JavaScript中的正则表达式

抄自：https://www.jianshu.com/p/488d60349325

一、正则声明方式

1. 构造函数方式

var reg = new RegExp('d', 'gi');

通过 new 构造一个正则表达式对象，其中第一个参数 'd' 是正则内容，第二个参数 'gi' 是修饰符。两个参数皆为字符串类型：

(1) 修饰符的作用是对匹配过程进行限定

(2) 修饰符有三种：i, g, m，可以同时出现，没有顺序（即 gi 与 ig 一样）

• i：忽略大小写匹配
• 全局匹配，即是匹配一个后继续匹配，直到结束
• 多行匹配，即是遇到换行后不停止匹配，直到结束

2. 字面量方式

这种方式很常见。

var reg = /d/gi;

两个斜线内为正则的内容，后面可以跟修饰符，与第一种构造函数方式相比更简洁，缺点是正则内容不能拼接，对于大多数场景来说足够了。

二、正则相关符号

1. 方括号 [] 用法

用于查找方括号内的任意字符。

(1) ^ 在 [] 内开始位置及正则双斜线开始位置有特殊含义，其他位置表示 ^ 字符本身。

• 正则开头位置表示以某某开头的字符串，如下表示以大写或小写字母开头的且连续为字母的字符串

'adobe 2016'.match(/^[a-zA-Z]+/);
// ["adobe"]

•  在正则 或 匹配中(即 | 匹配)，表示 或者以某某字符开始的字符串，如下表示匹配 连续数字 或 以小写字母开头且连续为小写字母的字符串，所以返回结果包含2016 和 adobe，注意返回结果不是 ["2016", "adobe"]

'adobe2016ps'.match(/d+|^[a-z]+/g);
// ["adobe", "2016"]

• 在 [] 内开始位置时，表示不匹配 [] 内除 ^ 以外的所有字符：

'adobe'.match(/[^abc]/g);
// ["d", "o", "e"]

注： $ 与 ^ 的前两个用法相似，只不过匹配的是以某某字符结尾的字符串，举例：

'adobe 2016'.match(/d+|[a-z]+$/g);
// ["2016"]
'adobe'.match(/d+|[a-z]+$/g);
// ["adobe"]

(2) - (连字符)表示左边字符的 ASCII 值到右边字符 ASCII 编码值之间及左右字符自身的所有字符

'adobe PS 2016'.match(/[a-g]/g);
// ["a", "d", "b", "e"]

(3) - 连字符左侧的字符对应的 ASCII 值一定要小于或等于右侧的字符，否则会报语法错误

'adobe'.match(/[z-a]/);
// Uncaught SyntaxError: Invalid regular expression: /[z-a]/: Range out of order in character class...

(4) 如果希望对连字符 - 本身进行匹配，需要用反斜线转义

'adobe-2016'.match(/[a-g-]/g);
// ["a", "d", "b", "e", "-"]

(5) 查看 ASCII 表就会发现，大写字母的 ASCII 值是小于小写字母的，因此下面用法会报语法错误

'adobe-2016'.match(/[a-Z]/g);
// Uncaught SyntaxError: Invalid regular expression: /[a-Z]/: Range out of order in character ...

那么问题来了，如果要表示所有字母，不区分大小写怎么办呢？其实有两种方式：

• 第一种是使用修饰符 i，前面提到过。举例：

'adobe-PS'.match(/[a-z]/gi);
// ["a", "d", "o", "b", "e", "P", "S"]

• 第二种是在正则中明确指明大小写字母，举例：

'adobe-PS'.match(/[a-zA-Z]/g);
// ["a", "d", "o", "b", "e", "P", "S"]

返回结果跟第一种一样。当然这个例子有些特殊：匹配了所有大小写字母。当只匹配部分大小写字母的时候只能使用第二种方式。

(6) 匹配大小字母不能写成 [A-z]，虽然不会报语法错误，但隐式的放大了匹配范围，查看 ASCII 会发现，在大写字母 Z 到小写字母 a 之间还有 [、 、 ]、 ^、 _、 ` 这6个字符，因此不能这么写。

(7) 有同学会问， w 不也可以匹配字母么？是的，w 确实可以匹配字母，但跟上面说的一样,也隐式的放大了匹配范围，w 除了匹配大小字母外还匹配了数字和下划线，即 w 与 [A-Za-z0-9_] 等价，当然 A-Z、a-z、0-9(等价于d)、_这四组没顺序之分。

2. 特殊含义字符

• 匹配任意单个字符，除换行和结束符

'1+0.2*2=1.4'.match(/.{2}/g);
// ["1+", "0.", "2*", "2=", "1."]

• w 匹配任意单词字符（数字、字母、下划线），等价于[A-Za-z0-9_]

'ad34~!@$ps'.match(/w/g);
// ["a", "d", "3", "4", "p", "s"]

• W 匹配任意单词字符，与w相反，等价于[^A-Za-z0-9_]

'ad34~!@$ps'.match(/W/g);
// ["~", "!", "@", "$"]

• d 匹配数字，等价于 [0-9]

'ps6'.match(/d/g);
// ["6"]

• D 匹配非数字，等价于 [^0-9]

'ps6'.match(/D/g);
// ["p", "s"]

• s 匹配空白字符，主要有( 、f、 、 、v)，注意'asb'中的s依然是字符s，所以'asb'.match(/s/g)返回 null

'adobe ps'.match(/s/g);
// [" "]

• S 匹配非空白字符，与s相反

'adobe ps'.match(/S/g);
// ["a", "d", "o", "b", "e", "p", "s"]

•  匹配单词边界，注意连续的数字、字母或下划线组成的字符串会认为一个单词

'adobe(2016) ps6.4'.match(/(w+)/g);
// ["adobe", "2016", "ps6", "4"]

• B 匹配非单词边界，仔细体会下面的示例与的结果

'adobe(2016) ps6.4'.match(/B(w+)/g);
// ["dobe", "016", "s6"]

• 匹配NUL字符

''.match(//);
// ["NUL"]

• 匹配换行符（编码：10，newline）

'adobe
ps'.match(/
/).index;

• f 匹配换页符

'adobefps'.match(/f/).index;

• 匹配回车符（编码：13，return）

'adobe
ps'.match(/
/).index;

• 匹配制表符，键盘tab对应的字符

'adobe	ps'.match(/	/).index;

• v 匹配垂直制表符

'adobevps'.match(/v/).index;

• xxx 匹配以八进制数xxx规定的字符

'a'.charCodeAt(0).toString(8);
// "141"
'adobe ps'.match(/141/g);
// ["a"]

• xdd 匹配以十六进制数dd规定的字符

'a'.charCodeAt(0).toString(16);
// "61"
'adobe ps'.match(/x61/g);
// ["a"]

• uxxxx 匹配以十六进制数xxxx规定的 Unicode字符，注意位数不够需要补0

'a'.charCodeAt(0).toString(16);
// "61"
'adobe ps'.match(/u0061/g);
// ["a"]

注意：window系统回车换行符为 ，linux系统下没有 ，linux系统通过vi编辑器打开window系统的文本文件时候，经常在行尾出现^M符号，也就是 的原因，解析文本的时候需要注意相关判断。

3. 量词说明

• n+ 匹配包含至少一个n的字符串

'adobe paas'.match(/a+w+/g);
// ["adobe", "aas"]

• n* 匹配包含零个或多个n的字符串

'ab3 aa12bb'.match(/a*d+/g);
// ["3", "aa12"]

• n? 匹配包含零个或一个n的字符串

'ab3 aa12bb'.match(/a?d+/g);
// ["3", "a12"]

• n{x} 匹配包含连续x个n的字符串

'ab3 aa12bb aaa34'.match(/a{2}d+/g);
// ["aa12", "aa34"]

• n{x,y} 匹配包含至少连续x个且最多连续y个n的字符串

'a3 aaa12bb aaaaaaa34'.match(/a{2,4}d+/g);
// ["aaa12", "aaaa34"]

•  n{x,} 匹配包含至少连续x个n的字符串

'a3 aaa12bbaa4'.match(/a{2,}d+/g);
// ["aaa12", "aa4"]

由上可知，以下 表达式1 与 表达式2 等价：

n+	n{1,}
n*	n{0,}
n？	n{0,1}

4. 符号说明

符号 {}、、$、*、+、?、[]、[]、- 已经在前面介绍过，接下来看下其他特殊字符

• a|b 匹配包含a或b的字符串

'adobe ps13'.match(/([a-g]+|d+)/g);
// ["ad", "be", "13"]

•  / 字面量方式申明正则时的界定符

'adobe'.match(/w+/);
// ["adobe"]

• 普通反斜线字符

'a\dobe'.match(/\/);
// [""]

5. 小括号用法

正则在非全局(g)模式下，通过match方式，返回的数组第一个值整体匹配的字符串，其他值为通过括号分组匹配到的

(1) 捕获用法

• 表示对匹配的字符串进行分组

'adobe cs9cs10, adobe cs11'.match(/([a-z]+d+)+/);
// ["cs9cs10", "cs10"]
// 注意{2,}是对 括弧内的匹配 的描述

• 与|一起使用表示选择性

"he is 12. she is 13. it's box".match(/(it|she|he)s+is/g);
// ["he is", "she is"]

• 表示对匹配的字符串捕获

'adobe cs9'.match(/[a-z]+d+/);
// ["cs9"]
'adobe cs9'.match(/[a-z]+(d+)/);
// ["cs9", "9"]

• 表示对匹配的字符串反向引用，引用从 1 开始，从正则左侧第一个左括号（当然要是闭合的括号才行）开始计算，每多一对括号，引用数加一，在非捕获情况下不会加一。但正则比较复杂时，减少引用可以提升匹配性能，关于 非捕获 下方会详细介绍
  引用的结果可以通过 构造函数 RegExp 获取，即 RegExp.9

'Can you can a can as a canner can can a can?'.match(/([cC]an+)s+1/g);
// ["can can"]
// 注意 `1` 等价于正则里的 `([a-z]+)`，即与下面示例相同
'Can you can a can as a canner can can a can?'.match(/[cC]an+s+[cC]an+/g);
// ["can can"]

// 如果把括弧去掉可以看下结果
'Can you can a can as a canner can can a can?'.match(/[cC]an+s+1/g);
// null

(2) 非捕获用法，以(?)形式出现

• (?:n ) 表示非捕获组

// 不使用括号时
'adobe12ps15test'.match(/[a-z]+d+[a-z]+/);
// ["adobe12ps"]

//使用括号分组
'adobe12ps15test'.match(/[a-z]+(d+)([a-z]+)/);
// ["adobe12ps", "12", "ps"]

'adobe12ps15test'.match(/[a-z]+(?:d+)([a-z]+)/);
// ["adobe12ps", "ps"]

看起来上面语句不用(?:)也可以得到相同结果，即：

'adobe12ps15test'.match(/[a-z]+d+([a-z]+)/);
// ["adobe12ps", "ps"]

但需求希望匹配字母之间的规则复杂时，如希望匹配字母，且字母之间可以为1或3时，但不需要1和3

'adobe11ps15test'.match(/[a-z]+(1|3)+([a-z]+)/);
// ["adobe11ps", "1", "ps"]

返回中不希望包含数字怎么办，可以使用非捕获

'adobe11ps15test'.match(/[a-z]+(?:1|3)+([a-z]+)/);
// ["adobe11ps", "ps"]

• (?=n ) 匹配任何其后紧跟字符n的字符串，但返回中不包含n

'adobe12ps15test'.match(/[a-z]+(?=d)/g);
// ["adobe", "ps"]

• (?!n ) 匹配任何其后没有紧跟字符n的字符串，返回中不包含n

'adobe12ps15test'.match(/[a-z]+(?!d)/g);
// ["adob", "p", "test"]

• (?<=n ) 匹配任何其前紧跟字符n的字符串，返回中不包含n

'adobe12ps15test'.match(/(?<=d)[a-z]+/g);
// ["ps", "test"]

•  (?<!n ) 匹配任何其前紧跟字符n的字符串，返回中不包含n

'adobe12ps15test'.match(/(?<!d)[a-z]+/g);
// ["adobe", "s", "est"]

(3) 注意

• 如果希望对上面特殊字符本身进行匹配，需要在其前面添加进行转移

'11+2=13'.match(/d++/g); 
// ["11+"]
'(11+2)*2=26'.match(/(d++d+)/g); 
// ["(11+2)"]

• 举例

// 注意下面两个表达式返回的结果
'path C:WindowsSystem32'.match(/([a-zA-Z]:\w+)/g); 
// null
'path C:\Windows\System32'.match(/([a-zA-Z]:\w+)/g); 
// ["C:Windows"]

说明：在申明字符串 'path C:WindowsSystem32' 时，其中的 '' 就已经被当做转移符，既是 'W' ==='W',所以如果希望申明的字符串中包含反斜线，需要在加一个反斜线转义，即

6. 正则相关方法

(1) RegExp对象相关方法

(2) String对象相关方法

(3) replace 具体用法

顾名思义，是字符串替换方法，但用法比较广泛。

• 基本用法

直接传入字符串进行替换，找到子串后只替换一次，举例：

'adobe abc'.replace('b', '_')
// "ado_e abc"
// 注意 第二个 b 没有被替换

如果希望全部替换，可以使用正则表达式并用全局修饰符 g 方式，举例：

'adobe abc'.replace(/b/g, '_')
// "ado_e a_c"

• 高级用法

第二个参数可以使用 function，其中有三个参数，分别为 匹配的字符串、当前匹配的字符串index值、匹配的源字符串，最终结果根据每次匹配结果进行相应的替换。

'adobe aacc bbaa'.replace(/a+/g, function(str, index, source){
    if(index > 0){
        return str.toUpperCase();
    } else {
        return str;
    }
});
// "adobe AAcc bbAA"

三、案例分析

1. 常见匹配

在写正则之前，需要注意以下几点：

• 一定要清楚期望的规则是什么，不然无从匹配
• 有些正则不只一种写法，要注意简短干练，复杂的正则表达式不仅难懂，而且容易出BUG，性能也不是很好
• 正则虽好，可要适度。有些字符串处理不一定适合用正则