正则表达式详解

什么是正则？

正则表达式（regular expression）是一种表达文本模式（即字符串结构）的方法，有点像字符串的模板，常常用来按照“给定模式”匹配文本。比如，正则表达式给出一个 Email 地址的模式，然后用它来确定一个字符串是否为 Email 地址。JavaScript 的正则表达式体系是参照 Perl 5 建立的。

建立正则表达式

使用内置RegExp构造函数

var reg=new RegExp("martin")；

直接建立

var reg=/martin/;

以上两种建立正则的方式是等效的,，不过一般第二种方式用的更多一些。

接受参数

正则表达式除了接受一个字面量字符参数，还可以接受一个修饰符作为参数。

var reg=/martin/g

//var reg=new RegExp("martin","g")；

说完基本的正则概念和接受参数，接下来说一下正则的匹配规则，这一块也是面试和笔试考察的重点。

匹配规则

在说匹配规则之前我们先说一下正则中的字符分类。

字面量字符和元字符

字面量字符：只表示它字面的含义，就像上面代码中的martin，也就是实际用于匹配的字符。

元字符：不代表字符本身字面的意思，而是有特殊含义的字符，也就是帮助字面量字符达到更好的匹配效果的辅助字符。

其中元字符又分为很多类，具体类型如下：

元字符	点字符(.)	匹配除回车（ ）、换行( ) 、行分隔符（u2028）和段分隔符（u2029）以外的所有字符
	位置字符号（^和$）	$ 表示字符串的结束位置 ^ 表示字符串的开始位置
	选择符(|)	竖线符号（|）在正则表达式中表示“或关系”（OR）

• 点字符（.）

var reg=/1.3/;  //表示匹配1和3之间包含任意一个字符的情况，除特殊符外，如："1-3","1.3","123"等；
                //但是一个点只能匹配一个字符，如："1223"则无法匹配成功

• 位置字符(^和$)

var reg=/^13/;  //表示以"13"字符串开头的字符串
reg.test("134") //true

var reg=/13$/; //表示以"13"字符串结束的字符串
reg.test("134") //false
reg.test("4 31") //true

var reg=/^13$/; //注意：表示从开始到结束位置只有"13"这个字符串
reg.test("13") //true
reg.test("1313") //false

注意：  /^13$/ 这个正则表达式很容易让人理解成匹配以字符串"13"开始和结尾的字符串，如："1313",但实际上它是表示从开始到结束位置只有"13"这个字符串。

• 选择符（|）

var reg=/11|22||33/; //表示匹配"11"或者"22"或者"33"
reg.test("11") //true
reg.test("22") //true

注意：选择符会匹配包括它前后的多个字符，比如  /11|22/指的是匹配"11"或者"22"，而不是指匹配1或者2,。如果想匹配1或者2，可以添加括号来实现，如：  

var reg=/1(1|2)2/;
reg.test("112")  //true
reg.test("122")  //true

转义字符

如果要在正则表达式中使用具有特殊含义的字符，如：$,^等，也就是如果要匹配它们本身，那就需要用到转义字符了，也就是在他们前面加上""反斜杠,比如要匹配$，则写成$。

正则表达式中，需要反斜杠转义的，一共有12个字符：^、.、[、$、(、)、|、*、+、?、{和\。需要特别注意的是，如果使用RegExp方法生成正则对象，转义需要使用两个斜杠，因为字符串内部会先转义一次。

var reg=/1$/;   //表示匹配字符串"1$",而不是以1结尾的字符串
reg.test("1")   //false
reg.test("1$")  //true

特殊字符

正则表达式对一些不能打印的特殊字符，提供了表达方法。

• cX 表示Ctrl-[X]，其中的X是A-Z之中任一个英文字母，用来匹配控制字符。
• [] 匹配退格键(U+0008)，不要与混淆。
• 匹配换行键。
• 匹配回车键。
• 匹配制表符 tab（U+0009）。
• v 匹配垂直制表符（U+000B）。
• f 匹配换页符（U+000C）。
• 匹配null字符（U+0000）。
• xhh 匹配一个以两位十六进制数（x00-xFF）表示的字符。
• uhhhh 匹配一个以四位十六进制数（u0000-uFFFF）表示的 Unicode 字符。

字符类

字符类表示有一系列字符可供选择，只要匹配其中一个就可以。表示方法为将所有可供选择的字符都放在方括号内，比如[xyz]表示匹配x、y、z中的任意一个就可以。

var reg=/[abc]/;  //表示匹配a,b,c中任一字符皆可
reg.test("hello") //false
reg.test("apple") //true

说到这里同学们应该会想到之前说过的选择符吧，[xyz]就等效于(x|y|z)，两者可相互转换。

Q：那既然两种字符功能可以相互转换，为啥有了选择符还要字符类呢？ 

A：因为字符类除了能表示选择，还包括另外两种字符，脱字符和连字符，这两种字符又有新的功，可以将字符类理解成选择符的一种超集。 

• 脱字符(^)

表示可以匹配除字符类中字符以外的所有字符，因为这个符号和位置字符中的"^"开始位置字符是相同的，所以在使用时要注意区别，直接"^"放在正则表达式开头的是位置字符，放在"[]"中开头的"^"表示的是脱字符。

var reg=/^123/;   //位置字符
reg.test("1234"); //true

var reg=/[^123]/; //脱字符
reg.test("123");  //false
reg.test("4")     //true

• 连字符(-)

表示匹配连续字符序列中的任意一个字符，如：[abcdef]可以写成[a-f],[012345678]可以写成[0-9]等，这大大提升了字符类书写的简便性。

var reg=/0-9/; //表示匹配字符串"0-9"
reg.test("0") //false
reg.test("0-9")//true

var reg=/[0-9]/;
reg.test("0") //false

==注意：虽然连字符用起来十分简便，但是一定要避免过度使用连字符，因为连字符往往设定的是一个比较大的范围，如果不注意可能会匹配到意料之外的一些字符。比如：[A-z],表面上它是要匹配到A-Z和a-z这52个字符，但是实际上在ASCII编码中，在Z和a之间还有很多其他字符，所以可能机会出现意料之外的匹配效果。

var reg=/[A-z]/;
reg.test('[');    //true

分析：因为"["字符在Z和a之间，所以也能被匹配到。

预定义模式

预定义模式是指某些常见模式的简写方式，可以理解成是内置的正则表达。

• d 匹配0-9之间的任一数字，相当于[0-9]。
• D 匹配所有0-9以外的字符，相当于[^0-9]。
• w 匹配任意的字母、数字和下划线，相当于[A-Za-z0-9_]。
• W 除所有字母、数字和下划线以外的字符，相当于[^A-Za-z0-9_]。
• s 匹配空格（包括换行符、制表符、空格符等），相等于[ vf]。
• S 匹配非空格的字符，相当于[^ vf]。
•  匹配词的边界。
• B 匹配非词边界，即在词的内部。

重复类

模式的精确匹配次数，使用大括号（{}）表示。{n}表示恰好重复n次，{n,}表示至少重复n次，{n,m}表示重复不少于n次，不多于m次，默认匹配的是单个字符，若想要重复字符串，可以使用括号。

var reg=/12{2,5}3/; //默认表示匹配单个字符"2"的次数为2-5次
reg.test("1223")    //true 
reg.test("12123")   //false

var reg=/(12){2,5}3/; //表示匹配字符串"12"的次数为2-5次
reg.test("1223")    //false 
reg.test("12123")   //true
 

量词符

量词符是内置用来设定某个模式出现的次数的，默认也是匹配单个字符的次数。

• ? 问号表示某个模式出现0次或1次，等同于{0, 1}。
• * 星号表示某个模式出现0次或多次，等同于{0,}。
• + 加号表示某个模式出现1次或多次，等同于{1,}。

贪婪和非贪婪模式

• 贪婪模式(默认)：即最大可能匹配，匹配直到下一个字符不满足匹配规则为止，上面说的三个量词符，默认模式都为贪婪模式。

var s = 'aaa';
var reg=/a+/;
s.match(reg);   //["aaa"]

• 非贪婪模式：即最小可能匹配，匹配到一个满足匹配规则的字符就停止，将贪婪模式改为非贪婪模式只需要在量词符后面加一个问号。

var s = 'aaa';
var reg=/a+?/;
s.match(reg);   //["a"]

总结：

• *?：表示某个模式出现0次或多次，匹配时采用非贪婪模式。
• +?：表示某个模式出现1次或多次，匹配时采用非贪婪模式。

修饰符

修饰符（modifier）表示模式的附加规则，放在正则模式的最尾部,有g,i,m三种修饰符。

修饰符可以单个使用，也可以多个一起使用。

// 单个修饰符
var reg = /test/i;

// 多个修饰符
var reg = /test/ig;

• g修饰符

默认情况下，第一次匹配成功后，正则对象就停止向下匹配了。g修饰符表示全局匹配（global），加上它以后，正则对象将匹配全部符合条件的结果，主要用于搜索和替换。

var s = 'aaa';
var reg=/a+?/;
s.match(reg);   //["a"]

var s = 'aaa';
var reg=/a+?/g;
s.match(reg);   //["a","a","a"]

• i修饰符

默认情况下，正则对象区分字母的大小写，加上i修饰符以后表示忽略大小写（ignorecase）

var s = 'Aaa';
var reg=/a/;
s.match(reg);   //["a"]

var s = 'Aaa';
var reg=/a/i;
s.match(reg);   //["A"]

• m修饰符

m修饰符表示多行模式（multiline），会修改^和$的行为。默认情况下（即不加m修饰符时），^和$匹配字符串的开始处和结尾处，加上m修饰符以后，^和$还会匹配行首和行尾，即^和$会识别换行符（ ）。

var s = 'ab
 ab';
var reg=/ab$/m;
s.match(reg);   //["ab"]

var s = 'ab
 ab';
var reg=/ab$/gm;
s.match(reg);   //["ab","ab"]会按行进行匹配，会识别
换行符,这里的第一行以ab结尾，第二行也以ab结尾