PhoneGap源码分析6——正则表达式

　　正则表达式的使用非常广泛，用法也比较灵活，不过平常遇到的都是正则表达式的简单用法，在这篇文章里，将尽量简单的梳理一下正则表达式，进而分析上一篇里面遗留的问题。

一、正则表达式基础

1、普通字符：字母、数字、下划线、汉字以及所有没有特殊意义的字符，如ABC123。在匹配时，匹配与之相同的字符。

2、特殊字符：（需要时，使用反斜杠“\”进行转义）

字符	含义	字符	含义	字符	含义	字符	含义
\a	响铃符 = \x07	^	匹配字符串的开始位置	\b	匹配单词的开始或结束	{n}	匹配n次
\f	换页符 = \x0C	$	匹配字符串的结束位置	\B	匹配不是单词开始和结束的位置	{n,}	匹配至少n次
\n	换行符 = \x0A	()	标记一个子表达式的开始和结束	\d	匹配数字	{n,m}	匹配n到m次
\r	回车符 = \x0D	[]	自定义字符组合匹配	\D	匹配任意不是数字的字符	[0-9]	匹配0到9中任意一个数字
\t	制表符 = \x09	{}	修饰匹配次数的符号	\s	匹配任意空白字符	[f-m]	匹配f到m中任意一个字母
\v	垂直制表符 = \x0B	.	匹配除换行符外的字符	\S	匹配任意非空白字符
\e	ESC符 = \x1B	?	匹配0或1次	\w	匹配字母或数字或下划线或汉字
\xXX	使用两位十六进制表示形式，可与该编号的字符匹配	+	匹配1或多次	\W	匹配任意不是字母、数字、下划线和汉字的字符
\uXXXX	用四位十六进制表示形式，可与该编号的字符匹配	*	匹配0或多次	[^x]	匹配除x外的所有字符
\x{XXXXXX}	使用任意位十六进制表示形式，可与该编号的字符匹配	|	左右两边表达式之间“或”关系	[^aeiou]	匹配除aeiou外的所有字符

上面列举的这些特殊字符，可以大致的分为： 

（1）不便书写字符：如响铃符（\a）、换页符（\f）、换行符（\n）、回车符（\r）、制表符（\t）、ESC符（\e）

（2）十六进制字符：如两位（\x02）、四位（\x012B）、任意位（\x{A34D1}）

（3）表示位置字符：如字符串开始（^）、字符串结束（$）、单词开始和结束（\b）、单词中间（\B）

（4）表示次数字符：如0或1次（?）、1或多次（+）、0或多次（*）、n次（{n}）、至少n次（{n,}）、n到m次（{n,m}）

（5）修饰字符：如修饰次数（{}）、自定义组合匹配（[]）、子表达式（()）

（6）反义字符：

　　（A）通过大小写反义：如\b和\B、\d和\D、\s和\S、\w和\W

　　（B）通过[^]反义：如[^x]、[^aeiou]

　　（C）其它特例：如\n和.也构成反义

（7）范围字符：如数字范围（[0-9]）、字母范围（[f-m]）

（8）逻辑字符：如表示或（|）

3、转义

（1）使用反斜杠“\”转义单个字符

（2）使用“\Q...\E”转义，将表达式中间出现的字符全部作为普通字符

（3）使用“\U...\E”转义，将表达式中间出现的字符全部作为普通字符，并且将小写字母转换成大写匹配

（4）使用“\L...\E”转义，将表达式中间出现的字符全部作为普通字符，并且将大写字母转换为小写匹配

4、贪婪模式与懒惰模式

　　如果正则表达式中含有次数字符时，一般情况下，会尽可能匹配更多的字符，比如用l*n来匹配linjisong的话，会匹配linjison，而不是lin，这种模式也就是正则表达式的贪婪模式；相对应的，可以通过添加字符“？”来设置为懒惰模式，也即尽可能匹配更少字符。如*?表示重复0次或多次，但尽可能少重复。

5、分组和反向引用

（1）用小括号（()）将表达式包含，可以使得表达式作为一个整体来处理，从而达到分组的目的。

（2）默认情况下，每个分组会自动获取一个组号，按照左括号的顺序，从1向后编号。

（3）引擎在处理时，会将小括号内部表达式匹配的内容保存下来，以方便在匹配过程中或匹配结束后进一步处理，可以使用反斜杠和组号来引用这个内容，如\1表示第一个分组匹配的文本。

（4）也可以自定义组名，语法是(?<name>exp)，这个时候反向引用时，还可以使用\k<name>。

（5）也可以不保存匹配内容，也不分配组号，语法是(?:exp)。

（6）小括号有一些其他特殊语法，这里列举几种，不再深入讨论：

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

到此，对于理解上一篇出现的正则表达式已经足够了，若想继续学习正则表达式的，可以参考正则表达式30分钟入门教程。下面再熟悉一下Javascript中的正则表达式实现。

二、Javascript中的正则表达式

1、创建正则表达式

（1）使用字面量：语法 var exp = /pattern/flags;

A、pattern是任何正则表达式

B、flags有三种：g表示全局模式、i表示忽略大小写、m表示多行模式

（2）使用RegExp内置构造函数：语法 var exp = new RegExp(pattern, flags);

A、使用构造函数时，pattern和flags都是字符串形式，所以对于转义字符需要双重转义，例如：

字面量	构造函数
/\[bc\]at/	"\\[bc\\]at"
/\.at/	"\\.at"
/name\/age/	"name\\/age"
/\d.\d{1,2}/	"\\d.\\d{1,2}"
/\w\\helllo\\123/	"\\w\\\\hello\\\\123"

说明：ECMAScript 3使用字面量时会共享一个RegExp实例，使用new RegExp(pattern,flags)会为每个正则表达式创建一个实例；ECMAScript 5规定每次都创建新实例。

2、实例属性

（1）global：布尔值，表示是否设置了g标志。

（2）ignoreCase：布尔值，表示是否设置了i标志。

（3）multiline：布尔值，表示是否设置了m标志。

（4）lastIndex：整数，表示开始搜索下一次匹配项的字符位置，从0算起。

（5）source：字符串，表示按照字面量形式创建的字符串模式，即便实例使用构造函数创建，存储的也是字面量形式的字符串模式。

3、实例方法

（1）exec方法

A、一个参数，即要应用模式的字符串，返回第一个匹配项信息的数组，没有匹配时返回null。

B、返回的数组是Array实例，但还额外保护input和index属性，分别表示应用正则表达式的字符串和匹配项在字符串中的位置。

C、匹配时，在返回的数组中，第1项是与整个模式匹配的字符串，其他项是与模式中的分组匹配的字符串（如果没有分组，则返回数组只有1项）。

D、对于exec()，即使设置了g，每次返回的也是一个匹配项，不同的是，设置了g，多次调用exec的开始搜索位置不同，没有设置g，每次都从开始搜索。

2、test()方法

　　接受一个字符串参数，匹配返回true，不匹配返回false。

三、cordova/utils中vformat方法解析

　　有了上面的基础，再来看vformat的源码，详细说明在代码注释中：

utils.vformat = function(formatString, args) {
    if (formatString === null || formatString === undefined) return "";//源对象为null或undefined时，直接返回空字符串
    if (arguments.length == 1) return formatString.toString();//如果args未传入，直接返回源对象的字符串表示
    if (typeof formatString != "string") return formatString.toString();//源对象不是字符串时，直接返回字符串表示
    /*
    *    1.首先，这是一个正则表达式字面量，没有全局标志，也就是说只匹配第一次。
    *    2.其次，这里有三个分组，分别是(.*?)、(.)和(.*)
    *        2.1其中第二个分组最简单，匹配任意一个非换行符
    *        2.2第三个分组尽可能多（贪婪模式）的匹配任意多个（也可以是0个）非换行符
    *        2.3第一个分组尽可能少（懒惰模式）的匹配任意多个（也可以是0个）非换行符
    */
    var pattern = /(.*?)%(.)(.*)/;
    var rest    = formatString;
    var result  = [];//中间数组

    while (args.length) {//循环处理，每处理一次，args会减少一项，直至args.length为0，这里个人并不推荐这种用法，因为每次循环都要计算长度
        var arg   = args.shift();//移除数组的第一项，返回被移除的项，修改数组长度
    /*
    *    执行模式匹配，返回第一个匹配项信息的数组，无匹配则返回null
    *    match[0]为整个匹配字符串
    *    match[1]为第一个分组的匹配字符串，即%前面的字符
    *    match[2]为第二个分组的匹配字符串，即%后面的第一个字符
    *    match[3]为第三个分组的匹配字符串，即%后面的第二个字符开始到结束，也是下次循环要匹配的字符串
    */
        var match = pattern.exec(rest);
        if (!match) break;//无匹配，直接跳出循环
        rest = match[3];
        result.push(match[1]);
        if (match[2] == '%') {//当两个%%时，在结果中保留一个%，回复前一个参数数组状态，并继续下面的匹配
            result.push('%');
            args.unshift(arg);//将参数数组还原
            continue;
        }
        result.push(formatted(arg, match[2]));//按%后面的第一个字符，将参数格式化
    }
    result.push(rest);//向中间数组压入其余未匹配内容
    return result.join('');//将中间数组转换为字符串返回
};

补充一点，第一个分组为什么要使用懒惰模式呢？假设不使用懒惰模式，遇到...%j...%o...，第一次循环就会就会匹配到后面的%o了，可能有人会问，不是没有设置g标志，只匹配第1次出现的吗？没有设置g，只匹配第1次出现是没错，但是如果不是懒惰模式(.*)可以一直匹配到...%j...，然后%o就是第1次的匹配项了。
cordova.utils中的format和vformat有什么用呢？从代码可以看出，这实际上就类似于C中的printf函数，这个也被吸收到JDK1.5中了，见System.out.printf(format, args)。