【面试准备·4】JavaScript 正则表达式全面总结

若是您发现错误，请必定要告诉我，拯救一个辣鸡（但很帅）的少年就靠您了！

本文适合有 JavaScript 基础 && 面向搜索引擎书写正则的人群。

正则表达式是用于匹配字符串中字符组合的模式。正则表达式的模式规则是由一个字符序列组成的。包括全部字母和数字在内，大多数的字符都是直接按照直接量描述待匹配的字符。除此以外，正则表达式还有其余特殊语义的字符，这些字符不按照特殊含义进行匹配。

建立正则表达式

JavaScript 中的正则表达式用 RegExp 对象表示，有两种建立方式。

1. 直接量语法建立

正则表达式直接量定义为包含在一对斜杠（/）之间的字符。

2. 构造函建立

能够经过 RegExp() 构造函数能够实现动态建立正则表达式。RegExp 的第二个参数是可选的。

new RegExp(pattern [, flags])
RegExp(pattern [, flags])
复制代码

其中 pattern 能够是字符串或者正则字面量。当 pattern 是字符串时，须要常规的字符转义规则，必须将 \ 替换成 \\，好比 /\w+/ 等价于 new RegExp("\\w+")。

直接量字符

正则表达式中全部字母和数字都是按照字面含义进行匹配的，其余非字母的字符须要经过反斜杠（\）做为前缀进行转移，如 \n 匹配换行符。这些字符为直接量字符（literal characters）。这些字符都是精确匹配，每个字符都只能匹配一个字符。

在正则表达式中，有一些标点符号具备特殊含义，他们是：^ $ . * + ? = ! : | \ / ( ) [ ] { } 若是须要在正则表达式中与这些直接量进行匹配，必须使用前缀 \。

若是不记得哪些标点须要反斜杠转义，能够在每一个标点符号前都加上反斜杠。

字符类

若是不想匹配某一个特定的字符而是想匹配某一类字符，则须要使用字符类。

经过将直接量字符放入方括号内，能够组成字符类（character class）。一个字符类能够匹配它所包含任意 一个 字符。如 [abc] 能够匹配 a，b，c 中任意一个字符。

使用 ^ 做为方括号中第一个字符来定义否认字符集，它匹配全部不包含在方框括号内的字符。[^] 能够匹配任意字符。

字符类可使用连字符来表示字符范围。好比匹配小写字母[a-z]，匹配任何字母和数字能够用[a-zA-Z0-9]。

一些经常使用的字符类，在 JavaScript 中有特殊的转义字符来表达它们。

字符	匹配
[...]	方括号内任意字符
[^...]	不在方括号内任意字符
.	除了换行符和其余 Unicode 行终止符以外的任意字符
\w	等价于 [a-zA-Z0-9_]
\W	等价于 [^a-zA-Z0-9_]
\s	任何 Unicode 空白符
\S	任何非 Unicode 空白符的字符
\d	等价于 [0-9]
\D	等价于 [^0-9]
[\b]	退格直接量，与退格键 \u0008 匹配，注意不一样于 \b

方括号内也可出现转义字符，如 [\d\s] 表示匹配任意空白符或数字。

重复

当一个模式须要被屡次匹配的时候，正则表达式提供了表示重复的正则语法。

字符	含义
{n,m}	匹配前一项至少 n 次，但不能超过 m 次
{n,}	匹配前一项至少 n 次
{n}	匹配前一项 n 次
?	匹配前一项 0 次或 1 次，等价于 {0,1}
+	匹配前一项 1 次或屡次，等价于 {1,}
*	匹配前一项 0 次或屡次，等价于 {0,}

贪婪和非贪婪的重复

上面全部的重复都是“贪婪的”匹配，也就是匹配尽量多的字符。如 /a+/ 匹配 'aaaa' 时，它会匹配 'aaaa' 。

若是想要尽量少的匹配，只须要在重复的标记后加一个问号（?）便可。如 /a+?/ 匹配 'aaaa' 时，它会匹配 'a' 。

注意：正则表达式的模式匹配总会寻找字符串中第一个可能匹配的位置，这意味这 /a+?b/ 匹配 'aaab' 时，匹配到的是 'aaab' 而不是 'ab'。

选择、分组和引用

选择

字符 | 用于分隔供选择的模式，匹配时会尝试从左到右匹配每个分组，直到发现匹配项。如 /ab|bc|cd/ 能够匹配字符串'ab'、'bc' 和 'cd'。

分组

圆括号能够把单独的项组合成子表达式，以即可以像一个独立的单元用 |、*、+ 或者 ? 对单元内的项进行处理。

引用

带圆括号的表达式的另外一个用途是容许在同一个正则表达式的后面引用前面的子表达式。经过\后面加数字实现。\n 表示第 n 个带圆括号的子表达式。表示引用前一个表达式所匹配的文本。由于子表达式能够嵌套，因此根据子表达式左括号的位置进行计数。

例，能匹配 1999-01-01 或 1999/01/01 的正则：/\d{4}([-//])\d{2}\1\d{2}/

具名引用

使用 (?<name>...) 的语法来为分组命名，并经过 \k<name> 在后面的正则表达式中引用。如上面的正则能够改写为：/\d{4}(?<separator>[-//])\d{2}\k<separator>\d{2}/

忽略引用

若是只想用圆括号来表示子表达式，而不但愿生成引用，可使用 (?:) 来进行分组。例，/(?:a)(?:b)(c)/ 中 \1 将表示 (c) 所匹配的文本。

指定匹配位置（锚元素）

有一些正则表达式的元素不用来匹配实际的字符，而是匹配指定的位置。咱们称这些元素为正则表达式的锚。

正则表达式中的锚字符包括：

• ^ 用来匹配字符串的开始，多行检索时匹配一行的开头。
• $ 用来匹配字符串的结束，多行检索时匹配一行的结尾。
• \b 用来匹配单词的边界，就是 \w 和 \W 之间的位置，或者 \w 和字符串的开头或结尾之间的位置。
• \B 匹配非单词边界的位置。

例： /\bJava\b/ 能够匹配 Java 却不匹配 JavaScript。

任意正则表达式均可以做为锚点条件。

先行断言

(?=pattern) 它表示一个位置，该位置以后的字符能匹配 pattern 。如 /\d+(?=%)/ 匹配字符串 '100%' 中的 '100' 可是不匹配 '100。'

负向先行断言

(?!pattern) 它表示一个位置，该位置以后的字符能不匹配 pattern 。

后行断言

(?<=pattern) 它表示一个位置，该位置以前的字符能匹配 pattern 。例，/(?<=\$)\d+/ 匹配 '$100' 可是不匹配 '￥100'。

负向后行断言

(?<!pattern) 它表示一个位置，该位置以前的字符能不匹配 pattern。

修饰符

在正则表达式的第二条斜线以后，能够指定一个或多个修饰符，/pattern/g。

经常使用修饰符：

• i 执行不区分大小写的匹配。
• g 全局匹配。
• m 多行匹配模式。
• y “粘连”（sticky）修饰符。y修饰符的做用与g修饰符相似，也是全局匹配，后一次匹配都从上一次匹配成功的下一个位置开始。不一样之处在于，g修饰符只要剩余位置中存在匹配就可，而y修饰符确保匹配必须从剩余的第一个位置开始，这也就是“粘连”的涵义。
• s 表示点（.）能够表示任意字符，不设置的话，四个字节的 UTF-16 字符和行终止符不能用 . 表示。
• u 开启 “Unicode 模式”，用来正确处理大于 \uFFFF 的 Unicode 字符。也就是说，会正确处理四个字节的 UTF-16 编码。

经过 RegExp.prototype.flags 能够得到正则修饰符的字符串。/pattern/ig.flags 返回 "gi"

字符串的正则方法

String.prototype.search(regexp|substr)

返回第一个和参数匹配的子串的起始位置。没有匹配子串返回 -1 。

若是参数不是正则表达式，将会经过 RegExp 构造函数转换成正则表达式。它会忽略正则的修饰符 g。

String.prototype.replace(regexp|substr, newSubStr|function)

第一个参数同search，查找指定子串。若是第二个表达式是字符串，将把第一个参数匹配的子串替换为 newSubStr。若是在替换字符串中出现了 $ 加数字，replace 将用与指定的子表达式相匹配的文原本替换这些字符。

例，单书名号包裹文本改成书名号。'<JavaScript>和<正则表达式>'.replace(/<([^_]*?)>/g, '《$1》') 会获得 "《JavaScript》和《正则表达式》"

使用字符串做为参数时替换字符串能够插入下面的特殊变量名：

• $$ 插入一个 "$"
• $& 插入匹配的子串。
• `$`` 插入当前匹配的子串左边的内容。
• $' 插入当前匹配的子串右边的内容。
• $n 假如第一个参数是 RegExp对象，而且 n 是个小于100的非负整数，那么插入第 n 个括号匹配的字符串。提示：索引是从1开始

使用函数做为第二个参数

function replacer(match, p1, p2, p3, offset, string) { }
// match 匹配的子串。
// p1,p2, ... 假如replace()方法的第一个参数是一个RegExp 对象，则表明第n个括号匹配的字符串。
// offset 匹配到的子字符串在原字符串中的偏移量。子串首字母下标。
// string 被匹配的原字符串。
复制代码

例，下划线命名转驼峰命名。'a_simple_name'.replace(/_([a-z])/g, (m, p1) => p1.toUpperCase()) 将获得 "aSimpleName"。

String.prototype.match(regexp)

参数 regexp 为一个正则表达式对象。若是传入一个非正则表达式对象，则会隐式地使用 new RegExp(obj) 将其转换为一个 RegExp 。

若是 regexp 没有设置修饰符 g，则仅返回第一个完整匹配及其相关的捕获组（Array），返回数组第一个字符是匹配字符串，余下的元素是正则表达式中圆括号括起来的子表达式。在这种状况下，返回的项目将具备以下所述的其余属性（groups: 一个捕获组数组 或 undefined（若是没有定义命名捕获组）。index: 匹配的结果的开始位置。input: 搜索的字符串。），或者未匹配时返回 null 。

若是使用 g 标志，则将返回与完整正则表达式匹配的全部结果，但不会返回捕获组，或者未匹配时返回 null 。

'196.168.0.1'.match(/(\d+)(?=.|$)/) // (?=.|$) 先行匹配 匹配 . 或者字符串结尾
// (2) ["196", "196", index: 0, input: "196.168.0.1", groups: undefined]
'196.168.0.1'.match(/(?<num>\d+)(?=.|$)/) // (?<name>) 具名引用 见上文
// (2) ["196", "196", index: 0, input: "196.168.0.1", groups: {num: "196"}]
'196.168.0.1'.match(/\d+(?=.|$)/g)
// (4) ["196", "168", "0", "1"]
复制代码

String.prototype.split([separator[, limit]])

separator 指定表示每一个拆分应发生的点的字符串，能够是一个字符串或正则表达式。若是空字符串（""）被用做分隔符，则字符串会在每一个字符之间分割。

limit 一个整数，限定返回的分割片断数量。

例，'张三;李四,王五|赵六'.split(/[;\|,]/) // (4) ["张三", "李四", "王五", "赵六"]

RegExp 的属性

• flags 会返回正则表达式的修饰符。
• 表示对应修饰符是否存在的只读布尔值，global(表示是否带有修饰符 g)，ignoreCase （i），multiline（m），sticky（y），dotAll（s），unicode（u）
• source 只读字符串，包含正则表达式的文本。
• lastIndex 可读/写整数。若是带有 g 修饰符，这个属性存储在整个字符串中下一次检索的开始位置。这个属性会被 exec() 和 test() 方法用到。

RegExp 的方法

exec()

若是没有找到任何属性，将返回 null，若是找到匹配返回一个数组，该数组第一个元素是相匹配的字符串，余下的元素是与圆括号内的子表达式相匹配的子串。

当调用 exec() 的正则表达式具备修饰符 g 时，它将把当前正则表达式对象的 lastIndex 属性设置为紧挨着匹配子串的字符位置。

注意即便两次匹配的不是同一个字符串，lastIndex 仍是会连续生效的。

let reg = /\d+/g;
reg.exec('25*10=250'); // ["25", index: 0, input: "25*10=250", groups: undefined]
reg.lastIndex; // 2
reg.exec('666'); // ["6", index: 2, input: "666", groups: undefined]
reg.lastIndex; // 3
复制代码

test()

调用 test() 和 exec() 等价，当 exec() 返回结果不是 null，test() 返回 true，不然返回 false 。

String 的方法不会用到 lastIndex 属性。

参考资料

• 本文摘抄自《JavaScript 权威指南（第六版）》第 10 章
• 正则的扩展
• RegExp