【JavaScript基础笔记】RegExp对象 正则表达式

1、建立一个正则表达式

新建正则表达式有两种方法

• 使用字面量    var regex = /asd/;
• 使用RegExp构造函数    var regex = new RegExp('asd');

两种方法等价，但在实际应用中基本上都会使用第一种方法。由于第一种方法在引擎编译代码时就会新建正则表达式，后者是在运行时新建，因此前者效率更高，而且第一种方法在视觉上更直观，写法更简洁。

 

正则表达式还能够添加第二个参数，表示 修饰符：

var regex = /asd/i;
var regex = new RegExp('asd', 'i');

 

2、实例属性

正则对象的实例属性分为两类。

第一种，修饰符相关属性

• RegExp.prototype.ignoreCase：返回一个布尔值，表示是否设置了i修饰符。
• RegExp.prototype.global：返回一个布尔值，表示是否设置了g修饰符。
• RegExp.prototype.multiline：返回一个布尔值，表示是否设置了m修饰符。

上面三个属性都是只读的。

 

第二种，与修饰符无关的属性。

RegExp.prototype.lastIndex：返回一个整数，表示下一次开始搜索的位置。该属性可读写，可是只在进行连续搜索时有意义。

RegExp.prototype.source：返回正则表达式的字符串形式（不包括反斜杠），该属性只读。

 

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，表示当前正则对象是否和test方法内的参数字符串相匹配。

若是test方法内的参数字符串包含正则实例对象，即返回true。

 

若是正则表达式带有g修饰符，那么表示将正则表达式在test参数中全局搜索，每当遇到匹配结果即在当前位置结束，随后每一次test方法都从上一次结束的位置开始向后匹配。

 

带有g修饰符时，能够经过正则对象的lastIndex属性指定开始搜索的位置。

var r = /x/g; var s = '_x_x'; r.lastIndex = 4; r.test(s) // false r.lastIndex // 0 r.test(s)

上面代码指定从字符串的第五个位置开始搜索，这个位置为空，因此返回false。同时，lastIndex属性重置为0，因此第二次执行r.test(s)会返回true。

 

注意，带有g修饰符时，正则表达式内部会记住上一次的lastIndex属性，若是在这个时候更换了匹配的字符串，会使正则实例从上一个test参数的lastIndex位置处开始向后搜索，很容易发生意想不到的错误。

 

若是正则模式是一个空字符串，则匹配全部字符串。

 

3.2RegExp.prototype.exec()

正则实例对象的exec方法，用来返回匹配结果。若是发现匹配，就返回一个数组，成员是匹配成功的子字符串，不然返回null。

var r = /a(b+)a/; var arr = r.exec('_abbba_aba_'); arr // ["abbba", "bbb"] arr.index // 1 arr.input // "_abbba_aba_"

若是正则表示式包含圆括号（即含有“组匹配”），则返回的数组会包括多个成员。第一个成员是整个匹配成功的结果，后面的成员就是圆括号对应的匹配成功的组。也就是说，第二个成员对应第一个括号，第三个成员对应第二个括号，以此类推。整个数组的length属性等于组匹配的数量再加1。

 

exec方法的返回数组还包含如下两个属性：

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）。

 

4、字符串的实例方法

字符串的实例方法之中，有4种与正则表达式有关。

• String.prototype.match()：返回一个数组，成员是全部匹配的子字符串。
• String.prototype.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。
• String.prototype.replace()：按照给定的正则表达式进行替换，返回替换后的字符串。
• String.prototype.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。

 

4.1 String.prototype.match()

字符串实例对象的match方法对字符串进行正则匹配，返回匹配结果。和正则对象的exec方法返回的结果在没有g修饰符的状况下是同样的。

若是正则表达式带有g修饰符，那么match()方法会一次性返回全部匹配的结果，而exec方法一次只会返回一个相匹配的结果。

var s = 'abba'; var r = /a/g; s.match(r) // ["a", "a"] r.exec(s) // ["a"]

 

4.2 String.prototype.search() 

字符串对象的search方法，返回第一个知足条件的匹配结果在整个字符串中的位置。若是没有任何匹配，则返回-1。

 

4.3String.prototype.replace()

字符串对象的replace方法能够替换匹配的值。它接受两个参数，第一个是正则表达式，表示搜索模式，第二个是替换的内容。

正则表达式若是不加g修饰符，就替换第一个匹配成功的值，不然替换全部匹配成功的值。

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

 

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

 

replace方法的第二个参数可使用美圆符号$，用来指代所替换的内容。

$&：匹配的子字符串。

$`：匹配结果前面的文本。

$'：匹配结果后面的文本。

$n：匹配成功的第n组内容，n是从1开始的天然数。

$$：指代美圆符号$。

'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1') // "world hello" 'abc'.replace('b', '[$`-$&-$\']') // "a[a-b-c]c"

4.4String.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。

该方法接受两个参数，第一个参数是正则表达式，表示分隔规则，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次或屡次的a，因为正则默认是贪婪匹配，因此例一的第一个分隔符是aaa，第二个分割符是a，将字符串分红三个部分，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，因此将字符串分红四个部分。

 

若是正则表达式带有括号，则括号匹配的部分也会做为数组成员返回。

'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，它们都做为数组成员返回。

 

5、匹配规则

 

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，好比/a/匹配a，/b/匹配b。若是在正则表达式之中，某个字符只表示它字面的含义（就像前面的a和b），那么它们就叫作“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，因此/dog/匹配old dog，由于它就表示d、o、g三个字母连在一块儿。

除了字面量字符之外，还有一部分字符有特殊含义，不表明字面的意思。它们叫作“元字符”（metacharacters），主要有如下几个。

（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）之外的全部字符。注意，对于码点大于0xFFFF字符，点字符不能正确匹配，会认为这是两个字符。

/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状况，只要这三个字符在同一行，好比cat、c2t、c-t等等，可是不匹配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必须出如今开始位置 /^test/.test('test123') // true // test必须出如今结束位置 /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。

多个选择符能够联合使用。

// 匹配fred、barney、betty之中的一个 /fred|barney|betty/ 

选择符会包括它先后的多个字符，好比/ab|cd/指的是匹配ab或者cd，而不是指匹配b或者c。若是想修改这个行为，可使用圆括号。

/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。

其余的元字符还包括\、\*、+、?、()、[]、{}等，将在下文解释。

转义符

正则表达式中那些有特殊含义的元字符，若是要匹配它们自己，就须要在它们前面要加上反斜杠。好比要匹配+，就要写成\+。

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

上面代码中，第一个正则表达式之因此不匹配，由于加号是元字符，不表明自身。第二个正则表达式使用反斜杠对加号转义，就能匹配成功。

正则表达式中，须要反斜杠转义的，一共有12个字符：^、.、[、$、(、)、|、*、+、?、{和\。须要特别注意的是，若是使用RegExp方法生成正则对象，转义须要使用两个斜杠，由于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做为构造函数，参数是一个字符串。可是，在字符串内部，反斜杠也是转义字符，因此它会先被反斜杠转义一次，而后再被正则表达式转义一次，所以须要两个反斜杠转义。

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能够了。全部可供选择的字符都放在方括号内，好比[xyz] 表示x、y、z之中任选一个匹配。

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

上面代码中，字符串hello world不包含a、b、c这三个字母中的任一个，因此返回false；字符串apple包含字母a，因此返回true。

有两个字符在字符类中有特殊含义。

（1）脱字符（^）

若是方括号内的第一个字符是[^]，则表示除了字符类之中的字符，其余字符均可以匹配。好比，[^xyz]表示除了x、y、z以外均可以匹配。

/[^abc]/.test('hello world') // true /[^abc]/.test('bbc') // false 

上面代码中，字符串hello world不包含字母a、b、c中的任一个，因此返回true；字符串bbc不包含a、b、c之外的字母，因此返回false。

若是方括号内没有其余字符，即只有[^]，就表示匹配一切字符，其中包括换行符。相比之下，点号做为元字符（.）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，因此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，因此匹配成功。

注意，脱字符只有在字符类的第一个位置才有特殊含义，不然就是字面含义。

（2）连字符（-）

某些状况下，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。好比，[abc]能够写成[a-c]，[0123456789]能够写成[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）不出如今方括号之中，就不具有简写的做用，只表明字面的含义，因此不匹配字符b。只有当连字号用在方括号之中，才表示连续的字符序列。

如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]，不表明1到31，只表明1到3。

连字符还能够用来指定 Unicode 字符的范围。

var str = "\u0130\u0131\u0132"; /[\u0128-\uFFFF]/.test(str) // true 

上面代码中，\u0128-\uFFFF表示匹配码点在0128到FFFF之间的全部字符。

另外，不要过度使用连字符，设定一个很大的范围，不然极可能选中意料以外的字符。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，可是因为在 ASCII 编码之中，大写字母与小写字母之间还有其余字符，结果就会出现意料以外的结果。

/[A-z]/.test('\\') // true 

上面代码中，因为反斜杠（'\'）的ASCII码在大写字母与小写字母之间，结果会被选中。

预约义模式

预约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，至关于[0-9]。
• \D 匹配全部0-9之外的字符，至关于[^0-9]。
• \w 匹配任意的字母、数字和下划线，至关于[A-Za-z0-9_]。
• \W 除全部字母、数字和下划线之外的字符，至关于[^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，至关于[^ \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，因此匹配结果会包括空格。\b表示词的边界，因此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。

一般，正则表达式遇到换行符（\n）就会中止匹配。

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，致使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>" 

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}表示刚好重复n次，{n,}表示至少重复n次，{n,m}表示重复很多于n次，很少于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次或屡次，等同于{0,}。
• + 加号表示某个模式出现1次或屡次，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次或屡次 /t+est/.test('test') // true /t+est/.test('ttest') // true /t+est/.test('est') // false // t 出现0次或屡次 /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，默认状况下都是最大可能匹配，即匹配直到下一个字符不知足匹配规则为止。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？由于默认是贪婪模式，会一直匹配到字符a不出现为止，因此匹配结果是3个a。

若是想将贪婪模式改成非贪婪模式，能够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+?/，这时就改成非贪婪模式，一旦条件知足，就再也不往下匹配。

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次或屡次，匹配时采用非贪婪模式。
• *?：表示某个模式出现0次或屡次，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。

'abb'.match(/ab*b/) // ["abb"] 'abb'.match(/ab*?b/) // ["ab"] 'abb'.match(/ab?b/) // ["abb"] 'abb'.match(/ab??b/) // ["ab"] 

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。

修饰符能够单个使用，也能够多个一块儿使用。

// 单个修饰符 var regex = /test/i; // 多个修饰符 var regex = /test/ig; 

（1）g 修饰符

默认状况下，第一次匹配成功后，正则对象就中止向下匹配了。g修饰符表示全局匹配（global），加上它之后，正则对象将匹配所有符合条件的结果，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。因此，连续作了三次匹配，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。由于字符串abba只有两个b，因此前两次匹配结果为true，第三次匹配结果为false。

（2）i 修饰符

默认状况下，正则对象区分字母的大小写，加上i修饰符之后表示忽略大小写（ignoreCase）。

/abc/.test('ABC') // false /abc/i.test('ABC') // true 

上面代码表示，加了i修饰符之后，不考虑大小写，因此模式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$的行为。默认状况下（即不加m修饰符时），^和$匹配字符串的开始处和结尾处，加上m修饰符之后，^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。若是不加m修饰符，匹配不成功，由于字符串的结尾不是world；加上之后，$能够匹配行尾。

/^b/m.test('a\nb') // true 

上面代码要求匹配行首的b，若是不加m修饰符，就至关于b只能处在字符串的开始处。加上b修饰符之后，换行符\n也会被认为是一行的开始。

组匹配

（1）概述

正则表达式的括号表示分组匹配，括号中的模式能够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，不然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。这时必须使用正则表达式的exec方法，配合循环，才能读到每一轮匹配的组捕获。

var str = 'abcabc'; var reg = /(.)b(.)/g; while (true) { var result = reg.exec(str); if (!result) break; console.log(result); } // ["abc", "a", "c"] // ["abc", "a", "c"] 

正则表达式内部，还能够用\n引用括号匹配的内容，n是从1开始的天然数，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）。

下面是另一个例子。

/y(..)(.)\2\1/.test('yabccab') // true 

括号还能够嵌套。

/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。

组匹配很是有用，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。

非捕获组的做用请考虑这样一个场景，假定须要匹配foo或者foofoo，正则表达式就应该写成/(foo){1, 2}/，可是这样会占用一个组匹配。这时，就可使用非捕获组，将正则表达式改成/(?:foo){1, 2}/，它的做用与前一个正则是同样的，可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，因此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。好比，要匹配后面跟着百分号的数字，能够写成/\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前面因此被匹配，可是括号对应的c不会被返回。

（4）先行否认断言

x(?!y)称为先行否认断言（Negative look-ahead），x只有不在y前面才匹配，y不会被计入返回结果。好比，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，所以返回的结果就是14。

“先行否认断言”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认断言，b不在c前面因此被匹配，并且括号对应的d不会被返回。

 

本文整理摘抄于阮一峰《JavaScript教程》