RegExp正则表达式——更深层次解析

转自：https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Reference/Global_Objects/RegExp

RegExp 构造函数创建了一个正则表达式对象，用于将文本与一个模式匹配。

有关正则表达式的介绍，请阅读 JavaScript指南中的正则表达式章节。

语法

字面量, 构造函数和工厂符号都是可以的：

/pattern/flags
new RegExp(pattern [, flags])
RegExp(pattern [, flags])

参数

pattern

正则表达式的文本。

flags

如果指定，标志可以具有以下值的任意组合：

g

全局匹配;找到所有匹配，而不是在第一个匹配后停止

i

忽略大小写

m

多行; 将开始和结束字符（^和$）视为在多行上工作（也就是，分别匹配每一行的开始和结束（由 或 分割），而不只是只匹配整个输入字符串的最开始和最末尾处。

u

Unicode; 将模式视为Unicode序列点的序列

y

粘性匹配; 仅匹配目标字符串中此正则表达式的lastIndex属性指示的索引(并且不尝试从任何后续的索引匹配)。

描述

有两种方法来创建一个RegExp对象：一是字面量、二是构造函数。要指示字符串，字面量的参数不使用引号，而构造函数的参数使用引号。因此，以下表达式创建相同的正则表达式：

/ab+c/i;
new RegExp('ab+c', 'i');
new RegExp(/ab+c/, 'i');

当表达式被赋值时，字面量形式提供正则表达式的编译（compilation）状态，当正则表达式保持为常量时使用字面量。例如当你在循环中使用字面量构造一个正则表达式时，正则表达式不会在每一次迭代中都被重新编译（recompiled）。

而正则表达式对象的构造函数，如 new RegExp('ab+c') 提供了正则表达式运行时编译（runtime compilation）。如果你知道正则表达式模式将会改变，或者你事先不知道什么模式，而是从另一个来源获取，如用户输入，这些情况都可以使用构造函数。

从ECMAScript 6开始，当第一个参数为正则表达式而第二个标志参数存在时，new RegExp(/ab+c/, 'i')不再抛出TypeError （“当从其他正则表达式进行构造时不支持标志”）的异常，取而代之，将使用这些参数创建一个新的正则表达式。

当使用构造函数创造正则对象时，需要常规的字符转义规则（在前面加反斜杠 ）。比如，以下是等价的：

var re = new RegExp("\w+");
var re = /w+/;

正则表达式中特殊字符的含义

• 字符类别（Character Classes）
• 字符集合（Character Sets）
• 边界（Boundaries）
• 分组（grouping）与反向引用（back references）
• 数量词（Quantifiers）
• 断言（Assertions）

字符类别（Character Classes）
字符	含义
.	(点号，小数点) 匹配任意单个字符，但是行结束符除外：    u2028 或 u2029。 在字符集中，点( . )失去其特殊含义，并匹配一个字面点( . )。 需要注意的是，m 多行（multiline）标志不会改变点号的表现。因此为了匹配多行中的字符集，可使用[^] （当然你不是打算用在旧版本 IE 中），它将会匹配任意字符，包括换行符。 例如，/.y/ 匹配 "yes make my day" 中的 "my" 和 "ay"，但是不匹配 "yes"。
d	匹配任意阿拉伯数字。等价于[0-9]。 例如，/d/ 或 /[0-9]/ 匹配 "B2 is the suite number." 中的 '2'。
D	匹配任意一个不是阿拉伯数字的字符。等价于[^0-9]。 例如，/D/ 或 /[^0-9]/ 匹配 "B2 is the suite number." 中的 'B'。
w	匹配任意来自基本拉丁字母表中的字母数字字符，还包括下划线。等价于 [A-Za-z0-9_]。 例如，/w/ 匹配 "apple" 中的 'a'，"$5.28" 中的 '5' 和 "3D" 中的 '3'。
W	匹配任意不是基本拉丁字母表中单词（字母数字下划线）字符的字符。等价于 [^A-Za-z0-9_]。 例如，/W/ 或 /[^A-Za-z0-9_]/ 匹配 "50%" 中的 '%'。
s	匹配一个空白符，包括空格、制表符、换页符、换行符和其他 Unicode 空格。 等价于 [ f v​u00a0u1680​u180eu2000​u2001u2002​u2003u2004​ u2005u2006​u2007u2008​u2009u200a​u2028u2029​​u202fu205f​ u3000]。 例如 /sw*/ 匹配 "foo bar" 中的 ' bar'。
S	匹配一个非空白符。等价于 [^ f v​u00a0u1680​u180eu2000​u2001u2002​u2003u2004​ u2005u2006​u2007u2008​u2009u200a​u2028u2029​u202fu205f​u3000]。 例如，/Sw*/ 匹配 "foo bar" 中的 'foo'。
	匹配一个水平制表符（tab）
	匹配一个回车符（carriage return）
	匹配一个换行符（linefeed）
v	匹配一个垂直制表符（vertical tab）
f	匹配一个换页符（form-feed）
[]	匹配一个退格符（backspace）（不要与  混淆）
	匹配一个 NUL 字符。不要在此后面跟小数点。
cX	X 是 A - Z 的一个字母。匹配字符串中的一个控制字符。 例如，/cM/ 匹配字符串中的 control-M。
xhh	匹配编码为 hh （两个十六进制数字）的字符。
uhhhh	匹配 Unicode 值为 hhhh （四个十六进制数字）的字符。
	对于那些通常被认为字面意义的字符来说，表示下一个字符具有特殊用处，并且不会被按照字面意义解释。 例如 /b/ 匹配字符 'b'。在 b 前面加上一个反斜杠，即使用 //，则该字符变得特殊，以为这匹配一个单词边界。 或 对于那些通常特殊对待的字符，表示下一个字符不具有特殊用途，会被按照字面意义解释。 例如，* 是一个特殊字符，表示匹配某个字符 0 或多次，如 /a*/ 意味着 0 或多个 "a"。 为了匹配字面意义上的 * ，在它前面加上一个反斜杠，例如，/a*/匹配 'a*'。
字符集合（Character Sets）
字符	含义
[xyz]	一个字符集合，也叫字符组。匹配集合中的任意一个字符。你可以使用连字符'-'指定一个范围。 例如，[abcd] 等价于 [a-d]，匹配"brisket"中的'b'和"chop"中的'c'。
[^xyz]	一个反义或补充字符集，也叫反义字符组。也就是说，它匹配任意不在括号内的字符。你也可以通过使用连字符 '-' 指定一个范围内的字符。 例如，[^abc] 等价于 [^a-c]。 第一个匹配的是 "bacon" 中的'o' 和 "chop" 中的 'h'。
边界（Boundaries）
字符	含义
^	匹配输入开始。如果多行（multiline）标志被设为 true，该字符也会匹配一个断行（line break）符后的开始处。 例如，/^A/ 不匹配 "an A" 中的 "A"，但匹配 "An A" 中的 "A"。
$	匹配输入结尾。如果多行（multiline）标志被设为 true，该字符也会匹配一个断行（line break）符的前的结尾处。 例如，/t$/ 不匹配 "eater" 中的 "t"，但匹配 "eat" 中的 "t"。
	匹配一个零宽单词边界（zero-width word boundary），如一个字母与一个空格之间。 （不要和 [] 混淆） 例如，/no/ 匹配 "at noon" 中的 "no"，/ly/ 匹配 "possibly yesterday." 中的 "ly"。
B	匹配一个零宽非单词边界（zero-width non-word boundary），如两个字母之间或两个空格之间。 例如，/Bon/ 匹配 "at noon" 中的 "on"，/yeB/ 匹配 "possibly yesterday." 中的 "ye"。
分组（Grouping）与反向引用（back references）
字符	含义
(x)	匹配 x 并且捕获匹配项。 这被称为捕获括号（capturing parentheses）。 例如，/(foo)/ 匹配且捕获 "foo bar." 中的 "foo"。被匹配的子字符串可以在结果数组的元素 [1], ..., [n] 中找到，或在被定义的 RegExp 对象的属性 $1, ..., $9 中找到。 捕获组（Capturing groups）有性能惩罚。如果不需再次访问被匹配的子字符串，最好使用非捕获括号（non-capturing parentheses），见下面。
	n 是一个正整数。一个反向引用（back reference），指向正则表达式中第 n 个括号（从左开始数）中匹配的子字符串。 例如，/apple(,)sorange1/ 匹配 "apple, orange, cherry, peach." 中的 "apple,orange,"。一个更全面的例子在该表格下面。
(?:x)	匹配 x 不会捕获匹配项。这被称为非捕获括号（non-capturing parentheses）。匹配项不能够从结果数组的元素 [1], ..., [n] 或已被定义的 RegExp 对象的属性 $1, ..., $9 再次访问到。
数量词（Quantifiers）
字符	含义
x*	匹配前面的模式 x 0 或多次。 例如，/bo*/ 匹配 "A ghost booooed" 中的 "boooo"，"A bird warbled" 中的 "b"，但是不匹配 "A goat grunted"。
x+	匹配前面的模式 x 1 或多次。等价于 {1,}。 例如，/a+/ 匹配 "candy" 中的 "a"，"caaaaaaandy" 中所有的 "a"。
x*? x+?	像上面的 * 和 + 一样匹配前面的模式 x，然而匹配是最小可能匹配。 例如，/".*?"/ 匹配 '"foo" "bar"' 中的 '"foo"'，而 * 后面没有 ? 时匹配 '"foo" "bar"'。
x?	匹配前面的模式 x 0 或 1 次。 例如，/e?le?/ 匹配 "angel" 中的 "el"，"angle" 中的 "le"。 如果在数量词 *、+、? 或 {}, 任意一个后面紧跟该符号（?），会使数量词变为非贪婪（ non-greedy） ，即匹配次数最小化。反之，默认情况下，是贪婪的（greedy），即匹配次数最大化。 在使用于向前断言（lookahead assertions）时，见该表格中 (?=)、(?!) 和 (?:) 的说明。
x(?=y)	只有当 x 后面紧跟着 y 时，才匹配 x。 例如，/Jack(?=Sprat)/ 只有在 'Jack' 后面紧跟着 'Sprat' 时，才会匹配它。/Jack(?=Sprat|Frost)/ 只有在 'Jack' 后面紧跟着 'Sprat' 或 'Frost' 时，才会匹配它。然而，'Sprat' 或 'Frost' 都不是匹配结果的一部分。
x(?!y)	只有当 x 后面不是紧跟着 y 时，才匹配 x。例如，/d+(?!.)/ 只有当一个数字后面没有紧跟着一个小数点时，才会匹配该数字。 /d+(?!.)/.exec("3.141") 匹配 141 而不是 3.141。
x|y	匹配 x 或 y 例如，/green|red/ 匹配 "green apple" 中的 ‘green'，"red apple." 中的 'red'。
x{n}	n 是一个正整数。前面的模式 x 连续出现 n 次时匹配。 例如，/a{2}/ 不匹配 "candy," 中的 "a"，但是匹配 "caandy," 中的两个 "a"，且匹配 "caaandy." 中的前两个 "a"。
x{n,}	n 是一个正整数。前面的模式 x 连续出现至少 n 次时匹配。 例如，/a{2,}/ 不匹配 "candy" 中的 "a"，但是匹配 "caandy" 和 "caaaaaaandy." 中所有的 "a"。
x{n,m}	n 和 m 为正整数。前面的模式 x 连续出现至少 n 次，至多 m 次时匹配。 例如，/a{1,3}/ 不匹配 "cndy"，匹配 "candy," 中的 "a"，"caandy," 中的两个 "a"，匹配 "caaaaaaandy" 中的前面三个 "a"。注意，当匹配 "caaaaaaandy" 时，即使原始字符串拥有更多的 "a"，匹配项也是 "aaa"。
断言（Assertions）
字符	含义
x(?=y)	仅匹配被y跟随的x。 举个例子，/Jack(?=Sprat)/，如果"Jack"后面跟着sprat，则匹配之。 /Jack(?=Sprat|Frost)/ ，如果"Jack"后面跟着"Sprat"或者"Frost"，则匹配之。但是，"Sprat" 和"Frost" 都不会在匹配结果中出现。
x(?!y)	仅匹配不被y跟随的x。 举个例子，/d+(?!.)/ 只会匹配不被点（.）跟随的数字。 /d+(?!.)/.exec('3.141') 匹配"141"，而不是"3.141"

1. ^等价于:

   [ vf u00a0u2000u2001u2002u2003u2004u2005u2006u2007u2008u2009u200au200bu2028u2029u3000]

属性

For properties available on RegExp instances, see Properties of RegExp instances.

 

RegExp.prototype

允许为所有正则对象添加属性。

RegExp.length

RegExp.length 值为 2。

Properties inherited from Function:

arity, caller, constructor, length, name

方法

For methods available on RegExp instances, see Methods of RegExp instances.

全局对象 RegExp 自身没有方法, 不过它会继承一些方法通过原型链

 

Methods inherited from Function:

apply, call, toSource, toString

RegExp 实例

属性

查看已废弃的RegExp属性

注意，RegExp 对象的几个属性既有完整的长属性名，也有对应的类 Perl 的短属性名。两个属性都有着同样的值。JavaScript 的正则语法就是基于 Perl 的。

RegExp.prototype.constructor

创建该正则对象的构造函数。

RegExp.prototype.global

是否开启全局匹配，也就是匹配目标字符串中所有可能的匹配项，而不是只进行第一次匹配。

RegExp.prototype.ignoreCase

在匹配字符串时是否要忽略字符的大小写。

RegExp.prototype.lastIndex

下次匹配开始的字符串索引位置。

RegExp.prototype.multiline

是否开启多行模式匹配（影响 ^ 和 $ 的行为）。

RegExp.prototype.source

正则对象的源模式文本。

RegExp.prototype.sticky 

是否开启粘滞匹配。

Properties inherited from Object:

__parent__, __proto__

方法

查看已废弃的RegExp方法

RegExp.prototype.exec()

在目标字符串中执行一次正则匹配操作。

RegExp.prototype.test()

测试当前正则是否能匹配目标字符串。

RegExp.prototype.toSource() 

返回一个字符串，其值为该正则对象的字面量形式。覆盖了Object.prototype.toSource 方法.

RegExp.prototype.toString()

返回一个字符串，其值为该正则对象的字面量形式。覆盖了Object.prototype.toString() 方法。

Methods inherited from Object:

__defineGetter__, __defineSetter__, hasOwnProperty, isPrototypeOf, __lookupGetter__, __lookupSetter__, __noSuchMethod__, propertyIsEnumerable, toLocaleString, unwatch, valueOf, watch

例子

例子：使用正则改变数据结构

下例使用 replace 方法 （继承自 String）去匹配姓名 first last 输出新的格式 last, first。脚本中使用 $1 和 $2 指明括号里先前的匹配.

var re = /(w+)s(w+)/;
var str = "John Smith";
var newstr = str.replace(re, "$2, $1");
print(newstr);

显示 "Smith, John".

例子：在多行中使用正则表达式

var s = "Please yes
make my day!";
s.match(/yes.*day/);
// Returns null
s.match(/yes[^]*day/);
// Returns 'yes
make my day'

例子: 使用带有 ”sticky“ 标志的正则表达式

该例展示了，如何在正则表达式上使用 sticky 标志，用来匹配多行输入的单独行。

var text = "First line
second line";
var regex = /(S+) line
?/y;

var match = regex.exec(text);
print(match[1]);  // prints "First"
print(regex.lastIndex); // prints 11

var match2 = regex.exec(text);
print(match2[1]); // prints "Second"
print(regex.lastIndex); // prints "22"

var match3 = regex.exec(text);
print(match3 === null); // prints "true"

可以使用 try { … } catch { … } 来测试运行时（run-time）是否支持 sticky 标志。这种情况下，必须使用 eval(…) 表达式或 RegExp(regex-string, flags-string) 语法（这是由于 /regex/flags 表示法将会在编译时刻被处理，因此在 catch 语句块处理异常前就会抛出一个异常。例如：

var supports_sticky;
try { RegExp('','y'); supports_sticky = true; }
catch(e) { supports_sticky = false; }
alert(supports_sticky); // alerts "false" in Firefox 2, "true" in Firefox 3+

例子：使用正则表达式和 Unicode 字符

正如上面表格提到的，w 或 W 只会匹配基本的 ASCII 字符；如 'a' 到 'z'、 'A' 到 'Z'、 0 到 9 及 '_'。为了匹配其他语言中的字符，如西里尔（Cyrillic）或 希伯来语（Hebrew），要使用 uhhhh，"hhhh" 表示以十六进制表示的字符的 Unicode 值。下例展示了怎样从一个单词中分离出 Unicode 字符。

var text = "Образец text на русском языке";
var regex = /[u0400-u04FF]+/g;

var match = regex.exec(text);
print(match[1]);  // prints "Образец"
print(regex.lastIndex);  // prints "7"

var match2 = regex.exec(text);
print(match2[1]);  // prints "на" [did not print "text"]
print(regex.lastIndex);  // prints "15"

// and so on

这里有一个外部资源，用来获取 Unicode 中的不同区块范围：Regexp-unicode-block

例子：从 URL 中提取子域名

var url = "http://xxx.domain.com";
print(/[^.]+/.exec(url)[0].substr(7)); // prints "xxx"

规范

Specification	Status	Comment
ECMAScript 1st Edition. Implemented in JavaScript 1.1	Standard	Initial definition.
ECMAScript 5.1 (ECMA-262) RegExp	Standard
ECMAScript 2015 (6th Edition, ECMA-262) RegExp	Standard

浏览器兼容性

We're converting our compatibility data into a machine-readable JSON format. This compatibility table still uses the old format, because we haven't yet converted the data it contains. Find out how you can help!

• Desktop
 
• Mobile

Feature	Chrome	Firefox (Gecko)	Internet Explorer	Opera	Safari
Basic support	(Yes)	(Yes)	(Yes)	(Yes)	(Yes)
Sticky flag ("y")	?	3.0 (1.9)	?	?	?

[1] Behind a flag.

[2] At least from version 41.

Gecko-特定的 注释

Starting with Gecko 34 (Firefox 34 / Thunderbird 34 / SeaMonkey 2.31), in the case of a capturing group with quantifiers preventing its exercise, the matched text for a capturing group is now undefined instead of an empty string:

// Firefox 33 or older
'x'.replace(/x(.)?/g, function(m, group) {
  console.log("'group:" + group + "'");
}); // 'group:'

// Firefox 34 or newer
'x'.replace(/x(.)?/g, function(m, group) {
  console.log("'group:" + group + "'");
}); // 'group:undefined'

Note that due to web compatibility, RegExp.$N will still return an empty string instead of undefined (bug 1053944).