Zerlinda's Blog

小议正则

至于我为什么想起来写正则。你知道正则能干啥吗?今天有一个搜索关键词高亮的需求,网上一查,正则( ˇˍˇ )。加上之前有用过正则捕获,域名正则匹配,都是稀里糊涂一知半解的就用正则实现了,这让我不禁深深地感受到正则的强大…

正则表达式是烦琐的,但学会之后的应用会让你除了提高效率外,会给你带来绝对的成就感。
说起来正则入门真的不难,网上一堆三十分钟精通正则的文章,看了之后真的有种恍然大悟醍醐灌顶之感,但过几天之后再想写个正则貌似又变得一脸茫然…所以我写的这篇文章并不比别人多靠谱,多为总结性质,只能小议论,总结demo用法,至于精通深入则在个人了。

但话又说回来,学习正则跟英语有着异曲同工的地方,单词和语法是英语的基础,元字符和语法也是正则的基础。巧妇难为无米之炊。如果你连元字符都不懂,可以直接拉到文章看最后了。

一、基本概念

正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为"元字符")。

RegExp 对象表示正则表达式,它是对字符串执行模式匹配的强大工具。

1、创建正则表达式

直接量语法

	/pattern/attributes

创建 RegExp 对象的语法

	new RegExp(pattern, attributes);

参数

  1. pattern :字符串或正则,指定了正则表达式的模式或其他正则表达式。要注意pattern可以是正则表达式哦。
  2. attributes :可选的字符串,其中 g 表示全文匹配,与之相关的还有 i 和m,i 表示匹配时忽略大小写,m 表示多行匹配,如果多个条件同时使用时,则写成:gmi 。如果 pattern 是正则表达式并且带有i/g/m,那么在传入attr参数会覆盖前面的i/g/m。

下面演示了一下如何通过构造函数创建正则,可以参考pattern和attribute参数的用法。这里十分简单就不作解释了。

var patt1 = new RegExp("3", "i");    //   /3/i
var patt1 = new RegExp("\\d","g");   //   /\d/g
var patt1 = new RegExp(/\d/g);    //   /\d/g
var patt1 = new RegExp(/3/i,"g");    //   /3/g

二、常用元字符

1、()、[]、{} 的区别

() 的作用是提取匹配的字符串。表达式中有几个()就会得到几个相应的匹配字符串。比如 (\s+) 表示连续空格的字符串。

[]是定义匹配的字符范围。比如 [a-zA-Z0-9] 表示字符文本要匹配英文字符和数字。

{}一般用来表示匹配的长度,比如 \d{3} 表示匹配三个空格,\d[1,3]表示匹配1~3个空格。

2、^ 和 $

^ 匹配一个字符串的开头,比如 (^a) 就是匹配以字母a开头的字符串

$ 匹配一个字符串的结尾,比如 (b$) 就是匹配以字母b结尾的字符串

^ 还有另个一个作用就是取反,比如[^xyz] 表示匹配的字符串不包含xyz

需要注意的是:如果^出现在[]中一般表示取反,而出现在其他地方则是匹配字符串的开头

3、\d  \s  \w  .

\d 匹配一个非负整数, 等价于 [0-9]

\s 匹配一个空白字符

\w 匹配一个英文字母或数字,等价于[0-9a-zA-Z]

.   匹配除换行符以外的任意字符,等价于[^\n]

4、* + ?

* 表示匹配前面元素0次或多次,比如 (\s*) 就是匹配0个或多个空格

+ 表示匹配前面元素1次或多次,比如 (\d+) 就是匹配由至少1个整数组成的字符串

? 表示匹配前面元素0次或1次,相当于{0,1} ,比如(\w?) 就是匹配最多由1个字母或数字组成的字符串

三、支持正则的方法

1、RegExp 对象方法

方法 描述 FF IE
compile compile(regexp,attrbute) 编译正则表达式。也就是改变正则表达式。 1 4
exec exec(string) 检索字符串中指定的值。返回找到的值,并确定其位置。 1 4
test test(string) 检索字符串中指定的值。返回 true 或 false。 1 4

关于exec方法这里多说几句,在使用 "g" 参数时,exec() 的工作原理如下:

      · 找到第一个 '目标',并存储其位置

      · 如果再次运行 exec(),则从存储的位置开始检索,并找到下一个 "目标",并存储其位置,找不到,直接返回null

只看概念未免有点晦涩难懂,还是看代码更直观一点。下面几行代码花式用到了RegExp的三个方法:

var testReg ="^/api/v\\d+/cpp/\\d+/detail$";
var patt1 = new RegExp(testReg, 'gi');
    //  /^\/api\/v\d+\/cpp\/\d+\/detail$/gi
var text = '/api/v1/cpp/2/detail';
var r1 = patt1.test(text);   //true
/^\/api\/v\d+\/cpp\/\d+\/detail$/gi.exec(text) //输出匹配项
patt1.compile('hello world', 'gi');  // /hello world/gi
patt1.compile(/hello tom/g)   // /hello tom/g

 

2、支持正则表达式的 String 对象的方法

方法 描述 FF IE
search search(regexp) 检索与正则表达式相匹配的值。 1 4
match match(regexp) 找到一个或多个正则表达式的匹配。 1 4
replace replace(regexp/substr,replacement) 替换与正则表达式匹配的子串。 1 4
split split(separator,howmany) 把字符串分割为字符串数组。 1 4

这几个方法中split用法比较常规,这里就不做赘述。简单讲讲其他三个方法。

search()

search方法跟正则的exec方法类似,但不同的地方是返回的类型不同,并且search()不执行全局匹配,它将忽略标志 g。也就是无论你执行多少次search方法,返回的总是第一个匹配到的位置。

		var pat = /e/g;
		var text = 'eeeeee';
	        text.search(pat); //0
		text.search(pat); //0

match()

match方法用于获取正则匹配到的结果,以数组的形式返回,该数组的内容依赖于 regexp 是否具有全局标志 g。

	var str="1 plus 2 equal 3"
	str.match(/\d+/g) // ["1", "2", "3"]
	str.match(/\d+/) //[1]

replace(): replace([RegExp|String],[String|Function])

replace 是比较重要的应用也比较多的一个方法,它允许接收两个参数:

  1. 第1个参数可以是一个普通的字符串或是一个正则表达式
  2. 第2个参数可以是一个普通的字符串或是一个回调函数

如果第1个参数是RegExp, JS会先提取RegExp匹配出的结果,然后用第2个参数逐一替换匹配出的结果

如果第2个参数是回调函数,每匹配到一个结果就回调一次,每次回调都会传递以下参数:

  1. result: 本次匹配到的结果 
  2. $1,…$9: 正则表达式中有几个(),就会传递几个参数,$1~$9分别代表本次匹配中第1-9个()中捕获到的结果,最多9个 
  3. offset:记录本次匹配的开始位置 
  4. source:接受匹配的原始字符串

以下是replace和JS正则搭配使用的几个常见经典案例: 

(1)实现字符串的trim函数,去除字符串两边的空格

String.prototype.trim = function(){
  //方式一:将匹配到的每一个结果都用""替换
  return this.replace(/(^\s+)|(\s+$)/g,function(){
    return "";
  });
  //方式二:和方式一的原理相同
  return this.replace(/(^\s+)|(\s+$)/g,'');
};

(2)提取浏览器url中的参数名和参数值,生成一个key/value的对象

function getUrlParamObj(){
  var obj = {};
  //获取url的参数部分
  var params = window.location.search.substr(1);
  //[^&=]+ 表示不含&或=的连续字符,加上()就是提取对应字符串
  params.replace(/([^&=]+)=([^&=]*)/gi,function(rs,$1,$2){
    obj[$1] = $2;
  });
  return obj;
}

/([^&=]+)=([^&=]*)/gi 每次匹配到的都是一个完整key/value,形如 xxxx=xxx, 每当匹配到一个这样的结果时就执行回调,并传递匹配到的key和value,对应到$1和$2

(3)在字符串指定位置插入新字符串

String.prototype.insetAt = function(str,offset){
  //使用RegExp()构造函数创建正则表达式
  var regx = new RegExp("(.{"+offset+"})");
  return this.replace(regx,"$1"+str);
};
"abcd".insetAt('xyz',2);    //在b和c之间插入xyz    //"abxyzcd"

当offset=2时,正则表达式为:(^.{2})  .表示除\n之外的任意字符,后面加{2} 就是匹配以数字或字母组成的前两个连续字符,加()就会将匹配到的结果提取出来,然后通过replace将匹配到的结果替换为新的字符串,形如:结果=结果+str

(4) 将手机号12988886666转化成129 8888 6666

function telFormat(tel){
  tel = String(tel);
  //方式一
  return tel.replace(/(\d{3})(\d{4})(\d{4})/,function (rs,$1,$2,$3){
    return $1+" "+$2+" "+$3
  });
  //方式二
  return tel.replace(/(\d{3})(\d{4})(\d{4})/,"$1 $2 $3");
}

(\d{3}\d{4}\d{4}) 可以匹配完整的手机号,并分别提取前3位、4-7位和8-11位,"$1 $2 $3" 是在三个结果集中间加空格组成新的字符串,然后替换完整的手机号。

 (5) 实现函数escapeHtml,将<, >, &, " 进行转义

function escapeHtml(str) {
  //匹配< > " &
  return str.replace(/[<>"&]/g, function(rs) {
    switch (rs) {
      case "<":
        return "&gt";
      case ">":
        return "&lt";
      case "&":
        return "&";
      case "\"":
        return "\";
    }
  });
}

 

附录:元字符表

字符 描述
\

将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。

^

匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 '\n' 或 '\r' 之后的位置。

$

匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 '\n' 或 '\r' 之前的位置。

*

匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。

+

匹配前面的子表达式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。

?

匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。

{n}

n 是一个非负整数。匹配确定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。

{n,}

n 是一个非负整数。至少匹配n 次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。

{n,m}

m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

?

当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'o+?' 将匹配单个 "o",而 'o+' 将匹配所有 'o'。

.

匹配除换行符(\n、\r)之外的任何单个字符。要匹配包括 '\n' 在内的任何字符,请使用像"(.|\n)"的模式。

(pattern)

匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0…$9 属性。要匹配圆括号字符,请使用 '\(' 或 '\)'。

(?:pattern)

匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。

(?=pattern)

正向肯定预查(look ahead positive assert),在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows",但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。

(?!pattern)

正向否定预查(negative assert),在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows",但不能匹配"Windows2000"中的"Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。

(?<=pattern)

反向(look behind)肯定预查,与正向肯定预查类似,只是方向相反。例如,"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows",但不能匹配"3.1Windows"中的"Windows"。

(?<!pattern)

反向否定预查,与正向否定预查类似,只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows",但不能匹配"2000Windows"中的"Windows"。

x|y

匹配 x 或 y。例如,'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。

[xyz]

字符集合。匹配所包含的任意一个字符。例如, '[abc]' 可以匹配 "plain" 中的 'a'。

[^xyz]

负值字符集合。匹配未包含的任意字符。例如, '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。

[a-z]

字符范围。匹配指定范围内的任意字符。例如,'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。

[^a-z]

负值字符范围。匹配任何不在指定范围内的任意字符。例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。

\b

匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。

\B

匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。

\cx

匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。

\d

匹配一个数字字符。等价于 [0-9]。

\D

匹配一个非数字字符。等价于 [^0-9]。

\f

匹配一个换页符。等价于 \x0c 和 \cL。

\n

匹配一个换行符。等价于 \x0a 和 \cJ。

\r

匹配一个回车符。等价于 \x0d 和 \cM。

\s

匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。

\S

匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。

\t

匹配一个制表符。等价于 \x09 和 \cI。

\v

匹配一个垂直制表符。等价于 \x0b 和 \cK。

\w

匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。

\W

匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。

\xn

匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。

\num

匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,'(.)\1' 匹配两个连续的相同字符。

\n

标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。

\nm

标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。

\nml

如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。

\un

匹配 n,其中 n 是一个用四个十六进制数字表示的 Unib 字符。例如, \u00A9 匹配版权符号 (?)。

发表评论

电子邮件地址不会被公开。 必填项已用*标注