Author 王平安
E-mail pingan8787@qq.com
博 客 www.pingan8787.com
微 信 pingan8787
每日文章 https://0x9.me/KMrv3

1.概述

正则表达式(regular expression)是一种表达文本模式(即字符串结构)的方法。

创建方式有两种方式

一种是使用字面量,以斜杠表示开始和结束

1
var regex = /xyz/

另一种是使用RegExp构造函数。

1
var regex = new RegExp('xyz');

它们的主要区别是,第一种方法在引擎编译代码时,就会新建正则表达式,第二种方法在运行时新建正则表达式,所以前者的效率较高。而且,前者比较便利和直观,所以实际应用中,基本上都采用字面量定义正则表达式。

2.实例属性

  • i :忽略大小写

  • m :多行模式

  • g :全局搜索

3.实例方法

3.1 RegExp.prototype.test()

正则实例对象的test方法返回一个布尔值,表示当前模式是否能匹配参数字符串。

1
/小智/.test('小智 终身学习执行者') // true

reg.exec(str) 返回匹配结果数组,不匹配则返回null,每执行一次exec就向后匹配一次

3.2 RegExp.prototype.exec()

  • reg.exec(str) 返回匹配结果数组,不匹配则返回null,每执行一次exec就向后匹配一次

    1
    2
    3
    var s = '_x_x';var r1 = /x/;var r2 = /y/;

    r1.exec(s) // ["x"]r2.exec(s) // null
  • 如果表达式里有括号(),称为组匹配,返回结果中,第一个是整体匹配结果,后面依次是每个括号匹配的结果

    1
    2
    3
    4
    var s = '_x_x';
    var r = /_(x)/;

    r.exec(s) // ["_x", "x"]

exec方法的返回数组还包含以下两个属性:
input:整个原字符串。

index:整个模式匹配成功的开始位置(从0开始计数)。

1
2
3
4
5
6
var r = /a(b+)a/;
var arr = r.exec('_abbba_aba_');

arr // ["abbba", "bbb"]

arr.index // 1arr.input // "_abbba_aba_"

  • 如果表达式中有g选项进行全局搜索,则可以多次使用 exec,下次的匹配从上次的结果后开始
    1
    2
    3
    4
    5
    var reg = /a/g;var str = 'abc_abc_abc'var r1 = reg.exec(str);
    r1 // ["a"]r1.index // 0reg.lastIndex // 1var r2 = reg.exec(str);
    r2 // ["a"]r2.index // 4reg.lastIndex // 5var r3 = reg.exec(str);
    r3 // ["a"]r3.index // 8reg.lastIndex // 9var r4 = reg.exec(str);
    r4 // nullreg.lastIndex // 0

4.字符串的实例方法

4.1 str.match(reg)

reg.exec相似,但是,如果使用g选项,则str.match`一次性返回所有结果。

1
2
3
var s = 'abba';var r = /a/g;

s.match(r) // ["a", "a"]r.exec(s) // ["a"]

4.2 str.search(reg)

返回匹配成功的第一个位置,如果没有任何匹配,则返回-1。

1
'_x_x'.search(/x/)// 1

4.3 str.replace(reg,newstr)

用第一个参数reg去匹配,用第二个参数newstr 去替换,正则表达式如果不加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。

1
2
3
'aaa'.replace('a', 'b')// "baa"
'aaa'.replace(/a/, 'b') // "baa"
'aaa'.replace(/a/g, 'b') // "bbb"

4.4 str.split(reg[,maxLength])

用匹配的模式切割,第二个参数是限制返回结果的最大数量

5. 匹配规则

5.1 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)。
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。

1
/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

^ 表示字符串的开始位置

$ 表示字符串的结束位置

1
2
3
4
5
6
7
8
9
10
// 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。

1
/11|22/.test('911') // true

上面代码中,正则表达式指定必须匹配11或22。

5.2 转义符

正则表达式中那些有特殊含义的元字符,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+,就要写成+。

1
/1+1/.test('1+1')// false/1\+1/.test('1+1')// true

正则表达式中,需要反斜杠转义的,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。

1
2
(new RegExp('1\+1')).test('1+1')// false
(new RegExp('1\\+1')).test('1+1')// true

5.3 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。

1
2
/[abc]/.test('hello world') // false
/[abc]/.test('apple') // true

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[^xyz]表示除了x、y、z之外都可以匹配:
    1
    2
    /[^abc]/.test('hello world') // true
    /[^abc]/.test('bbc') // 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。相比之下,点号作为元字符(.)是不包括换行符的。

1
2
var s = 'Please yes\nmake my day!';
s.match(/yes.*day/) // nulls.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。

  • (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。

1
2
/a-z/.test('b') // false
/[a-z]/.test('b') // true

以下都是合法的字符类简写形式。

1
2
3
4
[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。

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。

1
/[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。

5.4 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(包括换行符、制表符、空格符等),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。

1
2
3
4
5
6
7
8
9
10
11
// \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

通常,正则表达式遇到换行符(n)就会停止匹配。

1
2
3
4
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。

1
2
3
4
var html = "<b>Hello</b>\n<i>world!</i>";

/[\S\s]*/.exec(html)[0]
// "<b>Hello</b>\n<i>world!</i>"

上面代码中,[Ss]指代一切字符。

5.5 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。

1
2
/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。

5.6 量词符

*. ? 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,}。

5.7 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。

1
2
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。

1
2
var s = 'aaa';
s.match(/a+?/) // ["a"]

除了非贪婪模式的加号,还有非贪婪模式的星号(*)和非贪婪模式的问号(?

+?:表示某个模式出现1次或多次,匹配时采用非贪婪模式。

*?:表示某个模式出现0次或多次,匹配时采用非贪婪模式。

??:表格某个模式出现0次或1次,匹配时采用非贪婪模式。

5.8 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。

1
2
/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。

1
2
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。

1
2
var m = 'abcabc'.match(/(.)b(.)/g);
m // ['abc', 'abc']

正则表达式内部,还可以用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。

1
/(.)b(.)\1b\2/.test("abcabc")// true

上面的代码中,1表示第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c)。

  • (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。

1
2
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。

  • (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。

1
2
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。

  • (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+(?!%)/

1
/\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。

6. 实战

6.1 消除字符串首尾两端的空格

1
2
var str = '  #id div.class  ';
str.replace(/^\s+|\s+$/g, '') // "#id div.class"

6.2 验证手机号码

1
var reg = /1[24578]\d{9}/;reg.test('154554568997'); //truereg.test('234554568997'); //false

6.3 把手机号码替换成 *

1
2
3
var reg = /1[24578]\d{9}/;var str = '姓名:张三 手机:18210999999 性别:男';

str.replace(reg, '***') //"姓名:张三 手机:*** 性别:男"

6.4 匹配网页标签

1
2
3
4
5
var strHtlm = '小智小智<div>222222@.qq.com</div>小智小智';

var reg = /<(.+)>.+<\/\1>/;

strHtlm.match(reg); // ["<div>222222@.qq.com</div>"]

6.5 替换敏感字

1
2
3
4
5
6
7
8
let str = '中国共产党中国人民解放军中华人民共和国';
let r = str.replace(/中国|军/g, input => {
let t = '';
for (let i = 0; i<input.length; i++) {
t += '*';
} return t;
})
console.log(r); //**共产党**人民解放*中华人民共和国

6.6 千位分隔符

1
2
3
let str = '100002003232322';
let r = str.replace(/(\d)(?=(?:\d{3})+$)/g, '$1,');
console.log(r); //100,002,003,232,322

原文链接 https://segmentfault.com/a/1190000016593077