序章
本专栏主要介绍JavaScript
正则表达式。读完整篇文章你将获得三部分内容: 了解正则表达式语法;在IDE
中使用正则处理复杂的字符串查找和替换需求;在javaScript
程序设计中使用正则处理字符串。
什么是正则表达式
Regular Expression 使用单个字符串
来描述、匹配一系列符合某个句法规则
的字符串。
例如,find ./ -name *.txt
在当前目录下通过name查找所有的txt文件,*是任意的意思。
正则表达式工具及使用
-
知识点速读
-
\d
-> 数字 -
\d?
-> 0个或者1个 -
\d+
-> 1个或者多个 -
\d{3}
-> 3个 -
\d{3,5}
-> 3到5个 -
\d*
-> 任意个,可以0个、1个或者任意个 -
匹配字符串
ide里面替换字符串,搜索字符串,有些也支持正则检索。
He is a good boy.
This is a test.
Where are you ?
Display is also a noun.
What is your name?
把代码中所有的is替换成大写的IS,直接搜索,this也会匹配上。如果写成\bis\b
,就可以准确检索到is。\b
是单词边界。
图形工具中所示:
- 匹配收尾有特征字符串
去掉http协议的jpg文件的协议头
https://img.host.com/images/swwswssw.jpg
http://img.host.com/images/rrtyyee.jpg
https://img.host.com/images/kkgfggh.jpg
https://img.host.com/images/hjjjgff.jpg
https://img.host.com/images/qwarrr.jpg
http://img.host.com/images/rgdgegg.jpg
https://img.host.com/images/ffghhgd.jpg
首先,找到匹配的内容http:\/\/.+\.jpg
,.
在正则中表示任意字符的意思。注意处理任意字符,需要严格查找的都要把特殊字符转义一下。
图形工具中所示:
http:
,那就要用分组
这个方法,http:(\/\/.+\.jpg)
括号就是分组,括号里面的内容是$1
,把http:
,排除在外面。图形工具中所示:
用$1
去替换http:(\/\/.+\.jpg)
就能满足要求。
https://img.host.com/images/swwswssw.jpg
//img.host.com/images/rrtyyee.jpg
https://img.host.com/images/kkgfggh.jpg
https://img.host.com/images/hjjjgff.jpg
https://img.host.com/images/qwarrr.jpg
//img.host.com/images/rgdgegg.jpg
https://img.host.com/images/ffghhgd.jpg
- 日期替换
2006/02/03
test/07/sd
2016/05/10
1998-03-07
12345/23/45678
1234/23/45678
12345/23/45
首先,先找出符合日期格式的条目,正则表达式为\d{4}[/-]\d{2}[/-]\d{2}
,图形工具中所示:
test/07/sd
所有的都能匹配到。比如,12345/23/45678
中的2345/23/45
也满足要求。 接下来,要区分下满足条件的数字。只能从头开始匹配4个字母,结尾部分匹配,正则表达式为^\d{4}[/-]\d{2}[/-]\d{2}$
,图形工具中所示:
最后,捕获一下匹配的年月日,(\d{4})[/-](\d{2})[/-](\d{2})
,格式替换成$1-$2-$3
。2006/02/03
会被替换成2006-02-03
。
认识正则表达式
JavaScript通过内置对象RegExp支持正则表达式。 有俩种方法实例化RegExp对象,字面量
和构造函数
。
例如,把字符串中的小写is
替换成大写IS
。
- 字面量
var reg = /\bis\b/g
'she is a happy girl. where is she?'.replace(reg,'IS') //"she IS a happy girl. where IS she?"
- 构造函数
var reg = new RegExp('\\bis\\b','g')
'she is a happy girl. where is she?'.replace(reg,'IS') //"she IS a happy girl. where IS she?"
修饰符
- g:global 全文搜索,不添加,搜索到第一个匹配停止。
- i:ignore case 忽略大小写,默认大小写敏感
'she is a happy girl. where Is she?'.replace(/\bis\b/g,'0') // "she 0 a happy girl. where Is she?"
'she is a happy girl. where Is she?'.replace(/\bis\b/gi,'0') // "she 0 a happy girl. where 0 she?"
- m: multiple lines 多行搜索
元字符
- 正则表达式由俩钟基本字符类型组成:
原义文本字符
和元字符
- 元字符是在正则表达式中有特殊含义的非字母字符,例如
\b
,意思不是字母b,而是单词边界。特殊字符有* + ? $ ^ . | \ ( ) { } [ ]
字符 | 含义 |
---|---|
\t | 水平制表符 |
\v | 垂直制表符 |
\n | 换行符 |
\r | 回车符 |
\0 | 空字符 |
\f | 换页符 |
\cX | 与X对应的控制字符(Ctrl + X) |
字符类
- 一般情况下正则表达式一个字符对应字符串一个字符
- 表达是ab\t的含义如下所示,和我们的正则表达式是一一对应的
- 匹配某类字符如何处理?
使用元字符[]
来构建一个简单的类。所谓的类是指符合某些特性的对象,一个泛指,而不是特指某个字符。表达式[abc]
把字符a
或b
或c
归为一类,表达式可以匹配这类的字符。
'a1b2c3d4'.replace(/[abc]/g,'X') // "X1X2X3d4"
- 字符类取反
使用元字符
^
创建,反向类/负向类
。反向类的意思是不属于某类的内容,例如,表达式[^abc]
表示不是字符a或b或c
的内容。
'a1b2c3d4'.replace(/[^abc]/g,'X') // "aXbXcXXX"
范围类
- 正则表达式提供了范围类,可以使用
[a-z]
来链接俩个字符,表示从a到z的任意字符。注意[a-z]
是个闭区间,包含a和z本身。
'a1b2d3x4z9'.replace(/[a-z]/g,'Q') //"Q1Q2Q3Q4Q9"
- 在
[]
组成的类内部是可以连写的,比如匹配大小写[a-zA-Z]
。
'a1b2d3x4z9DGHJKLL'.replace(/[a-z]/g,'Q') //"Q1Q2Q3Q4Q9DGHJKLL"
'a1b2d3x4z9DGHJKLL'.replace(/[a-zA-Z]/g,'Q') //"Q1Q2Q3Q4Q9QQQQQQQ"
- 匹配数字
'2020-05-07'.replace(/[0-9]/g, 'A') //"AAAA-AA-AA"
如果日期中的-
线也想匹配,如下所示,第一个-
表示范围,第二个 -
表示字符原本的意思。
'2020-05-07'.replace(/[0-9-]/g, 'A') //"AAAAAAAAAA"
预定义类及边界
字符 | 等价类 | 含义 |
---|---|---|
. | [^\r\n] | 除回车符和换行符之外的所有字符 |
\d | [0-9] | 数字字符 |
\D | [^0-9] | 非数字字符 |
\s | [\t\n\x0B\f\r] | 空白符 |
\S | [^\t\n\x0B\f\r] | 非空白符 |
\w | [a-zA-Z_0-9] | 单词字符(字母、数字和下划线) |
\W | [^a-zA-Z_0-9] | 非单词字符 |
- 匹配一个ab+数字+任意字符的字符串
ab[0-9][^\r\n]
用预定义类表达更加简便ab\d.
- 正则表达式还提供了一个常用的边界匹配字符
字符 | 含义 |
---|---|
^ | 以xxx开始 |
$ | 以xxx结束 |
\b | 单词边界 |
\B | 非单词边界 |
\b和\B
'This is a boy'.replace(/is/g, '0') // "Th0 0 a boy"
'This is a boy'.replace(/\bis\b/g, '0') //"This 0 a boy"
'This is a boy'.replace(/\Bis\b/g, '0') // "Th0 is a boy"
^和$
'@123@abc@'.replace(/@./g,'Q') // "Q23Qbc@"
'@123@abc@'.replace(/^@./g,'Q') // "Q23@abc@"
'@123@abc@'.replace(/.@/g,'Q') // "@12QabQ"
'@123@abc@'.replace(/.@$/g,'Q') // "@123@abQ"
多行匹配m,g只能匹配单行的所有字符,多行需要m。
量词
- 我们希望匹配一个连续出现20次数字的字符串,如果这样写
\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d\d
,会非常麻烦。如果匹配100次呢?显然这样处理不合理。 - 那么用量词表示应该为
\d{20}
字符 | 含义 |
---|---|
? | 出现零次或一次(最多出现一次) |
+ | 出现一次或多次(至少出现一次) |
* | 出现零次或多次(任意次) |
{n} | 出现n次 |
{n,m} | 出现n到m次 |
{n,} | 至少出现n次 |
JS正则贪婪模式与非贪婪模式
- 贪婪模式
如下所示,应该匹配3次还是6次,还是中间的4或者5次?其实是6次,尽可能多的匹配。
'12345678'.replace(/\d{3,6}/g, 'X') // "X78"
- 非贪婪模式
让正则表达式尽可能少的匹配,也就是说一旦成功匹配不再继续尝试。在{}
后面加个?
就是非贪婪模式{}?
。
'12345678'.replace(/\d{3,6}?/g, 'X') // "XX78"
'123456789'.match(/\d{3,5}?/g) // ["123", "456", "789"]
分组
- 使用
()
可以达到分组的功能,使量词作用于分组。
例如,匹配字符串Byron
连续出现3次的场景(Byron){3}
。
// 没有替换成功,这个意思是匹配连续出现3个数字,然后进行替换
'a1b2c3d4'.replace(/[a-z]\d{3}/g, 'X') // "a1b2c3d4"
// 应该进行分组
'a1b2c3d4'.replace(/([a-z]\d){3}/g, 'X') // "Xd4"
- 或
使用|
可以达到或的效果。例如,Byron|Casper
,俩个分支都可以。
Byr(on|Ca)sper
。
'ByronCasper'.replace(/Byron|Casper/g, 'X') // "XX"
'ByronsperByrCasper'.replace(/Byr(on|Ca)sper/g, 'X') // "XX"
- 反向引用
题目:2015-12-25 => 12/25/2015
// \d{4}-\d{2}-\d{2} 可以匹配到2015-12-25,但是要获取到具体对像。
// 加上括号,进行分组,就可以捕获到对象。
'2015-12-25'.replace(/(\d{4})-(\d{2})-(\d{2})/g, '$2/$3/$1') // "12/25/2015"
- 忽略分组
不希望捕获某些分组,只需要在分组内加上
?:
就可以。 例如(?:Byron).(ok)
,ok为group1,前面Byron分组被忽略了。
前瞻
- 正则表达式从文本头部向尾部开始解析,文本尾部方向称为
前
前瞻
就是在正则表达式匹配到规则的时候,向前检查是否符合断言,后顾/后瞻
方向相反。- JavaScript不支持
后顾
- 符合和不符合特定断言称为
肯定/正向
匹配和否定/负向
匹配
名称 | 正则 | 含义 |
---|---|---|
正向前瞻 | exp(?=assert) | |
负向前瞻 | exp(?!assert) | |
正向后顾 | exp(?<=assert) | JavaScript不支持 |
负向后顾 | exp(?<!assert) | JavaScript不支持 |
正向前瞻,例如\w(?=\d)
,表示前面任意一个单词,找到后,判断下后面一个是不是数字。
'a2*3'.replace(/\w(?=\d)/g, 'X') // "X2*3"
'a2*34v8'.replace(/\w(?=\d)/g, 'X') // "X2*X4X8"
'a2*34vv'.replace(/\w(?=\d)/g, 'X') // "X2*X4vv"
'a2*34vv'.replace(/\w(?!\d)/g, 'X') // "aX*3XXX"
JS对象属性
- g:global 全文搜索,不添加,搜索到第一个匹配停止。默认false。
- i:ignore case 忽略大小写,默认大小写敏感。默认false。
- m: multiple lines 多行搜索,默认false。
- lastIndex: 是当前表达是匹配内容的最后一个字符的下一个位置
- source: 正则表达式的文本字符串
var reg1 = /\w/;
var reg2 = /\w/gim ;
reg1.global // false
reg1.ignoreCase // false
reg1.multiline // false
reg2.global // true
reg2.ignoreCase // true
reg2.multiline // true
reg1.source // "\w"
reg2.source // "\w"
test和exec方法
RegExp.prototype.test(str)
用于测试字符串参数中是否存在匹配正则表达式模式的字符串。如果存在就返回true,否则就返回false。
reg1.test('a') // true
reg1.test('$') // false
RegExp.prototype.exec(str)
使用正则表达式模式对字符串执行搜索,并将更新全局RegExp对象的属性以反映匹配结果。如果没有匹配的文本则返回null,否则返回一个结果数组。
- index 声明匹配文本的第一个字符的位置
- input 存放被检索的字符串 string
- 非全局调用
调用非全局的RegExp对象的exec()时,返回数组。第一个元素是与正则表达式相匹配的文本。第二个元素是与RegExpObject的第一个子表达式相匹配的文本(如果有的话)。第三个元素是与RegExp对象的第二个子表达式相匹配的文本(如果有的话),一次类推。
字符串对象方法
String.prototype.search(str)
search()方法用于检索字符串中指定的子字符串,或检索于正则表达式相匹配的子字符串。方法返回第一个匹配结果index,查找不到返回-1。search()方法不执行全局匹配,它将忽略标志g,并且总是从字符串的开始进行检索。
'a1b2c3d1'.search('1') // 1
'a1b2c3d1'.search('10') // -1
'a1b2c3d1'.search(1) // 1
'a1b2c3d1'.search(/1/) // 1
'a1b2c3d1'.search(/1/g) // 1
String.prototype.match(str)
match()方法将检索字符串,以找到一个或多个与regexp匹配的文本。regexp是否具有标志g对结果影响很大。
非全局调用:如果regexp没有标志g,那么match()方法就只能在字符串中执行一次。如果没有找到任何匹配的文本,返回null。否则将返回一个数组,其中存放了与它找到的匹配的文本有关的信息。
返回的数组的第一个元素存放的是匹配文本,而其余的元素存放的是与正则表达式的子表达式匹配的文本。
除了常规的数组元素之外,返回的数组还包含有2个对象属性。
index 声明匹配文本的起始字符在字符串的位置
input 声明对stringObject的引用
全局调用:如果regexp具有标志g则match()方法将执行全局检索,找到字符串中的所有匹配子字符串。如果没有找到任何匹配的文本,返回null。如果找到了一个或多个匹配字符串,则返回一个数组。数组元素中存放的是字符传中所有的匹配子串,而且也没有index属性或input属性。
String.prototype.split(str)
我们经常使用split方法把字符串分割为字符数组。
'a,b,c,d'.split(','); // ["a", "b", "c", "d"]
在一些复杂的分割情况下我们可以使用正则表达式解决。
'a1b2c3d'.split(/\d/); // ["a", "b", "c", "d"]
String.prototype.replace(str)
String.prototype.replace(str, replaceStr)
String.prototype.replace(reg, replaceStr)
String.prototype.replace(reg, function)
function参数含义:function会在每次匹配替换的时候调用,有四个参数:匹配字符串;正则表达是分组内容,没有分组则没有该参数;匹配想在字符串中的index;原字符串。
'a1b2c3d4'.replace(/\d/g, fucntion(match,index,origin){
console.log(match,index,origin);
return pasreInt(match)+1;
})
'a1b2c3d4e5'.replace(/(\d)(\w)(\d)/g, function(match,group1,group2,group3,index,origin){
console.log(match,group1,group2,group3,index,origin);
return group1 + group3;
})