js正则表达札记

下载了个js正则表达式的word文档看看，也没人引路，那就这样吧。

文档内容分为4个部分：第一部分是正则表达式的一些普通规则；第二部分是正则表达式的一些高级规则；第三部分是其他通用规则；第四部分是一些提示。

 

第一部分

1.普通字符：数字、字母、汉字、下划线及没有特殊定义的标点符号，都是“普通字符”。

特殊字符，称为元字符。

 

2.转义字符：前面加“\”的字符，如：

\r，\n　　是回车和换行符；

\t　　  　  是制表符；

\\　　　　是"\"本身。

有特殊用途的符号，前面加"\"，表符号本身。如：\^是^本身；\$是$本身；\.是"."本身。

 

3.能够与"多种字符"匹配的表达式

\d　　匹配0~9中的任意一个数字；

\w　　匹配0~9、a~z、A~Z中任意一个字符；

\s　　匹配空格、制表符、换页符等空白字符的其中任意一个；

.　　小数点匹配除了换行符(\n)外的任意一个字符。

 

4.自定义能够与"多种字符"匹配的表达式

[]　　匹配其中任意一个字符，如：[a-z]匹配"a"~"z"之间的任意一个字符；

[^]　 匹配"[]"以外的任意一个字符，如：[^a-z0-9]匹配"a"~"z"和"0"~"9"以外的任意一个字符。

 

5.修饰匹配次数的特殊符号，即重复匹配。

重复匹配，使用方法：“次数修饰”放在“被修饰表达式”后面即可。

表达式　　　　作用

{n}　　　　将表达式重复n次，如：[bcd][bcd]可以写为[bcd]{2}；

{m,n}　　　重复至少m次，最多n次；

{m.}　 　　 重复至少m次；

?　　    　　重复0次或1次，相当于{0,1}；

+　　   　　重复至少1次，相当于{1.}；

*　　    　　可以不重复，也可以重复任意次。

 

6.一些抽象的特殊符号

表达式　　　　作用

^　　　　从字符串开始的地方开始匹配；不匹配任何字符。

$　　　　从字符串结束的地方开始匹配；不匹配任何字符。

\b　　　　匹配一个单词边界，就是单词和空格时间的位置；不匹配任何字符。（我理解的就是为字符间的空隙部分）

|　　　　“或”，匹配"|"左边或右边的内容

()　　　　a.被匹配数次修饰时，括号内的表达式可以作为整体被修饰；

　　　　   b.　取匹配结果时，括号内表达式匹配到的内容可以被单独得到。

举例1：表达式".\b"在匹配"@@@abc"时，匹配结果是：成功；匹配到的内容是："@a"。

举例2：表达式"\bend\b"在匹配"weekend.endfor.end"时，结果：成功；内容是："end"；开始于15，结束于18。

举例3：表达式"Tom|Jack"在匹配"I'm Tom, he is Jack."时，结果：成功；内容"Tom"；匹配一下个时，结果：成功；内容"Jack"。

举例4：表达式"(go\s*)+"在匹配"Let's go go go!"时，结果：成功；内容："go go go"。

举例5：表达式"￥(\d+\.?\d*)"在匹配"$10.9.￥20.5"时，结果：成功；内容"￥20.5"。单独取括号内匹配的内容则为"20.5"。

 

第二部分

1.匹配次数中的贪婪和非贪婪。

个人总结的匹配原则，a.为了整个表达式能够匹配成功；b.匹配时，尽可能多或尽可能少(不)的匹配符合规则的字符。

就和追女孩子相似，在得到的前提下(a)，有人挖尽心思尽可能的多从女孩子那得到更过内容，而有的人是尽可能少或不得到女孩子的那些内容。

 

贪婪：a.为了整个表达式能够匹配成功；b.匹配时，尽可能多的匹配符合规则的字符。

尽可能匹配的表达式有："+"、"*"、"{m,n}"、"{m.}"

举例：针对"dxxxdxxxd"，表达式"(d)(\w+)"将匹配第一个"d"之后的所有字符"xxxdxxxd"。表达式"(d)(\w+)(d)"将匹配第一个和最后一个"d"之间的所有字符"xxxdxxx"，本来可以匹配最后一个"d"的，但由于原则限制，所以......。

 

非贪婪（也叫勉强模式）：用"?"，可以使匹配次数不定的表达式尽可能的少匹配，使可匹配不可匹配的表达式，尽可能“不匹配”。

尽可能少或不匹配的表达式有："?"、"*?"、"+?"

举例：也针对"dxxxdxxxd"字符串，表达式(d)(\w+?)在匹配到第一个"d"后尽可能少的匹配其他字符，结果内容："dx"。表达式(d)(\w+?)(d)，根据匹配原则，结果内容："dxxxd"。

 

*********2.反向引用*********

当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。

”()“包含的表达式所匹配到的字符串，不仅是在匹配结束后才可以使用，其实在匹配过程中也可以使用。表达式后面的部分，可以引用前面"括号内子匹配已经匹配到的字符串"。

引用方法："\"+数字。

举例1：('|")(.*?)(\1)在匹配"'Hello'. "World""时，结果：成功；内容是"'Hello'"。再次匹配下一个时，匹配到""World""。

 

举例2：(\w)\1{4.}在匹配"aa bbbb abcdefg ccccc 111121111 999999999"时，结果：成功；内容是"ccccc"。再次匹配下一个时，将得到"999999999"。

 

举例3：<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>在匹配 "<td id='td1'style="bgcolor:white"></td>" 时，匹配结果是成功。如果"<td>" 与 "</td>" 不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。

 

3.预搜索，不匹配；反向预搜索，不匹配。

"^"，"$"，"\b"这几个代表抽象意义的特殊符号，都有一个共同点，那就是：它们本身不匹配任何字符，只是对“字符串的两头”或“字符之间的缝隙”附加了个条件。

正向预搜索："(?=xxx)"，"(?!xxx)"

格式：(?=xxx)，在被匹配的字符串中，它对所处的"缝隙"或"两头"附件的条件是：所在缝隙的右侧，必须能够匹配上xxx这部分的表达式。作为附加条件，并不影响后边的表达式去真正匹配这个缝隙之后的字符。类似"\b"，本身不匹配任何字符只是将所在缝隙之前、之后的字符取来进行一下判断，不会影响后面的表达式来真正的匹配。

举例1：Windows (?=NT|XP) 在匹配 "Windows 98, Windows NT, Windows 2000" 时，将只匹配 "Windows NT" 中的"Windows "，其他的 "Windows " 字样则不被匹配。

 

举例2："(\w)((?=\1\1\1)(\1))+" 在匹配字符串"aaa ffffff 999999999" 时，将可以匹配6个"f"的前4个，可以匹配9个"9"的前7个。这个表达式可以读解成：重复4次以上的字母数字，则匹配其剩下最后2位之前的部分。

 

格式：(?!xxx)，所在缝隙的右侧，必须不能匹配xxx这部分表达式。

举例1："((?!\bstop\b).)+"在匹配"fdjka ljfdl stop fidsla fdj"时，将从头匹配到"stop"之前的位置，如字符串没有"stop"，则匹配整个字符串。

举例2：do(?!\w)在匹配字符串"done. do. dog"时，只能匹配"do"。本例中表达式中"(?!\w)"和使用"\b"效果一样。

 

反向预搜索："(?<=xxx)"，"(?!<xxx)"

附加条件：所在缝隙的”左侧“，这两种格式分别要求必须匹配和必须不能匹配指定的表达式，而不是去判断 右侧。作为附加条件，本身不匹配任何字符。

举例1：(?<=\d{4})\d+(?=\d{4})在匹配 "1234567890123456" 时，将匹配除了前4个数字和后4个数字之外的中间8个数字。由于JScript.RegExp 不支持反向预搜索，因此，本条举例不能够进行演示。很多其他的引擎可以支持反向预搜索，比如：Java1.4 以上的 java.util.regex 包，.NET 中System.Text.RegularExpressions命名空间等。

 

第三部分

在各个正则表达式引擎之间比较通用的规则。

1.表达式"\xXX"和"\xXXX"表示一个字符（"X"表示一个十六进制数）

形式　　　　字符范围

\xXX　　　编号在0~255范围的字符

\uXXXX      任何字符可以使用"\u"再加上其编号的4位十六进制数表示

 

2."\s"，"\d"，"\w"，"\b"表示特殊意义的同时，其大写则表示相反的意义。

表达式　　　　可匹配

\D　　　　匹配所有的非数字字符

\W　　　   匹配所有的数字、字母、下划线以外的字符

\S　　　　 匹配所有非空白字符

\B　　　　 非单词边界，即左右两边都是"\w"或都不是"\w"范围时的字符缝隙

 

3.有特殊意义，需要加"\"才能匹配改字符本身的字符汇总

^

$

()

[]

{}

.

?

+

*

|

 

4.括号"()"内的子表达式，如何希望匹配结果不进行记录供以后使用，可以使用"(?:xxx)"格式。

举例1：(?:(\w)\1)+" 匹配"a bbccdd efg" 时，结果是 "bbccdd"。括号 "(?:)" 范围的匹配结果不进行记录，因此 "(\w)" 使用"\1" 来引用。

5.常用表达式属性设置简介：Ignorecase,Singleline,Multiline,Global

表达式属性　　　　　　　　说明

Ignorecase　　　　默认情况下，表达式中的字母是要区分大小写的。ignorecase取消区分大小写。

Singleline　　　　 默认情况下，"."匹配除了(\n)以外的字符。Singleline可以使小数点可匹配包括(\n)在内的所有字符。

Multiline　　　　   默认情况下，"^"和"$"只匹配字符串的开始①和结尾④。如：

　　　　　　　　　 ①xxx②\n

　　　　　　　　　 ③xxx④

　　　　　　　　　 Multiline 可以使 "^" 匹配 ① 外，还可以匹配换行符之后，下一行开始前 ③ 的位置，使"$" 匹配 ④ 外，还可以匹配换行符之前，一行结束 ② 的位置。

Global　　　　　　 主要在将表达式用来替换时起作用，Global表替换所有的匹配。

 

第四部分

1.如果想要了解高级的正则引擎还支持那些复杂的正则语法，可参见本站 DEELX 正则引擎的说明文档。

 

2要求匹配的内容是整个字符串，而不是字符串中的一部分，那么可以在表达式的首尾使用"^"和"$"，比如："^\d+$"满足整个字符串只有数字的匹配。

 

3.要求匹配的内容是一个完整的单词，而不是单词中的一部分，那么表达式首尾可以使用"\b"，比如："\b(if|while\else\void\int......)\b"来匹配程序中的关键字。

 

4.表达式不要匹配空字符串，否则会一直匹配成功，而结果什么都没有匹配到。

 

5.能匹配空字符串的子匹配不要循环无限次。也不要括号内的子表达式可以匹配0次，而括号整体又可以匹配无限次，那就死循环了。

 

2010.12.23 10:22