JavaScript中正则使用

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操做的需求几乎无处不在。好比判断一个字符串是不是合法的Email地址，虽然能够编程提取@先后的子串，再分别判断是不是单词和域名，但这样作不但麻烦，并且代码难以复用。

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，咱们就认为它“匹配”了，不然，该字符串就是不合法的。

因此咱们判断一个字符串是不是合法的Email的方法是：

1. 建立一个匹配Email的正则表达式；

2. 用该正则表达式去匹配用户的输入来判断是否合法。

由于正则表达式也是用字符串表示的，因此，咱们要首先了解如何用字符来描述字符。

在正则表达式中，若是直接给出字符，就是精确匹配。用\d能够匹配一个数字，\w能够匹配一个字母或数字，因此：

• '00\d'能够匹配'007'，但没法匹配'00A'；

• '\d\d\d'能够匹配'010'；

• '\w\w'能够匹配'js'；

.能够匹配任意字符，因此：

• 'js.'能够匹配'jsp'、'jss'、'js!'等等。

要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符：

来看一个复杂的例子：\d{3}\s+\d{3,8}。

咱们来从左到右解读一下：

1. \d{3}表示匹配3个数字，例如'010'；

2. \s能够匹配一个空格（也包括Tab等空白符），因此\s+表示至少有一个空格，例如匹配' '，'\t\t'等；

3. \d{3,8}表示3-8个数字，例如'1234567'。

综合起来，上面的正则表达式能够匹配以任意个空格隔开的带区号的电话号码。

若是要匹配'010-12345'这样的号码呢？因为'-'是特殊字符，在正则表达式中，要用'\'转义，因此，上面的正则是\d{3}\-\d{3,8}。

可是，仍然没法匹配'010 - 12345'，由于带有空格。因此咱们须要更复杂的匹配方式。

进阶

要作更精确地匹配，能够用[]表示范围，好比：

• [0-9a-zA-Z\_]能够匹配一个数字、字母或者下划线；

• [0-9a-zA-Z\_]+能够匹配至少由一个数字、字母或者下划线组成的字符串，好比'a100'，'0_Z'，'js2015'等等；

• [a-zA-Z\_\$][0-9a-zA-Z\_\$]*能够匹配由字母或下划线、$开头，后接任意个由一个数字、字母或者下划线、$组成的字符串，也就是JavaScript容许的变量名；

• [a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。

A|B能够匹配A或B，因此(J|j)ava(S|s)cript能够匹配'JavaScript'、'Javascript'、'javaScript'或者'javascript'。

^表示行的开头，^\d表示必须以数字开头。

$表示行的结束，\d$表示必须以数字结束。

你可能注意到了，js也能够匹配'jsp'，可是加上^js$就变成了整行匹配，就只能匹配'js'了。

RegExp

有了准备知识，咱们就能够在JavaScript中使用正则表达式了。

JavaScript有两种方式建立一个正则表达式：

第一种方式是直接经过/正则表达式/写出来，第二种方式是经过new RegExp('正则表达式')建立一个RegExp对象。

两种写法是同样的：

var re1 = /ABC\-001/; var re2 = new RegExp('ABC\\-001'); re1; // /ABC\-001/ re2; // /ABC\-001/ 

注意，若是使用第二种写法，由于字符串的转义问题，字符串的两个\\其实是一个\。

先看看如何判断正则表达式是否匹配：

var re = /^\d{3}\-\d{3,8}$/; re.test('010-12345'); // true re.test('010-1234x'); // false re.test('010 12345'); // false 

RegExp对象的test()方法用于测试给定的字符串是否符合条件。

切分字符串

用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码：

'a b c'.split(' '); // ['a', 'b', '', '', 'c'] 

嗯，没法识别连续的空格，用正则表达式试试：

'a b c'.split(/\s+/); // ['a', 'b', 'c'] 

不管多少个空格均可以正常分割。加入,试试：

'a,b, c d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd'] 

再加入;试试：

'a,b;; c d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd'] 

若是用户输入了一组标签，下次记得用正则表达式来把不规范的输入转化成正确的数组。

分组

除了简单地判断是否匹配以外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。好比：

^(\d{3})-(\d{3,8})$分别定义了两个组，能够直接从匹配的字符串中提取出区号和本地号码：

var re = /^(\d{3})-(\d{3,8})$/; re.exec('010-12345'); // ['010-12345', '010', '12345'] re.exec('010 12345'); // null 

若是正则表达式中定义了组，就能够在RegExp对象上用exec()方法提取出子串来。

exec()方法在匹配成功后，会返回一个Array，第一个元素是正则表达式匹配到的整个字符串，后面的字符串表示匹配成功的子串。

exec()方法在匹配失败时返回null。

提取子串很是有用。来看一个更凶残的例子：

var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/; re.exec('19:05:30'); // ['19:05:30', '19', '05', '30'] 

这个正则表达式能够直接识别合法的时间。可是有些时候，用正则表达式也没法作到彻底验证，好比识别日期：

var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/; 

对于'2-30'，'4-31'这样的非法日期，用正则仍是识别不了，或者说写出来很是困难，这时就须要程序配合识别了。

贪婪匹配

须要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽量多的字符。举例以下，匹配出数字后面的0：

var re = /^(\d+)(0*)$/; re.exec('102300'); // ['102300', '102300', ''] 

因为\d+采用贪婪匹配，直接把后面的0所有匹配了，结果0*只能匹配空字符串了。

必须让\d+采用非贪婪匹配（也就是尽量少匹配），才能把后面的0匹配出来，加个?就可让\d+采用非贪婪匹配：

var re = /^(\d+?)(0*)$/; re.exec('102300'); // ['102300', '1023', '00'] 

全局搜索

JavaScript的正则表达式还有几个特殊的标志，最经常使用的是g，表示全局匹配：

var r1 = /test/g; // 等价于: var r2 = new RegExp('test', 'g'); 

全局匹配能够屡次执行exec()方法来搜索一个匹配的字符串。当咱们指定g标志后，每次运行exec()，正则表达式自己会更新lastIndex属性，表示上次匹配到的最后索引：

var s = 'JavaScript, VBScript, JScript and ECMAScript'; var re=/[a-zA-Z]+Script/g; // 使用全局匹配: re.exec(s); // ['JavaScript'] re.lastIndex; // 10 re.exec(s); // ['VBScript'] re.lastIndex; // 20 re.exec(s); // ['JScript'] re.lastIndex; // 29 re.exec(s); // ['ECMAScript'] re.lastIndex; // 44 re.exec(s); // null，直到结束仍没有匹配到 

全局匹配相似搜索，所以不能使用/^...$/，那样只会最多匹配一次。

正则表达式还能够指定i标志，表示忽略大小写，m标志，表示执行多行匹配。

小结

正则表达式很是强大，要在短短的一节里讲完是不可能的。要讲清楚正则的全部内容，能够写一本厚厚的书了。若是你常常遇到正则表达式的问题，你可能须要一本正则表达式的参考书。