正則屬性方法 : http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp
字符串是編程時涉及到的最多的一種數據結構,對字符串進行操作的需求幾乎無處不在。比如判斷一個字符串是否是合法的Email地址,雖然可以編程提取@
前后的子串,再分別判斷是否是單詞和域名,但這樣做不但麻煩,而且代碼難以復用。
正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則,凡是符合規則的字符串,我們就認為它“匹配”了,否則,該字符串就是不合法的。
所以我們判斷一個字符串是否是合法的Email的方法是:
創建一個匹配Email的正則表達式;
用該正則表達式去匹配用戶的輸入來判斷是否合法。
因為正則表達式也是用字符串表示的,所以,我們要首先了解如何用字符來描述字符。
在正則表達式中,如果直接給出字符,就是精確匹配。用\d
可以匹配一個數字,\w
可以匹配一個字母或數字,所以:
'00\d'
可以匹配'007'
,但無法匹配'00A'
;'\d\d\d'
可以匹配'010'
;'\w\w'
可以匹配'js'
;
.
可以匹配任意字符,所以:
-
'js.'
可以匹配'jsp'
、'jss'
、'js!'
等等。
要匹配變長的字符,在正則表達式中,用*
表示任意個字符(包括0個),用+
表示至少一個字符,用?
表示0個或1個字符,用{n}
表示n個字符,用{n,m}
表示n-m個字符:
來看一個復雜的例子:\d{3}\s+\d{3,8}
。
我們來從左到右解讀一下:
\d{3}
表示匹配3個數字,例如'010'
;\s
可以匹配一個空格(也包括Tab等空白符),所以\s+
表示至少有一個空格,例如匹配' '
,'\t\t'
等;\d{3,8}
表示3-8個數字,例如'1234567'
。
綜合起來,上面的正則表達式可以匹配以任意個空格隔開的帶區號的電話號碼。
如果要匹配'010-12345'
這樣的號碼呢?由于'-'
是特殊字符,在正則表達式中,要用'\'
轉義,所以,上面的正則是\d{3}\-\d{3,8}
。
但是,仍然無法匹配'010 - 12345'
,因為帶有空格。所以我們需要更復雜的匹配方式。
進階
要做更精確地匹配,可以用[]
表示范圍,比如:
[0-9a-zA-Z\_]
可以匹配一個數字、字母或者下劃線;[0-9a-zA-Z\_]+
可以匹配至少由一個數字、字母或者下劃線組成的字符串,比如'a100'
,'0_Z'
,'js2015'
等等;[a-zA-Z\_\$][0-9a-zA-Z\_\$]*
可以匹配由字母或下劃線、$開頭,后接任意個由一個數字、字母或者下劃線、$組成的字符串,也就是JavaScript允許的變量名;[a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}
更精確地限制了變量的長度是1-20個字符(前面1個字符+后面最多19個字符)。
A|B
可以匹配A或B,所以(J|j)ava(S|s)cript
可以匹配'JavaScript'
、'Javascript'
、'javaScript'
或者'javascript'
。
^
表示行的開頭,^\d
表示必須以數字開頭。
$
表示行的結束,\d$
表示必須以數字結束。
你可能注意到了,js
也可以匹配'jsp'
,但是加上^js$
就變成了整行匹配,就只能匹配'js'
了。
RegExp
有了準備知識,我們就可以在JavaScript中使用正則表達式了。
JavaScript有兩種方式創建一個正則表達式:
第一種方式是直接通過/正則表達式/
寫出來,第二種方式是通過new RegExp('正則表達式')
創建一個RegExp對象。
兩種寫法是一樣的:
var re1 = /ABC\-001/;
var re2 = new RegExp('ABC\\-001');
re1; // /ABC\-001/
re2; // /ABC\-001/
注意,如果使用第二種寫法,因為字符串的轉義問題,字符串的兩個\\
實際上是一個\
。
先看看如何判斷正則表達式是否匹配:
var re = /^\d{3}\-\d{3,8}$/;
re.test('010-12345'); // true
re.test('010-1234x'); // false
re.test('010 12345'); // false
RegExp對象的test()
方法用于測試給定的字符串是否符合條件。
切分字符串
用正則表達式切分字符串比用固定的字符更靈活,請看正常的切分代碼:
'a b c'.split(' '); // ['a', 'b', '', '', 'c']
嗯,無法識別連續的空格,用正則表達式試試:
'a b c'.split(/\s+/); // ['a', 'b', 'c']
無論多少個空格都可以正常分割。加入,
試試:
'a,b, c d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd']
再加入;
試試:
'a,b;; c d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd']
如果用戶輸入了一組標簽,下次記得用正則表達式來把不規范的輸入轉化成正確的數組。
分組
除了簡單地判斷是否匹配之外,正則表達式還有提取子串的強大功能。用()
表示的就是要提取的分組(Group)。比如:
^(\d{3})-(\d{3,8})$
分別定義了兩個組,可以直接從匹配的字符串中提取出區號和本地號碼:
var re = /^(\d{3})-(\d{3,8})$/;
re.exec('010-12345'); // ['010-12345', '010', '12345']
re.exec('010 12345'); // null
如果正則表達式中定義了組,就可以在RegExp
對象上用exec()
方法提取出子串來。
exec()
方法在匹配成功后,會返回一個Array
,第一個元素是正則表達式匹配到的整個字符串,后面的字符串表示匹配成功的子串。
exec()
方法在匹配失敗時返回null
。
提取子串非常有用。來看一個更兇殘的例子:
var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/;
re.exec('19:05:30'); // ['19:05:30', '19', '05', '30']
這個正則表達式可以直接識別合法的時間。但是有些時候,用正則表達式也無法做到完全驗證,比如識別日期:
var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/;
對于'2-30'
,'4-31'
這樣的非法日期,用正則還是識別不了,或者說寫出來非常困難,這時就需要程序配合識別了。
貪婪匹配
需要特別指出的是,正則匹配默認是貪婪匹配,也就是匹配盡可能多的字符。舉例如下,匹配出數字后面的0
:
var re = /^(\d+)(0*)$/;
re.exec('102300'); // ['102300', '102300', '']
由于\d+
采用貪婪匹配,直接把后面的0
全部匹配了,結果0*
只能匹配空字符串了。
必須讓\d+
采用非貪婪匹配(也就是盡可能少匹配),才能把后面的0
匹配出來,加個?
就可以讓\d+
采用非貪婪匹配:
var re = /^(\d+?)(0*)$/;
re.exec('102300'); // ['102300', '1023', '00']
全局搜索
JavaScript的正則表達式還有幾個特殊的標志,最常用的是g
,表示全局匹配:
var r1 = /test/g;
// 等價于:
var r2 = new RegExp('test', 'g');
全局匹配可以多次執行exec()
方法來搜索一個匹配的字符串。當我們指定g
標志后,每次運行exec()
,正則表達式本身會更新lastIndex
屬性,表示上次匹配到的最后索引:
var s = 'JavaScript, VBScript, JScript and ECMAScript';
var re=/[a-zA-Z]+Script/g;
// 使用全局匹配:
re.exec(s); // ['JavaScript']
re.lastIndex; // 10
re.exec(s); // ['VBScript']
re.lastIndex; // 20
re.exec(s); // ['JScript']
re.lastIndex; // 29
re.exec(s); // ['ECMAScript']
re.lastIndex; // 44
re.exec(s); // null,直到結束仍沒有匹配到
全局匹配類似搜索,因此不能使用/^...$/
,那樣只會最多匹配一次。
正則表達式還可以指定i
標志,表示忽略大小寫,m
標志,表示執行多行匹配。