JavaScript中的正则表达式

以下内容是来自《JavaScript权威指南（第六版）》正则表达式的模式匹配章节的笔记。

---

 定义

JavaScript中的正则表达式定义有两种方式：

1.  var pattern = /s$/;  或者
2.  var pattern = new RegExp('s$'); 

直接量字符

1. 所有字母和数字都是按照字面含义进行匹配
2. 非字母的字符匹配，使用反斜线  \  。如下表

字符	匹配
字母和数字字符	自身
\o	NUL字符(\u0000)
\t	制表符(\u0009)
\n	换行符(\u000A)
\v	垂直制表符(\u000B)
\f	换页符(\u000C)
\r	回车符(\u000D)
\xnn	由十六进制数nn指定的拉丁字符，例如\x0A等价于\n
\uxxxx	由十六进制数xxxx指定的Unicode字符，例如\u0009等价于\t
\cX	控制字符^X，例如,\cJ等价于换行符\n

字符类

将直接量字符单独放进方括号内就组成了字符类

例如 [abc] 匹配a或者b或者c

可以使用 ^  表示否定
可以使用连字符表示范围 [a-zA-Z0-9] 

某些字符很常用，所以用简练的方式来表示，下表：

字符	匹配
[…]	方括号内的任意字符
[^…]	不在方括号内的任意字符
.	除换行符和其他Unicode行终止符之外的任意字符
\w	任何ASCII字符组成的单词，等价于[a-zA-Z0-9]
\W	任何不是ASCII字符组成的单词，等价于[^a-zA-Z0-9]
\s	任何Unicode空白字符
\S	任何非Unicode空白字符，注意\w和\S不同
\d	任何ASCII数字，等价于[0-9]
\D	任何ASCII数字之外的字符，等价于[^0-9]
[\b]	退格直接量（特例）

注：\b有特殊的含义，见下文，若要表示退格直接量，需要中括号。[\b]

重复

语法见下表：

字符	含义
{n,m}	匹配前一项至少n次，但不超多m次
{n,}	匹配前一项至少n次或更多次
{n}	匹配前一项n次
?	匹配前一项0或1次，等价于{0,1}，也就说是前一项是可选的
+	匹配前一项1次或多次，等价于{1,}
*	匹配前一项0次或多次，等价于{0,}

非贪婪的重复
上表列出的匹配重复字符是尽可能多的匹配，而且允许后续的正则表达式继续匹配，因此我们称之为贪婪的。若要进行非贪婪的匹配，只需在带匹配的字符后面跟一个问号 ?  　　即可： ?? 、 +? 等等。

选择、分组和引用

• 字符|用来分割供选择的字符，类似于或。注：选择项的尝试匹配顺序是从左到右，直到发现了匹配项。如果左边的选择项匹配，就忽略后边的匹配项，即使有更好的匹配。

• 分组引用使用圆括号()

三个作用：

• 把单独的项组合成表达式，以便可以像处理一个独立单元那样使用 | * + ? 等对单元内的项进行处理。

• 在完整的模式中定义子模式。当一个正则表达式成功与目标字符串匹配时，可以从目标串中抽出与圆括号中子模式匹配的部分。（书中后续有详解）

• 允许在同一正则表达式的后部引用前面的子表达式。通过字符 \ 后加一位或多位数字实现的，数字代表了子表达式在正则表达式中的位置。例如： /([Jj]ava([Ss]cript)?)\sis\s(fun\w*)/  中的  ([Ss]cript)  就可以用  \2 指代。

注： 对正则表达式字表达式的引用，不是针对子表达式模式的引用，而是指与那个模式相匹配的文本的引用，这样，引用可以用于实施一条约束，即一个字符串各个单独部分包含的是完全相同的字符，例如：
/['"][^'"]*['"]/ 匹配的是位于单引号或者双引号之间的0个或多个非引号字符，但是他不能让作用两端的引号匹配，可以改成这样  /(['"])[^'"]*\1/ ，但如果这样写  /(['"])[^\1]*\1/ 就是错误的，正则表达式不允许双引号内有单引号，反之亦然。
检索和替换强烈依赖此特性。

指定匹配位置

这些能匹配位置的字符也被称为正则表达式的锚。如下表：

字符	含义
^	匹配字符串的开头，再多行检索中，匹配一行的开头
$	匹配字符串的结尾，在多行检索中，匹配一行的结尾
\b	匹配单词的边界，简言之，就是\w和\W之间的位置，或位于字符\w和字符串的开头或者结尾之间的位置
\B	匹配非单词边界的位置
(?=p)	零宽正向先行断言，要求接下来的字符都与p匹配，但不包括匹配p的那些字符
(?!p)	零宽负向先行断言，要求接下来的字符不与p匹配

几个例子：

匹配单词JavaScript，使用 /^JavaScript$/ 
匹配Java单词本身，需要使用 /\bJava\b/ 
/[Jj]ava([Ss]cript)?(?=\:)/ 能匹配JavaScript:The Definitive Guid，不能匹配Java is中的java。
/Java(?!Script)(A-Z\w*)/ 可以匹配JavaBeans但不能匹配JavaScript。

修饰符

字符	含义
i	不区分大小写
g	全局匹配，简言之，找到所有匹配，而不是找一个就停止
m	多行匹配，^匹配一行的开头和字符串的开头，$匹配行的结束和字符串的结束

 

---

用于模式匹配的String方法

search()方法

参数是一个正则表达式，返回第一个与之匹配的字串的起始位置，如果找不到匹配的字串，它将返回-1。比如：'JavaScript'.search(/script/i) 返回4。

同时，search方法不支持全局搜索，因为它会忽略正则表达式中的修饰符g。

replace()方法

执行检索和替换的功能。第一个参数是正则表达式，第二个参数是要进行替换的字符串。

如果指定了修饰符g，则会替换所有的匹配项，否则只替换第一个。

另外，上一篇文章中提到，正则表达式使用圆括号进行分组，同时这些括起来的内容从左到右是有索引编号的。如果在替换字符串中出现了$加数字，那么replace()将用与指定的字表达式相匹配的文本来替换这两个字符。比如：

var quote = /"([^"]*)"/g;
'abc"xxx"def'.replace(quote, '“$1”');//abc“xxx”def

此外，replace第二个参数还可以是函数。例如：

text.replace(/\b\w+\b/g, function(word) {
　　return word.substring(0,1).toUpperCase + word.substring(1);
})

match()方法

唯一参数就是正则表达式，返回一个由匹配项组成的数组。若设置了g则返回所有匹配项组成的数组。

另外，如果没有修饰符g，返回的数组中第一项是匹配的字符串，后面的项是正则表达式中圆括号括起来的项。

比如：

var url = /(\w+):\/\/([\w.]+)\/(\S*)/;
var text = 'Visit my blog http://www.example.com/~david';
//['http://www.example.com/~david', 'http', 'www.example.com', '~david']

split()方法

split的参数也支持正则表达式。

RegExp对象

• RegExp的五个属性

　　source：正则表达式的文本
　　global：是否有修饰符g
　　ignoreCase：是否有修饰符i
　　multiline：是否有修饰符multiline
　　lastIndex：如果有修饰符g，这个属性存储下一次开始检索的位置。

• 两个方法

　　exec()方法，与match类似，但总是返回一个结果，并返回lastIndex属性的信息。从而可以反复调用exec方法获得所有匹配。

　　test()方法，比exec更简单一些，如果包含匹配结果则返回true。