RegExp 对象
RegExp
对象提供正则表达式的功能。
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,有点像字符串的模板,常常用来按照“给定模式”匹配文本。比如,正则表达式给出一个 Email 地址的模式,然后用它来确定一个字符串是否为 Email 地址。JavaScript 的正则表达式体系是参照 Perl 5 建立的。
新建正则表达式有两种方法。一种是使用字面量,以斜杠表示开始和结束。
var regex = /xyz/;
另一种是使用
RegExp
构造函数。
var regex = new RegExp('xyz');
上面两种写法是等价的,都新建了一个内容为
xyz
的正则表达式对象。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。
RegExp
构造函数还可以接受第二个参数,表示修饰符(详细解释见下文)。
var regex = new RegExp('xyz', 'i');
// 等价于
var regex = /xyz/i;
上面代码中,正则表达式
/xyz/
有一个修饰符
i
。
实例属性 #
正则对象的实例属性分成两类。
一类是修饰符相关,用于了解设置了什么修饰符。
-
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。 -
RegExp.prototype.flags
:返回一个字符串,包含了已经设置的所有修饰符,按字母排序。
上面四个属性都是只读的。
var r = /abc/igm;
r.ignoreCase // true
r.global // true
r.multiline // true
r.flags // 'gim'
另一类是与修饰符无关的属性,主要是下面两个。
-
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,但是只在进行连续搜索时有意义,详细介绍请看后文。 -
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。
var r = /abc/igm;
r.lastIndex // 0
r.source // "abc"
实例方法 #
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。
/cat/.test('cats and dogs') // true
上面代码验证参数字符串之中是否包含
cat
,结果返回
true
。
如果正则表达式带有
g
修饰符,则每一次
test
方法都从上一次结束的位置开始向后匹配。
var r = /x/g;
var s = '_x_x';
r.lastIndex // 0
r.test(s) // true
r.lastIndex // 2
r.test(s) // true
r.lastIndex // 4
r.test(s) // false
上面代码的正则表达式使用了
g
修饰符,表示是全局搜索,会有多个结果。接着,三次使用
test
方法,每一次开始搜索的位置都是上一次匹配的后一个位置。
带有
g
修饰符时,可以通过正则对象的
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) // true
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,所以返回
false
。同时,
lastIndex
属性重置为
0
,所以第二次执行
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,这时不应该更换所要匹配的字符串,否则会有一些难以察觉的错误。
var r = /bb/g;
r.test('bb') // true
r.test('-bb-') // false
上面代码中,由于正则表达式
r
是从上一次的
lastIndex
位置开始匹配,导致第二次执行
test
方法时出现预期以外的结果。
lastIndex
属性只对同一个正则表达式有效,所以下面这样写是错误的。
var count = 0;
while (/a/g.test('babaa')) count++;
上面代码会导致无限循环,因为
while
循环的每次匹配条件都是一个新的正则表达式,导致
lastIndex
属性总是等于0。
如果正则模式是一个空字符串,则匹配所有字符串。
new RegExp('').test('abc')
// true
RegExp.prototype.exec() #
正则实例对象的
exec()
方法,用来返回匹配结果。如果发现匹配,就返回一个数组,成员是匹配成功的子字符串,否则返回
null
。
var s = '_x_x';
var r1 = /x/;
var r2 = /y/;
r1.exec(s) // ["x"]
r2.exec(s) // null
上面代码中,正则对象
r1
匹配成功,返回一个数组,成员是匹配结果;正则对象
r2
匹配失败,返回
null
。
如果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。
var s = '_x_x';
var r = /_(x)/;
r.exec(s) // ["_x", "x"]
上面代码的
exec()
方法,返回一个数组。第一个成员是整个匹配的结果,第二个成员是圆括号匹配的结果。
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
:模式匹配成功的开始位置(从0开始计数)。
var r = /a(b+)a/;
var arr = r.exec('_abbba_aba_');
arr // ["abbba", "bbb"]
arr.index // 1
arr.input // "_abbba_aba_"
上面代码中的
index
属性等于1,是因为从原字符串的第二个位置开始匹配成功。
如果正则表达式加上
g
修饰符,则可以使用多次
exec()
方法,下一次搜索的位置从上一次匹配成功结束的位置开始。
var reg = /a/g;
var str = 'abc_abc_abc'
var r1 = reg.exec(str);
r1 // ["a"]
r1.index // 0
reg.lastIndex // 1
var r2 = reg.exec(str);
r2 // ["a"]
r2.index // 4
reg.lastIndex // 5
var r3 = reg.exec(str);
r3 // ["a"]
r3.index // 8
reg.lastIndex // 9
var r4 = reg.exec(str);
r4 // null
reg.lastIndex // 0
上面代码连续用了四次
exec()
方法,前三次都是从上一次匹配结束的位置向后匹配。当第三次匹配结束以后,整个字符串已经到达尾部,匹配结果返回
null
,正则实例对象的
lastIndex
属性也重置为
0
,意味着第四次匹配将从头开始。
利用
g
修饰符允许多次匹配的特点,可以用一个循环完成全部匹配。
var reg = /a/g;
var str = 'abc_abc_abc'
while(true) {
var match = reg.exec(str);
if (!match) break;
console.log('#' + match.index + ':' + match[0]);
// #0:a
// #4:a
// #8:a
上面代码中,只要
exec()
方法不返回
null
,就会一直循环下去,每次输出匹配的位置和匹配的文本。
正则实例对象的
lastIndex
属性不仅可读,还可写。设置了
g
修饰符的时候,只要手动设置了
lastIndex
的值,就会从指定位置开始匹配。
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,成员是所有匹配的子字符串。 -
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。
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。
var s = '_x_x';
var r1 = /x/;
var r2 = /y/;
s.match(r1) // ["x"]
s.match(r2) // null
从上面代码可以看到,字符串的
match
方法与正则对象的
exec
方法非常类似:匹配成功返回一个数组,匹配失败返回
null
。
如果正则表达式带有
g
修饰符,则该方法与正则对象的
exec
方法行为不同,会一次性返回所有匹配成功的结果。
var s = 'abba';
var r = /a/g;
s.match(r) // ["a", "a"]
r.exec(s) // ["a"]
设置正则表达式的
lastIndex
属性,对
match
方法无效,匹配总是从字符串的第一个字符开始。
var r = /a|b/g;
r.lastIndex = 7;
'xaxb'.match(r) // ['a', 'b']
r.lastIndex // 0
上面代码表示,设置正则对象的
lastIndex
属性是无效的。
String.prototype.search() #
字符串对象的
search
方法,返回第一个满足条件的匹配结果在整个字符串中的位置。如果没有任何匹配,则返回
-1
。
'_x_x'.search(/x/)
上面代码中,第一个匹配结果出现在字符串的
1
号位置。
String.prototype.replace() #
字符串对象的
replace
方法可以替换匹配的值。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。
str.replace(search, replacement)
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。
'aaa'.replace('a', 'b') // "baa"
'aaa'.replace(/a/, 'b') // "baa"
'aaa'.replace(/a/g, 'b') // "bbb"
上面代码中,最后一个正则表达式使用了
g
修饰符,导致所有的
a
都被替换掉了。
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以使用美元符号
$
,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开始的自然数。 -
$$
:指代美元符号$
。
'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1')
// "world hello"
'abc'.replace('b', '[$`-$&-$\']')
// "a[a-b-c]c"
上面代码中,第一个例子是将匹配的组互换位置,第二个例子是改写匹配的值。
replace
方法的第二个参数还可以是一个函数,将每一个匹配内容替换为函数返回值。
'3 and 5'.replace(/[0-9]+/g, function (match) {
return 2 * match;
// "6 and 10"
var a = 'The quick brown fox jumped over the lazy dog.';
var pattern = /quick|brown|lazy/ig;
a.replace(pattern, function replacer(match) {
return match.toUpperCase();
// The QUICK BROWN fox jumped over the LAZY dog.
作为
replace
方法第二个参数的替换函数,可以接受多个参数。其中,第一个参数是捕捉到的内容,第二个参数是捕捉到的组匹配(有多少个组匹配,就有多少个对应的参数)。此外,最后还可以添加两个参数,倒数第二个参数是捕捉到的内容在整个字符串中的位置(比如从第五个位置开始),最后一个参数是原字符串。下面是一个网页模板替换的例子。
var prices = {
'p1': '$1.99',
'p2': '$9.99',
'p3': '$5.00'
var template = '<span id="p1"></span>'
+ '<span id="p2"></span>'
+ '<span id="p3"></span>';
template.replace(
/(<span id=")(.*?)(">)(<\/span>)/g,
function(match, $1, $2, $3, $4){
return $1 + $2 + $3 + prices[$2] + $4;
// "<span id="p1">$1.99</span><span id="p2">$9.99</span><span id="p3">$5.00</span>"
上面代码的捕捉模式中,有四个括号,所以会产生四个组匹配,在匹配函数中用
$1
到
$4
表示。匹配函数的作用是将价格插入模板中。
String.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。
str.split(separator, [limit])
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次或多次的
a
,由于正则默认是贪婪匹配,所以例一的第一个分隔符是
aaa
,第二个分割符是
a
,将字符串分成三个部分,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
,所以将字符串分成四个部分。
如果正则表达式带有括号,则括号匹配的部分也会作为数组成员返回。
'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
,它们都作为数组成员返回。
匹配规则 #
正则表达式的规则很复杂,下面一一介绍这些规则。
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,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)。
/dog/.test('old dog') // true
上面代码中正则表达式的
dog
,就是字面量字符,所以
/dog/
匹配
old dog
,因为它就表示
d
、
o
、
g
三个字母连在一起。
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。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
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
。
/11|22/.test('911') // true
上面代码中,正则表达式指定必须匹配
11
或
22
。
多个选择符可以联合使用。
// 匹配fred、barney、betty之中的一个
/fred|barney|betty/
选择符会包括它前后的多个字符,比如
/ab|cd/
指的是匹配
ab
或者
cd
,而不是指匹配
b
或者
c
。如果想修改这个行为,可以使用圆括号。
/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。
其他的元字符还包括
\
、
*
、
+
、
?
、
()
、
[]
、
{}
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,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/.test('1+1')
// false
/1\+1/.test('1+1')
// true
上面代码中,第一个正则表达式之所以不匹配,因为加号是元字符,不代表自身。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,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。
(new RegExp('1\+1')).test('1+1')
// false
(new RegExp('1\\+1')).test('1+1')
// true
上面代码中,
RegExp
作为构造函数,参数是一个字符串。但是,在字符串内部,反斜杠也是转义字符,所以它会先被反斜杠转义一次,然后再被正则表达式转义一次,因此需要两个反斜杠转义。
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。
/[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,所以返回
false
;字符串
apple
包含字母
a
,所以返回
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
[^]
,则表示除了字符类之中的字符,其他字符都可以匹配。比如,
[^xyz]
表示除了
x
、
y
、
z
之外都可以匹配。
/[^abc]/.test('bbc news') // true
/[^abc]/.test('bbc') // false
上面代码中,字符串
bbc news
包含
a
、
b
、
c
以外的其他字符,所以返回
true
;字符串
bbc
不包含
a
、
b
、
c
以外的其他字符,所以返回
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。
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,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。
注意,脱字符只有在字符类的第一个位置才有特殊含义,否则就是字面含义。
(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。
/a-z/.test('b') // false
/[a-z]/.test('b') // true
上面代码中,当连字号(dash)不出现在方括号之中,就不具备简写的作用,只代表字面的含义,所以不匹配字符
b
。只有当连字号用在方括号之中,才表示连续的字符序列。
以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]
,不代表
1
到
31
,只代表
1
到
3
。
连字符还可以用来指定 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
之间的所有字符。
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。
/[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。
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。
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,所以匹配结果会包括空格。
\b
表示词的边界,所以
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。
通常,正则表达式遇到换行符(
\n
)就会停止匹配。
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,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。
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。
/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,}
。
// t 出现0次或1次
/t?est/.test('test') // true
/t?est/.test('est') // true
// t 出现1次或多次
/t+est/.test('test') // true
/t+est/.test('ttest') // true
/t+est/.test('est') // false
// t 出现0次或多次
/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,默认情况下都是最大可能匹配,即匹配到下一个字符不满足匹配规则为止。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?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
。
除了贪婪模式,还有非贪婪模式,即最小可能匹配。只要一发现匹配,就返回结果,不要往下检查。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。
var s = 'aaa';
s.match(/a+?/) // ["a"]
上面例子中,模式结尾添加了一个问号
/a+?/
,这时就改为非贪婪模式,一旦条件满足,就不再往下匹配,
+?
表示只要发现一个
a
,就不再往下匹配了。
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。
'abb'.match(/ab*/) // ["abb"]
'abb'.match(/ab*?/) // ["a"]
'abb'.match(/ab?/) // ["ab"]
'abb'.match(/ab??/) // ["a"]
上面例子中,
/ab*/
表示如果
a
后面有多个
b
,那么匹配尽可能多的
b
;
/ab*?/
表示匹配尽可能少的
b
,也就是0个
b
。
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。
修饰符可以单个使用,也可以多个一起使用。
// 单个修饰符
var regex = /test/i;
// 多个修饰符
var regex = /test/ig;
(1)g 修饰符
默认情况下,第一次匹配成功后,正则对象就停止向下匹配了。
g
修饰符表示全局匹配(global),加上它以后,正则对象将匹配全部符合条件的结果,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。所以,连续做了三次匹配,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。因为字符串
abba
只有两个
b
,所以前两次匹配结果为
true
,第三次匹配结果为
false
。
(2)i 修饰符
默认情况下,正则对象区分字母的大小写,加上
i
修饰符以后表示忽略大小写(ignoreCase)。
/abc/.test('ABC') // false
/abc/i.test('ABC') // true
上面代码表示,加了
i
修饰符以后,不考虑大小写,所以模式
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。默认情况下(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
修饰符以后,
^
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。如果不加
m
修饰符,匹配不成功,因为字符串的结尾不是
world
;加上以后,
$
可以匹配行尾。
/^b/m.test('a\nb') // true
上面代码要求匹配行首的
b
,如果不加
m
修饰符,就相当于
b
只能处在字符串的开始处。加上
m
修饰符以后,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,括号中的模式可以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。
下面是另外一个分组捕获的例子。
var m = 'abcabc'.match(/(.)b(.)/);
// ['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。
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。
/(.)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
)。
下面是另外一个例子。
/y(..)(.)\2\1/.test('yabccab') // true
括号还可以嵌套。
/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。
组匹配非常有用,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。
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,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。
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。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。
var m = 'abc'.match(/b(?=c)/);