美文网首页
js正则函数梳理

js正则函数梳理

作者: BULL_DEBUG | 来源:发表于2018-03-21 17:24 被阅读69次

    前言

    正则函数总是用的迷迷糊糊,有时直接用现成的,但是不符合我的作风,抽时间做了一次正则的梳理
    推荐文章:http://javascript.ruanyifeng.com/stdlib/regexp.html

    一、定义:

    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。

    1、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');
    
    2、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。
    

    二、正则函数方法

    1、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
    
    2、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。

    3、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。

    4、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/)
    // 1
    

    上面代码中,第一个匹配结果出现在字符串的1号位置。

    5、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b都被替换掉了。

    6、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

    三、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

    g : 全局匹配(会查找所有匹配,不会在查找到第一个匹配时就停止)
    i : 执行对大小写不敏感的匹配
    m : 执行多行匹配

    es6新添(es6正则

    y :修饰符的作用与g修饰符类似,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。不同之处在于,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

    四、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。

    /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。

    五、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。

    六、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。

    七、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('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,所以返回true;字符串bbc不包含a、b、c以外的字母,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。

    八、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。

    九、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。

    十、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
    

    十一、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,即匹配直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。

    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"]
    

    上面代码中,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。

    除了非贪婪模式的加号,还有非贪婪模式的星号(*)。

    *?:表示某个模式出现0次或多次,匹配时采用非贪婪模式。
    +?:表示某个模式出现1次或多次,匹配时采用非贪婪模式

    十二、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(.)/);
    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,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。

    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)/);
    m // ["b"]
    

    上面的代码使用了先行断言,b在c前面所以被匹配,但是括号对应的c不会被返回。

    4、先行否定断言

    x(?!y)称为先行否定断言(Negative look-ahead),x只有不在y前面才匹配,y不会被计入返回结果。比如,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,因此返回的结果就是14。

    “先行否定断言”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定断言,b不在c前面所以被匹配,而且括号对应的d不会被返回。

    相关文章

      网友评论

          本文标题:js正则函数梳理

          本文链接:https://www.haomeiwen.com/subject/yjigqftx.html