js标准对象之RegExp

 RegExp

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取@前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。

所以我们判断一个字符串是否是合法的Email的方法是：

  1. 创建一个匹配Email的正则表达式；

  2. 用该正则表达式去匹配用户的输入来判断是否合法。

因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。

在正则表达式中，如果直接给出字符，就是精确匹配。用\d可以匹配一个数字，\w可以匹配一个字母或数字，所以：

  • '00\d'可以匹配'007'，但无法匹配'00A'；

  • '\d\d\d'可以匹配'010'；

  • '\w\w'可以匹配'js'；

.可以匹配任意字符，所以：

  • 'js.'可以匹配'jsp'、'jss'、'js!'等等。

要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符：

来看一个复杂的例子：\d{3}\s+\d{3,8}。

我们来从左到右解读一下：

  1. \d{3}表示匹配3个数字，例如'010'；

  2. \s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配' '，'\t\t'等；

  3. \d{3,8}表示3-8个数字，例如'1234567'。

综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。

如果要匹配'010-12345'这样的号码呢？由于'-'是特殊字符，在正则表达式中，要用'\'转义，所以，上面的正则是\d{3}\-\d{3,8}。

但是，仍然无法匹配'010 - 12345'，因为带有空格。所以我们需要更复杂的匹配方式。

进阶

要做更精确地匹配，可以用[]表示范围，比如：

  • [0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；

  • [0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如'a100'，'0_Z'，'js2015'等等；

  • [a-zA-Z\_\$][0-9a-zA-Z\_\$]*可以匹配由字母或下划线、$开头，后接任意个由一个数字、字母或者下划线、$组成的字符串，也就是JavaScript允许的变量名；

  • [a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。

A|B可以匹配A或B，所以(J|j)ava(S|s)cript可以匹配'JavaScript'、'Javascript'、'javaScript'或者'javascript'。

^表示行的开头，^\d表示必须以数字开头。

$表示行的结束，\d$表示必须以数字结束。

你可能注意到了，js也可以匹配'jsp'，但是加上^js$就变成了整行匹配，就只能匹配'js'了。

RegExp

有了准备知识，我们就可以在JavaScript中使用正则表达式了。

JavaScript有两种方式创建一个正则表达式：

　　第一种方式是直接通过/正则表达式/写出来

　　第二种方式是通过new RegExp('正则表达式') 创建一个RedExp对象

这两种写法的效果是一样的：

<script>
'use strict';
var re1 = /ABC\-001/;
var re2 = new RegExp('ABC\\-001');
console.log(re1);
console.log(re2);
</script>

 

结果：

注意第二种写法中，因为字符串转义的问题，字符串的两个\\实际上市一个\。

测试一下我们的简单正则：

RegExp对象的test（）方法用于测试给定的字符串是否符合条件。

<script>
'use strict';
var re = /^\d{3}\-\d{3,8}$/;
console.log(re.test('010-12345')); // true
console.log(re.test('010-1234x')); // false
console.log(re.test('010 12345')); // false
</script>

 

结果：

切分字符串

 用正则表达式切分字符串比用固定的字符更灵活，我们看正常的切分代码：

<script>
'use strict';
var str1 = 'a  b   c';
console.log(str1.split(' '));
</script>

 

结果：

 无法识别连续的空格，用正则表达式来试试：

<script>
'use strict';
var str1 = 'a  b   c';
console.log(str1.split(/\s+/));
</script>

 

结果：

由于正则匹配中匹配的是一个或多个空格，所以无论多少空格，都可以识别，可以正常分割。加入一个逗号“,”试试：

<script>
'use strict';
var str1 = 'a, , ,  b, ,  c';
console.log(str1.split(/[\s\,]+/));
</script>

 

结果：

加入一些分号试试：

<script>
'use strict';
var str1 = 'a,; , ,  b;,; ,  c';
console.log(str1.split(/[\s\,\;]+/));
</script>

 

结果：

如果用户输入了一组标签，要记得用正则表达式来把不规范的输入转化成正确的数组。

 

分组

除了简单的判断是否匹配之外，正则表达式还有提取子串的强大功能。用()来表示的就是要提取的分组（Group）。比如：

^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：

如果正则表达式中定义了组，就可以在RegExp对象上用exec()方法提取出子串来。

exec()方法在匹配成功后，会返回一个Array，第一个元素是正则表达式匹配到的整个字符串，后面的字符串表示匹配成功的子串。

exec()方法在匹配失败时返回null。

var re = /^(\d{3})-(\d{3,8})$/;
re.exec('010-12345'); // ['010-12345', '010', '12345']
re.exec('010 12345'); // null

 

 

 

<script>
'use strict';
var re = /^(\d{3})-(\d{3,8})$/;
console.log(re.exec('010-12345')); // ['010-12345', '010', '12345']
console.log(re.exec('010 12345')); // null
</script>

 

结果：

 提取子串是很有用的，来看一个例子：

<script>
'use strict';
var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/;
console.log(re.exec('16:29:30'));
</script>

 

结果：

这个正则表达式可以直接识别合法的时间。但是有些时候，用正则表达式也无法做到完全验证，比如识别日期：

var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/;

 

对于'2-30'，'4-31'这样的非法日期，用正则还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了。

贪婪匹配

需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：

var re = /^(\d+)(0*)$/;
re.exec('102300'); // ['102300', '102300', '']

 由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。

必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配：

var re = /^(\d+?)(0*)$/;
re.exec('102300'); // ['102300', '1023', '00']

 

 全局搜索

JavaScript的正则表达式还有几个特殊的标志，最常用的是g，表示全局匹配：

var r1 = /test/g;
// 等价于:
var r2 = new RegExp('test', 'g');

全局匹配可以多次执行exec()方法来搜索一个匹配的字符串。当我们指定g标志后，每次运行exec()，正则表达式本身会更新lastIndex属性，表示上次匹配到的最后索引：

 

<script>
'use strict';
var s = 'JavaScript, VBScript, JScript and ECMAScript';
var re = /[a-zA-Z]+Script/g;

console.log(re.exec(s));
console.log(re.lastIndex);

console.log(re.exec(s));
console.log(re.lastIndex);

console.log(re.exec(s));
console.log(re.lastIndex);

console.log(re.exec(s));
console.log(re.lastIndex);

console.log(re.exec(s));
console.log(re.lastIndex);

</script>

全局匹配类似搜索，因此不能使用/^...$/，那样只会最多匹配一次。

正则表达式还可以指定i标志，表示忽略大小写，m标志，表示执行多行匹配。

正则是非常强大的，这里只是介绍了一小部分，可自行多研究研究。

 

 

 

 

 

posted @ 2017-08-15 15:43  ocean_boy  阅读(57)  评论(0)    收藏  举报