字符串。
$` 指代匹配结果前面的文本。
$' 指代匹配结果后面的文本。
$n 指代匹配成功的第n组内容,n是从1开始的自然数。
$$ 指代美元符号$。
'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1') // "world hello" 'abc'.replace('b', '[$`-$&-$\']') // "a[a-b-c]c"
replace方法的第二个参数还可以是一个函数,将每一个匹配内容替换为函数返回值。
'3 and 5'.replace(/[0-9]+/g, function(match){ return 2 * match; }) // "6 and 10" var a = 'The quick brown fox jumped over the lazy dog.'; var pattern = /quick|brown|lazy/ig; a.replace(pattern, function replacer(match) { return match.toUpperCase(); }); // The QUICK BROWN fox jumped over the LAZY dog.
作为replace方法第二个参数的替换函数,可以接受多个参数。第一个参数是捕捉到的内容,第二个参数是捕捉到的组匹配(有多少个组匹配,就有多少个对应的参数)。此外,最后还可以添加两个参数,倒数第二个参数是捕捉到的内容在整个字符串中的位置(比如从第五个位置开始),最后一个参数是原字符串。下面是一个网页模板替换的例子。
var prices = { 'pr_1': '$1.99', 'pr_2': '$9.99', 'pr_3': '$5.00' }; var template = '/* ... */'; // 这里可以放网页模块字符串 template.replace( /(<span id=")(.*?)(">)(<\/span>)/g, function(match, $1, $2, $3, $4){ return $1 + $2 + $3 + prices[$2] + $4; } );
上面代码的捕捉模式中,有四个括号,所以会产生四个组匹配,在匹配函数中用$1到$4表示。匹配函数的作用是将价格插入模板中。
String.prototype.split()
字符串对象的split方法按照正则规则分割字符串,返回一个由分割后的各个部分组成的数组。
str.split(separator, [limit])
该方法接受两个参数,第一个参数是分隔规则,第二个参数是返回数组的最大成员数。
// 非正则分隔 'a, b,c, d'.split(',') // [ 'a', ' b', 'c', ' d' ] // 正则分隔,去除多余的空格 'a, b,c, d'.split(/, */) // [ 'a', 'b', 'c', 'd' ] // 指定返回数组的最大成员 'a, b,c, d'.split(/, */, 2) [ 'a', 'b' ]
上面代码使用正则表达式,去除了子字符串的逗号后面的空格。
// 例一 'aaa*a*'.split(/a*/) // [ '', '*', '*' ] // 例二 'aaa**a*'.split(/a*/) // ["", "*", "*", "*"]
上面代码的分割规则是0次或多次的a,由于正则默认是贪婪匹配,所以例一的第一个分隔符是aaa,第二个分割符是a,将字符串分成三个部分,包含开始处的空字符串。例二的第一个分隔符是aaa,第二个分隔符是0个a(即空字符),第三个分隔符是a,所以将字符串分成四个部分。
如果正则表达式带有括号,则括号匹配的部分也会作为数组成员返回。
'aaa*a*'.split(/(a*)/) // [ '', 'aaa', '*', 'a', '*' ]
上面代码的正则表达式使用了括号,第一个组匹配是“aaa”,第二个组匹配是“a”,它们都作为数组成员返回。
匹配规则
正则表达式对字符串的匹配有很复杂的规则。下面一一介绍这些规则。
字面量字符和元字符
大部分字符在正则表达式中,就是字面的含义,比如/a/匹配a,/b/匹配b。如果在正则表达式之中,某个字符只表示它字面的含义(就像前面的a和b),那么它们就叫做“字面量字符”(literal characters)。
/dog/.test("old dog") // true
上面代码中正则表达式的dog,就是字面量字符,所以/dog/匹配“old dog”,因为它就表示“d”、“o”、“g”三个字母连在一起。
除了字面量字符以外,还有一部分字符有特殊含义,不代表字面的意思。它们叫做“元字符”(metacharacters),主要有以下几个。
(1)点字符(.)
点字符(.)匹配除回车(\r)、换行(\n) 、行分隔符(\u2028)和段分隔符(\u2029)以外的所有字符。
/c.t/
上面代码中,c.t匹配c和t之间包含任意一个字符的情况,只要这三个字符在同一行,比如cat、c2t、c-t等等,但是不匹配coot。
(2)位置字符
位置字符用来提示字符所处的位置,主要有两个字符。
^ 表示字符串的开始位置
$ 表示字符串的结束位置
// test必须出现在开始位置 /^test/.test('test123') // true // test必须出现在结束位置 /test$/.test('new test') // true // 从开始位置到结束位置只有test /^test$/.test('test') // true /^test$/.test('test test') // false
(3)选择符(|)
竖线符号(|)在正则表达式中表示“或关系”(OR),即cat|dog表示匹配cat或dog。
/11|22/.test('911') // true
上面代码中,正则表达式指定必须匹配11或22。
多个选择符可以联合使用。
// 匹配fred、barney、betty之中的一个 /fred|barney|betty/
选择符会包括它前后的多个字符,比如/ab|cd/指的是匹配ab或者cd,而不是指匹配b或者c。如果想修改这个行为,可以使用圆括号。
/a( |\t)b/.test('a\tb') // true
上面代码指的是,a和b之间有一个空格或者一个制表符。
其他的元字符还包括\\、\*、+、?、()、[]、{}等,将在下文解释。
转义符
正则表达式中那些有特殊含义的字符,如果要匹配它们本身,就需要在它们前面要加上反斜杠。比如要匹配加号,就要写成\+。
/1+1/.test('1+1') // false /1\+1/.test('1+1') // true
上面代码中,第一个正则表达式直接用加号匹配,结果加号解释成量词,导致不匹配。第二个正则表达式使用反斜杠对加号转义,就能匹配成功。
正则模式中,需要用斜杠转义的,一共有12个字符:^、.、[、$、(、)、|、*、+、?、{和\\。需要特别注意的是,如果使用RegExp方法生成正则对象,转义需要使用两个斜杠,因为字符串内部会先转义一次。
(new RegExp('1\+1')).test('1+1') // false (new RegExp('1\\+1')).test('1+1') // true
上面代码中,RegExp作为构造函数,参数是一个字符串。但是,在字符串内部,反斜杠也是转义字符,所以它会先被反斜杠转义一次,然后再被正则表达式转义一次,因此需要两个反斜杠转义。
特殊字符
正则表达式对一些不能打印的特殊字符,提供了表达方法。
\cX 表示Ctrl-[X],其中的X是A-Z之中任一个英文字母,用来匹配控制字符。
[\b] 匹配退格键(U+0008),不要与\b混淆。
\n 匹配换行键。
\r 匹配回车键。
\t 匹配制表符tab(U+0009)。
\v 匹配垂直制表符(U+000B)。
\f 匹配换页符(U+000C)。
\0 匹配null字符(U+0000)。
\xhh 匹配一个以两位十六进制数(\x00-\xFF)表示的字符。
\uhhhh 匹配一个以四位十六进制数(\u0000-\uFFFF)表示的unicode字符。
字符类
字符类(class)表示有一系列字符可供选择,只要匹配其中一个就可以了。所有可供选择的字符都放在方括号内,比如[xyz] 表示x、y、z之中任选一个匹配。
/[abc]/.test('hello world') // false /[abc]/.test('') // true
上面代码表示,字符串“hello world”不包含a、b、c这三个字母中的任一个,而字符串“”包含字母a。
有两个字符在字符类中有特殊含义。
(1)脱字符(^)
如果方括号内的第一个字符是[^],则表示除了字符类之中的字符,其他字符都可以匹配。比如,[^xyz]表示除了x、y、z之外都可以匹配。
/[^abc]/.test('hello world') // true /[^abc]/.test('bbc') // false
上面代码表示,字符串“hello world”不包含字母a、b、c中的任一个,所以返回true;字符串“bbc”不包含a、b、c以外的字母,所以返回false。
如果方括号内没有其他字符,即只有[^],就表示匹配一切字符,其中包括换行符,而点号(.)是不包括换行符的。
var s = 'Please yes\nmake my day!'; s.match(/yes.*day/) // null s.match(/yes[^]*day/) // [ 'yes\nmake my day']
上面代码中,字符串s含有一个换行符,点号不包括换行符,所以第一个正则表达式匹配失败;第二个正则表达式[^]包含一切字符,所以匹配成功。
注意,脱字符只有在字符类的第一个位置才有特殊含义,否则就是字面含义。
(2)连字符(-)
某些情况下,对于连续序列的字符,连字符(-)用来提供简写形式,表示字符的连续范围。比如,[abc]可以写成[a-c],[0123456789]可以写成[0-9],同理[A-Z]表示26个大写字母。
/a-z/.test('b') // false /[a-z]/.test('b') // true
上面代码中,当连字号(dash)不出现在方括号之中,就不具备简写的作用,只代表字面的含义,所以不匹配字符b。只有当连字号用在方括号之中,才表示连续的字符序列。
以下都是合法的字符类简写形式。
[0-9.,] [0-9a-fA-F] [a-zA-Z0-9-] [1-31]
上面代码中最后一个字符类[1-31],不代表1到31,只代表1到3。
注意,字符类的连字符必须在头尾两个字符中间,才有特殊含义,否则就是字面含义。比如,[-9]就表示匹配连字符和9,而不是匹配0到9。
连字符还可以用来指定Unicode字符的范围。
var str = "\u0130\u0131\u0132"; /[\u0128-\uFFFF]/.test(str) // true
另外,不要过分使用连字符,设定一个很大的范围,否则很可能选中意料之外的字符。最典型的例子就是[A-z],表面上它是选中从大写的A到小写的z之间52个字母,但是由于在ASCII编码之中,大写字母与小写字母之间还有其他字符,结果就会出现意料之外的结果。
/[A-z]/.test('\\') // true
上面代码中,由于反斜杠(\\)的ASCII码在大写字母与小写字母之间,结果会被选中。
预定义模式
预定义模式指的是某些常见模式的简写方式。
\d 匹配0-9之间的任一数字,相当于[0-9]。
\D 匹配所有0-9以外的字符,相当于[^0-9]。
\w 匹配任意的字母、数字和下划线,相当于[A-Za-z0-9_]。
\W 除所有字母、数字和下划线以外的字符,相当于[^A-Za-z0-9_]。
\s 匹配空格(包括制表符、空格符、断行符等),相等于[\t\r\n\v\f]。
\S 匹配非空格的字符,相当于[^\t\r\n\v\f]。
\b 匹配词的边界。
\B 匹配非词边界,即在词的内部。
下面是一些例子。
// \s的例子 /\s\w*/.exec('hello world') // [" world"] // \b的例子 /\bworld/.test('hello world') // true /\bworld/.test('hello-world') // true /\bworld/.test('helloworld') // false // \B的例子 /\Bworld/.test('hello-world') // false /\Bworld/.test('helloworld') // true
上面代码中,\s表示空格,所以匹配结果会包括空格。\b表示词的边界,所以“world”的词首必须独立(词尾是否独立未指定),才会匹配。同理,\B表示非词的边界,只有“world”的词首不独立,才会匹配。
通常,正则表达式遇到换行符(\n)就会停止匹配。
var html = "<b>Hello</b>\n<i>world!</i>"; /.*/.exec(html)[0] // "<b>Hello</b>"
上面代码中,字符串html包含一个换行符,结果点字符(.)不匹配换行符,导致匹配结果可能不符合原意。这时使用\s字符类,就能包括换行符。
var html = "<b>Hello</b>\n<i>world!</i>"; /[\S\s]*/.exec(html)[0] // "<b>Hello</b>\n<i>world!</i>" // 另一种写法(用到了非捕获组) /(?:.|\s)*/.exec(html)[0] // "<b>Hello</b>\n<i>world!</i>"
上面代码中,[\S\s]指代一切字符。
重复类
模式的精确匹配次数,使用大括号({})表示。{n}表示恰好重复n次,{n,}表示至少重复n次,{n,m}表示重复不少于n次,不多于m次。
/lo{2}k/.test('look') // true /lo{2,5}k/.test('looook') // true
上面代码中,第一个模式指定o连续出现2次,第二个模式指定o连续出现2次到5次之间。
量词符
量词符用来设定某个模式出现的次数。
? 问号表示某个模式出现0次或1次,等同于{0, 1}。
* 星号表示某个模式出现0次或多次,等同于{0,}。
+ 加号表示某个模式出现1次或多次,等同于{1,}。
// t出现0次或1次 /t?est/.test('test') // true /t?est/.test('est') // true // t出现1次或多次 /t+est/.test('test") // true /t+est/.test('ttest') // true /t+est/.test('est') // false // t出现0次或多次 /t*est/.test('test') // true /t*est/.test('ttest') // true /t*est/.test('tttest') // true /t*est/.test('est') // true
贪婪模式
上一小节的三个量词符,默认情况下都是最大可能匹配,即匹配直到下一个字符不满足匹配规则为止。这被称为贪婪模式。
var s = 'aaa'; s.match(/a+/) // ["aaa"]
上面代码中,模式是/a+/,表示匹配1个a或多个a,那么到底会匹配几个a呢?因为默认是贪婪模式,会一直匹配到字符a不出现为止,所以匹配结果是3个a。
如果想将贪婪模式改为非贪婪模式,可以在量词符后面加一个问号。
var s = 'aaa'; s.match(/a+?/) // ["a"]
上面代码中,模式结尾添加了一个问号/a+?/,这时就改为非贪婪模式,一旦条件满足,就不再往下匹配。
除了非贪婪模式的加号,还有非贪婪模式的星号(*)。
*?:表示某个模式出现0次或多次,匹配时采用非贪婪模式。
+?:表示某个模式出现1次或多次,匹配时采用非贪婪模式。
修饰符
修饰符(modifier)表示模式的附加规则,放在正则模式的最尾部。
修饰符可以单个使用,也可以多个一起使用。
// 单个修饰符 var regex = /test/i; // 多个修饰符 var regex = /test/ig;
(1)g修饰符
默认情况下,第一次匹配成功后,正则对象就停止向下匹配了。g修饰符表示全局匹配(global),加上它以后,正则对象将匹配全部符合条件的结果,主要用于搜索和替换。
var regex = /b/; var str = 'abba'; regex.test(str); // true regex.test(str); // true regex.test(str); // true
上面代码中,正则模式不含g修饰符,每次都是从字符串头部开始匹配。所以,连续做了三次匹配,都返回true。
var regex = /b/g; var str = 'abba'; regex.test(str); // true regex.test(str); // true regex.test(str); // false
上面代码中,正则模式含有g修饰符,每次都是从上一次匹配成功处,开始向后匹配。因为字符串“abba”只有两个“b”,所以前两次匹配结果为true,第三次匹配结果为false。
(2)i修饰符
默认情况下,正则对象区分字母的大小写,加上i修饰符以后表示忽略大小写(ignorecase)。
/abc/.test('ABC') // false /abc/i.test('ABC') // true
上面代码表示,加了i修饰符以后,不考虑大小写,所以模式abc匹配字符串ABC。
(3)m修饰符
m修饰符表示多行模式(multiline),会修改^和$的行为。默认情况下(即不加m修饰符时),^和$匹配字符串的开始处和结尾处,加上m修饰符以后,^和$还会匹配行首和行尾,即^和$会识别换行符(\n)。
/world$/.test('hello world\n') // false /world$/m.test('hello world\n') // true
上面的代码中,字符串结尾处有一个换行符。如果不加m修饰符,匹配不成功,因为字符串的结尾不是“world”;加上以后,$可以匹配行尾。
/^b/m.test('a\nb') // true
上面代码要求匹配行首的b,如果不加m修饰符,就相当于b只能处在字符串的开始处。
组匹配
(1)概述
正则表达式的括号表示分组匹配,括号中的模式可以用来匹配分组的内容。
/fred+/.test('fredd') // true /(fred)+/.test('fredfred') // true
上面代码中,第一个模式没有括号,结果+只表示重复字母d,第二个模式有括号,结果+就表示匹配“fred”这个词。
下面是另外一个分组捕获的例子。
var m = 'abcabc'.match(/(.)b(.)/); m // ['abc', 'a', 'c']
上面代码中,正则表达式/(.)b(.)/一共使用两个括号,第一个括号捕获a,第二个括号捕获c。
注意,使用组匹配时,不宜同时使用g修饰符,否则match方法不会捕获分组的内容。
var m = 'abcabc'.match(/(.)b(.)/g); m // ['abc', 'abc']
上面代码使用带g修饰符的正则表达式,结果match方法只捕获了匹配整个表达式的部分。
在正则表达式内部,可以用\n引用括号匹配的内容,n是从1开始的自然数,表示对应顺序的括号。
/(.)b(.)\1b\2/.test("abcabc") // true
上面的代码中,\1表示前一个括号匹配的内容(即“a”),\2表示第二个括号匹配的内容(即“b”)。
下面是另外一个例子。
/y(..)(.)\2\1/.test('yabccab') // true
括号还可以嵌套。
/y((..)\2)\1/.test('yabababab') // true
上面代码中,\1指向外层括号,\2指向内层括号。
组匹配非常有用,下面是一个匹配网页标签的例子。
var tagName = /<([^>]+)>[^<]*<\/\1>/; tagName.exec("<b>bold</b>")[1] // 'b'
上面代码中,圆括号匹配尖括号之中的标签,而\1就表示对应的闭合标签。
上面代码略加修改,就能捕获带有属性的标签。
var html = '<b class="hello">Hello</b><i>world</i>'; var tag = /<(\w+)([^>]*)>(.*?)<\/\1>/g; var match = tag.exec(html); match[1] // "b" match[2] // "class="hello"" match[3] // "Hello" match = tag.exec(html); match[1] // "i" match[2] // "" match[3] // "world"
(2)非捕获组
(?:x)称为非捕获组(Non-capturing group),表示不返回该组匹配的内容,即匹配的结果中不计入这个括号。
非捕获组的作用请考虑这样一个场景,假定需要匹配foo或者foofoo,正则表达式就应该写成/(foo){1, 2}/,但是这样会占用一个组匹配。这时,就可以使用非捕获组,将正则表达式改为/(?:foo){1, 2}/,它的作用与前一个正则是一样的,但是不会单独输出括号内部的内容。
请看下面的例子。
var m = 'abc'.match(/(?:.)b(.)/); m // ["abc", "c"]
上面代码中的模式,一共使用了两个括号。其中第一个括号是非捕获组,所以最后返回的结果中没有第一个括号,只有第二个括号匹配的内容。
下面是用来分解网址的正则表达式。
// 正常匹配 var url = /(http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/; url.exec('http://google.com/'); // ["http://google.com/", "http", "google.com", "/"] // 非捕获组匹配 var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/; url.exec('http://google.com/'); // ["http://google.com/", "google.com", "/"]
上面的代码中,前一个正则表达式是正常匹配,第一个括号返回网络协议;后一个正则表达式是非捕获匹配,返回结果中不包括网络协议。
(3)先行断言
x(?=y)称为先行断言(Positive look-ahead),x只有在y前面才匹配,y不会被计入返回结果。比如,要匹配后面跟着百分号的数字,可以写成/\d+(?=%)/。
“先行断言”中,括号里的部分是不会返回的。
var m = 'abc'.match(/b(?=c)/); m // ["b"]
上面的代码使用了先行断言,b在c前面所以被匹配,但是括号对应的c不会被返回。
再看一个例子。
/Jack (?=Sprat|Frost)/.test('Jack Frost') // true
(4)先行否定断言
x(?!y)称为先行否定断言(Negative look-ahead),x只有不在y前面才匹配,y不会被计入返回结果。比如,要匹配后面跟的不是百分号的数字,就要写成/\d+(?!%)/。
/\d+(?!\.)/.exec('3.14') // ["14"]
上面代码中,正则表达式指定,只有不在小数点前面的数字才会被匹配,因此返回的结果就是14。
“先行否定断言”中,括号里的部分是不会返回的。
var m = 'abd'.match(/b(?!c)/); m // ['b']
上面的代码使用了先行否定断言,b不在c前面所以被匹配,而且括号对应的d不会被返回。
参考链接
Axel Rauschmayer, JavaScript: an overview of the regular expression API
Mozilla Developer Network, Regular Expressions
Axel Rauschmayer, The flag /g of JavaScript's regular expressions
Sam Hughes, Learn regular expressions in about 55 minutes
相关推荐:
MySQL中使用replace、regexp进行正则表达式替换的用法分析
위 내용은 JavaScript의 RegExp 객체 구문 분석의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!