RegExp

Mr.Hope ... 2019-10-13 JavaScript 大约 7 分钟

# RegExp

字符串是编程时涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的 Email 地址,虽然可以编程提取 @ 前后的子串,再分别判断是否是单词和域名,但这样做不但麻烦,而且代码难以复用。

# 正则表达式介绍

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。

所以我们判断一个字符串是否是合法的 Email 的方法是:

  1. 创建一个匹配 Email 的正则表达式;

  2. 用该正则表达式去匹配用户的输入来判断是否合法。

因为正则表达式也是用字符串表示的,所以,我们要首先了解如何用字符来描述字符。

# 数字与字母

在正则表达式中,如果直接给出字符,就是精确匹配。用 \d 可以匹配一个数字,\w 可以匹配一个字母或数字,所以:

  • '00\d' 可以匹配 '007',但无法匹配 '00A'

  • '\d\d\d' 可以匹配 '010'

  • '\w\w' 可以匹配 'js'

# 任意字符

. 可以匹配任意字符,所以:

  • 'js.' 可以匹配 'jsp''jss''js!' 等等。

# 多个字符匹配

要匹配变长的字符,在正则表达式中,用 * 表示任意个字符(包括 0 个),用 + 表示至少一个字符,用 ? 表示 0 个或 1 个字符,用 {n} 表示 n 个字符,用 {n,m} 表示 n-m 个字符:

来看一个复杂的例子: \d{3}\s+\d{3,8}

我们来从左到右解读一下:

  1. \d{3} 表示匹配 3 个数字,例如 '010'

  2. \s 可以匹配一个空格(也包括 Tab 等空白符),所以 \s+ 表示至少有一个空格,例如匹配 ' ''\t\t' 等;

  3. \d{3,8} 表示 3-8 个数字,例如 '1234567'

综合起来,上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。

如果要匹配 '010-12345' 这样的号码呢?由于 '-' 是特殊字符,在正则表达式中,要用 '\' 转义,所以,上面的正则是 \d{3}\-\d{3,8}

但是,仍然无法匹配 '010 - 12345',因为带有空格。所以我们需要更复杂的匹配方式。

# 进阶

# 指定匹配范围

要做更精确地匹配,可以用 [] 表示范围,比如:

  • [0-9a-zA-Z\_] 可以匹配一个数字、字母或者下划线;

  • [0-9a-zA-Z\_]+ 可以匹配至少由一个数字、字母或者下划线组成的字符串,比如 'a100''0_Z''js2015' 等等;

  • [a-zA-Z\_\$][0-9a-zA-Z\_\$]* 可以匹配由字母或下划线、$ 开头,后接任意个由一个数字、字母或者下划线、$ 组成的字符串,也就是 JavaScript 允许的变量名;

  • [a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19} 更精确地限制了变量的长度是 1-20 个字符(前面 1 个字符+后面最多 19 个字符)。


A|B 可以匹配 AB,所以 (J|j)ava(S|s)cript 可以匹配 'JavaScript''Javascript''javaScript' 或者 'javascript'

# 头尾匹配

^ 表示行的开头,^\d 表示必须以数字开头。

$ 表示行的结束,\d$ 表示必须以数字结束。

您可能注意到了,js 也可以匹配 'jsp',但是加上 ^js$ 就变成了整行匹配,就只能匹配 'js' 了。

# 正则的使用

有了准备知识,我们就可以在 JavaScript 中使用正则表达式了。

JavaScript 有两种方式创建一个正则表达式:

  • 第一种方式是直接通过/正则表达式/写出来
  • 第二种方式是通过 new RegExp('正则表达式') 创建一个 RegExp 对象。

两种写法是一样的:

const re1 = /ABC\-001/;
const re2 = new RegExp("ABC\\-001");

re1; // /ABC\-001/
re2; // /ABC\-001/
1
2
3
4
5

注意

如果使用第二种写法,因为字符串的转义问题,字符串的两个 \\ 实际上是一个 \

先看看如何判断正则表达式是否匹配:

const re = /^\d{3}\-\d{3,8}$/;

re.test("010-12345"); // true
re.test("010-1234x"); // false
re.test("010 12345"); // false
1
2
3
4
5

RegExp 对象的 test() 方法用于测试给定的字符串是否符合条件。

# 切分字符串

用正则表达式切分字符串比用固定的字符更灵活,请看正常的切分代码:

"a b   c".split(" "); // ['a', 'b', '', '', 'c']
1

嗯,无法识别连续的空格,用正则表达式试试:

"a b   c".split(/\s+/); // ['a', 'b', 'c']
1

无论多少个空格都可以正常分割。加入,试试:

"a,b, c  d".split(/[\s\,]+/); // ['a', 'b', 'c', 'd']
1

再加入;试试:

"a,b;; c  d".split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd']
1

如果用户输入了一组标签,下次记得用正则表达式来把不规范的输入转化成正确的数组。

# 分组

除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用 () 表示的就是要提取的分组 (Group)。比如:

^(\d{3})-(\d{3,8})$ 分别定义了两个组,可以直接从匹配的字符串中提取出区号和本地号码:

const re = /^(\d{3})-(\d{3,8})$/;

re.exec("010-12345"); // ['010-12345', '010', '12345']
re.exec("010 12345"); // null
1
2
3
4

如果正则表达式中定义了组,就可以在 RegExp 对象上用 exec() 方法提取出子串来。

exec() 方法在匹配成功后,会返回一个 Array,第一个元素是正则表达式匹配到的整个字符串,后面的字符串表示匹配成功的子串。

exec() 方法在匹配失败时返回 null

提取子串非常有用。来看一个更凶残的例子:

const 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']
1
2
3

这个正则表达式可以直接识别合法的时间。但是有些时候,用正则表达式也无法做到完全验证,比如识别日期:

const re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/;
1

对于 '2-30''4-31' 这样的非法日期,用正则还是识别不了,或者说写出来非常困难,这时就需要程序配合识别了。

# 贪婪匹配

需要特别指出的是,正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。举例如下,匹配出数字后面的 0:

const re = /^(\d+)(0*)$/;

re.exec("102300"); // ['102300', '102300', '']
1
2
3

由于 \d+ 采用贪婪匹配,直接把后面的 0 全部匹配了,结果 0* 只能匹配空字符串了。

必须让 \d+ 采用非贪婪匹配(也就是尽可能少匹配),才能把后面的 0 匹配出来,加个 ? 就可以让 \d+ 采用非贪婪匹配:

const re = /^(\d+?)(0*)$/;

re.exec("102300"); // ['102300', '1023', '00']
1
2
3

# 全局搜索

JavaScript 的正则表达式还有几个特殊的标志,最常用的是 g,表示全局匹配:

const r1 = /test/g;
// 等价于:
const r2 = new RegExp("test", "g");
1
2
3

全局匹配可以多次执行 exec() 方法来搜索一个匹配的字符串。当我们指定 g 标志后,每次运行 exec(),正则表达式本身会更新 lastIndex 属性,表示上次匹配到的最后索引:

const s = "JavaScript, VBScript, JScript and ECMAScript";
const 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,直到结束仍没有匹配到
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

全局匹配类似搜索,因此不能使用 /^...$/,那样只会最多匹配一次。

正则表达式还可以指定 i 标志,表示忽略大小写,m 标志,表示执行多行匹配。

# 正则小结

正则表达式非常强大,要在短短的一节里讲完是不可能的。要讲清楚正则的所有内容,可以写一本厚厚的书了。如果您经常遇到正则表达式的问题,您可能需要一本正则表达式的参考书。

提示

有兴趣的同学可以查看菜鸟教程上关于正则表达式的介绍