正则表达式-理论基础篇

jopen 9年前

正则表达式-理论基础篇

  • 什么是正则表达式?
    可以称作规则一个描述字符模式的对象，正则表达式中的字母和数字，都是按照字面含义进行匹配的。强大的字符串匹配工具

  • 如何建立一个正则表达式？

  1. 使用RegExp()构造函数来创建RegExp对象

  2. 特殊的直接量语法来创建，定义为包含在一对斜杠（/）之间的字符

例：var reg = /s$/;,var reg = new RegExp(s$);
两者效果完全相同，用来匹配所有以字母“s”结尾的字符串。

“文本模式”的正则表达式语法

1.直接量字符

非字母的字符匹配，这些字符需要通过反斜线（\）作前缀进行转义.

字 符 匹 配
字母和数字字符 自身
\o NUL字符
\t 制表符
\n 换行符
\v 垂直制表符
\f 换页符
\r 回车符
\xnn 由十六进制数nn指定的拉丁字符,例:\x0A等价于\n
\uxxxx 由十六进制数xxxx指定的unicode字符,例:\u0009等价于\t
\cX 控制字符^X,例:\cJ等价于换行符\n

  • 具有特殊含义的标点符号:

^,$,.,*,+,?,=,!,:,|,\,/,(,),[,],{,}

想在正则表达式中使用这些字符的直接量进行匹配，则必须使用前缀"\"，其他标点符号(比如@和引号)无特殊含义，在正则表达式中按照字面含义进行匹配。

2.字符类.

方括号,或,范围

将直接量字符单独放进方括号内就组成了字符类。一个字符类可以匹配它包含的任意字符。字符类可以使用连字符来表示字符范围。

字 符 含 义
[...] 方括号内的任意字符
[^...] 不在方括号内的任意字符
. 除换行符合其他unicode行终止符之外的任意字符
\w 任何ASCII符组成的的单词,等同[a-zA-Z0-9]
\W 任何不是ASCII符组成的的单词,等同[^a-zA-Z0-9]
\s 任何unicode空白字符
\S 任何非unicode空白符的字符,注意\W与\s不同
\d 任何ASCII数字等价于[0-9]
\D 除了ASCII数字之外的任何字符,等价于[^0-9]
[\b] 退格直接量(特例)

  • 例:

    • /[a,b,c]/:表示和字母"a","b","c"中的任意一个都匹配

    • /[a-z]/:匹配拉丁字母表中的小写字母

    • /[/s/d]/:匹配任意空白符或数字

    </li> </ul>

    3. 重复

    用以指定字符重复的标记

    字 符 含 义
    {n,m} 匹配前一项至少n次,但不能超过m次
    {n,} 匹配前一项n次或者更多次
    {n} 匹配前一项n次
    ? 匹配前一项0次或者1次(也就是前一项是可选的,等价于{0,1})
    + 匹配前一项1次或者多次(等价于{1,})
    * 匹配前一项0次或者多次,等价于{0,}

    • 例:

      • /\d{2,4}/:匹配2-4个数字。

      • /\w[3]/d?/:精确匹配三个单词和一个可选的数字。

      • /\s+java\s+/:匹配前后有1个或多个空格的字符串"java"

      • /[^(]*/:匹配0个或多个非左括号的字符(这里实际上能与"("匹配)

      </li>

    • 在使用"*",和"?"时要注意,由于这些字符能匹配0个字符,因此它们允许什么都不匹配，例:

      • /a*/能匹配字符串"bbbb"，因其含有0个a。

        • </ul> </li>

      • 上表中列出的匹配字符为"贪婪的"匹配，它总是尽可能多地匹配,且允许后续的正则表达式继续匹配。

      • 非贪婪匹配,只需在待匹配的字符后跟随一个问号即可,"?",+?,*?或{1,5}?。例:

        • /a+/:匹配"aaa"时,三个字符都被匹配,

        • /a+?/:匹配"aaa"时,因其尽可能少的匹配,只能匹配第一个a

          • </ul> </li> </ul>

          4.选择-分组和引用

          包括：指定选择项，自表达式分组，和引用前一子表达式的特殊字符

          • 选择项的尝试匹配次序是从左到右，直到发现匹配项，若左边成功匹配就忽略右边的项。

          • 正则表达式中圆括号的作用：

            1. 把单独的项组成子表达式，以便于可以像处理独立单元一样，用\|,*,+或者?等等来对单元内的项进行处理

            2. 在完整的模式中定义子模式

            3. 允许在同一正则表达式的后部,引用前面的子表达式

          字 符 含 义
          `"|" (这里是竖线)选择,匹配的是该符号左边的子表达式或右边的子表达式
          (...) 组合,将几个项组合成为一个单元,这个单元可通过`\ ,*,+或者?`等符号,加以修饰,而且可以记住和这个相匹配的字符串以供以后的引用使用
          (?:..) 只组合,把项组合到一个单元,但不记忆与该组相匹配的字符
          \n 和第n个分组第一次匹配的字符相匹配,组是圆括号中的子表达式(也有可能嵌套的),组索引是从左到右的左括号数,"(?:形式的分组不编码"

          • 例:

            • /ab|cd|ef/:可以匹配"ab",也可以匹配"cd",还可以匹配"ef".

            • /\d{3}|[a-z]{4}/:可以匹配3个数字,或者4个小写字母.

            • (/[a-z]+(\d+)/):匹配一个或多个小写字母后跟随了一位或多位数字,使用括号包裹后,可以从检索到的匹配中抽取数字了.

            </li> </ul>

            5.指定匹配位置

            我们称这些元素为正则表达式的锚,它们将模式定位在搜索字符串的特定位置上.

            字 符 含 义
            ^ 匹配字符串的开头,在多行检索中,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 匹配一个单词边界,简言之,就是位于字符\w和\W之间的位置,或位于字符\w和字符串的开头或结尾之间的位置(需要注意:[\b]匹配的是退格符)
            \B 匹配非单词边界的位置

            • 例:

              • /^JavaScript$/:匹配"JavaScript"单词

              • /\B[Ss]cript/:与"JavaScript"和"/postscript"匹配,但不与"script"与"Script".

              </li> </ul>

              6.修饰符

              说明高级匹配的规则,放在"/"符号之外,第二条斜线后

              字 符 含 义
              i 执行不区分大小写的匹配
              g 执行一个全局匹配,简言之,就是要找到所有的匹配,而不是在找到一个之后就停止
              m 多行匹配模式,^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

              • 例:

                • /java$/im:可以匹配"java"也可以匹配"Java\nis fun"

                </li> </ul>

                用于模式匹配的string方法

                正则表达式的作用就是用来解析字符串

                1.search():

                • 查找字符串,接受一个参数为正则表达式,返回返回一个与之匹配的子串的起始位置,若未找到返回-1.

                • 例:JavaScript.search(/script/i);//返回4

                • search()方法不支持全局属性检索,所以会忽略修饰符g

                2.replace():

                • 用以执行检索与替换操作,接受两个参数,第一个参数是一个正则,第二个是要进行替换的字符串

                • 若第一个参数是字符串,replace()则会直接搜索这个字符串

                • 若替换字符串中出现了$加数字,那么replace()将用与指定的子表达式相匹配的文本来替换这两个字符.

                例: 

                text.replace(/javascript/gi,"JavaScript");//将所有不区分大小写的javascript都替换成,大小写正确的JavaScript.    //一段引用文本起始于引号,结束与引号.  //中间的内容区域,不能包含引号  var quote = /"([^"]*)"/g;  //引用中文半角引号替换英文引号,同时要保持引号之间的内容(储存在$1中)没有被修改.  text.replace(quote,'“$1”');

                3.match()

                • 接受唯一一个参数,就是正则表达式,返回的是一个由匹配结果组成的数组.例:

                  • "1 plus 2 equals 3".match(/\d+/g);//返回["1","2","3"]

                  </li>

                • 若在这个正则表达式中没有设置修饰符g,match()就不会进行全局检索,它只检索第一个匹配。但即使match()执行的不是全局检索，它也返回一个数组。在这种情况下，数组的第一个元素就是匹配的字符串，余下的元素则是正则表达式中用圆括号括起来的子表达式。

                • 因此，如果macth()返回一个数组a，那么a[0]存放的是完整的匹配，a[1]存放的是与第一个圆括号括起来的表达式相匹配的子串，以此类推。为了和方法replace()保持以后，a[n]存放的是$n的内容。

                • 例:解析一个url

                  • </ul> 
                  var url = /(\w+):\/\/([\w.]+)\/(\S*)/;  var text = "Visit my blog at http://www.example.com/~david";    var result = text.match(url);    if (result != null) {      var fullurl = result[0]; //包含 "http://www.example.com/"      var protocol = result[1]; //包含 "http"      var host = result[2]; //包含 "www.example.com"      var path = result[3]; //包含~david  }

                  4.split()

                  • 用以将调用它的字符串拆分为子串组成的数组,使用分隔符是split()的参数

                  • 参数为字符串

                    • "123,456,789".split(",");//返回["123","456","789"]

                    </li>

                  • 参数为正则

                    • "1,2, 3,4 ,5".split(/\s*,\s*/)//返回["1","2"," 3","4 ","5"]

                    • 指定分隔符",",允许两边可以留有任意多的空白符

                      • </ul> </li> </ul>

                      RegExp对象

                      • RegExp对象用以创建新的RegExp对象,可接受两个参数,第二个可选.

                      • RegExp对象的第一个参数为正则表达式的主体部分,也就是/...../之间的文本,无论是字符串直接量,还是正则表达式都使用"\"作为转义字符的前缀.

                      • 第二个可选参数为指定正则表达式的修饰符,i,g,m或者他们的组合.参考:文本模式的则表达式-修饰符
                        例: 

                      var reg = new RegExp("\\d{5}","g");//匹配全局模式下的5个数字  alert(reg.test("1J2a35786"));//true  alert(reg.test("1J2a356"));//false

                      RegExp属性

                      属性名 类型 含义
                      source 只读字符串 包含正则表达式的文本
                      global 只读布尔值 用以说明正则表达式是否带有修饰g
                      ignoreCase 只读布尔值 用以说明正则表达式是否带有修饰i
                      multiline 只读布尔值 用以说明正则表达式是否带有修饰m
                      lastIndex 可读性的整数 若匹配模式中含有g,这个属性储存在整个字符串中下一次检索的开始位置

                      来自：http://segmentfault.com/a/1190000003977848