JavaScript Regular Expressions

一个 Regular Expression (正则表达式)是组成一个 search pattern (搜索模式/规则)的一系列字符，它是一个对象，可用于文本的查找和替换操作。

语法

由 pattern 和 modifier(s) 组成。

/pattern/modifiers;

经常使用到正则表达式的就是字符串方法 search() 和 replace()。

Modifiers

作为修饰语，可以单独使用，也可以多个组合起来使用。

• i, 表示 case-insensitive (大小写不敏感)的匹配，使用 ignoreCase 属性检查是否设置了该修饰符
• g, 全局搜索，找出所有匹配项（而不是在找到第一个匹配时，就停止查找），使用 global 属性检查是否设置了该修饰符
• m, 执行多行匹配，使用 multiline 属性检查是否设置了该修饰符

Patterns

表示字符区间的：

• [abc], 匹配在方括号之间的任意一个字符，如匹配一个标点符号：[.?!]，任何一个英文元音字母：[aeiou]
• [^abc], 匹配任何一个不在方括号内的字符
• [0-9], 在方括号之间的任何一个数字
• [^0-9], 任何不在方括号之间的一个数字

• x|y, 又称分枝条件，指的是有几种规则，如果满足其中任意一种由竖线分隔开的规则，都应该当成匹配。

  注意 x 和 y 条件的顺序很重要！因为匹配分枝条件时，会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它分支的条件了。

表示数量的：

• n+, contains at least one, 至少包含一个 n
• n*, contains zero or more occurrences of n, 包含 0 个或多个 n，贪婪匹配（匹配尽可能多的字符）
• n?, contains zero or one occurrences of n, 包含 0 个或 1 个 n，懒惰匹配（匹配尽可能少的字符）
• n{X}, contains a sequence of X n’s, 必须连续匹配 X 个 n
• n{X,Y}, contains a sequence of X to Y n’s，包含 X 到 Y 个连续的 n，不少于 X 个，不多于 Y 个
• n{X,}, contains a sequence of at least X n’s，重复匹配 X 次或更多次
• n$, any string with n at the end of it，n 在结尾处
• ^n, any string with n at the beginning of it，匹配输入开始位置的 n。如果多行匹配标志开启，则也匹配换行符后紧跟的位置
• ?=n, any string that is followed by a specific string n，后面跟着 n
• ?!n, any string that is not followed by a specific string n，后面不跟着 n

上面都是针对单个字符的重复匹配，如果要多个字符，就需要使用 (xxx)，用小括号来指定子表达式(也叫做分组)，然后就可以指定这个子表达式的重复次数，或进行其它操作。

字符转义：

有时需要查找元字符本身，比如 .，*，要使用反斜杠 \ 来消除这些字符的特殊意义。查找反斜杠本身，也要使用反斜杠，如：\\。

RegExp Object

创建正则表达式有2种方法：字面量和构造函数。

// 支持动态创建 regular expression
var re = /pattern/flags;
var re = new RegExp('pattern', 'flags');

// /ab+c/i; 以下方法等价
new RegExp('ab+c', 'i');
new RegExp(/ab+c/, 'i');

• 因为脚本加载后，正则表达式字面量就会被编译。当正则表达式保持不变时，使用字面量可以获得更好的性能。
• 如果正则表达式将会改变，或从另一个来源（如：用户输入）动态地产生，使用构造函数。

常用的正则对象的方法有： test() 和 exec()

/e/.test("The best things in lifr are free!");

不需要把正则表达式对象放在一个变量里，就可以使用 test() 方法。如果搜索字符串中有匹配，返回 true， 否则返回 false。

exec() 方法在字符串中查找匹配并返回一个数组；如果没有找到，返回 null。

返回结果具体含义：

• [0] The full string of characters matched
• [1],…[0] The parenthesized substring matches, if any如果有捕获表示组号
• index 表示 0-based 匹配字符串的索引
• input 为原始输入字符串

var reg = /\/\/([.a-zA-Z0-9]+)(.1688.com|.taobao.com|.tmall.com)/
var a = reg.exec('http://test.1688.com')
// a = ['//test.1688.com', 'test', '.1688.com', index: 5, input: 'http://test.1688.com']

实践

这里 有具体的正则表达式 reference。

推荐这篇(正则表达式30分钟入门教程)，简单易懂。

元字符

正则表达式的特殊代码，称为 metacharacter 元字符。

1. \b，代表单词的分界处（它不匹配单词分隔字符，如空格、标点或者换行，它只匹配一个位置），单词的开头或结尾。
2. .（小数点），匹配除了换行符（\n）之外的任何单个字符。
3. *，表示数量。前边的内容可以连续重复使用任意次以使整个表达式得到匹配。
4. \d，匹配一个数字。
5. \w，匹配一个单字字符（字母、数字或下划线）
6. \s，匹配任意空白符，包括空格，制表符(Tab)，换行符和换页符，等同于 [ \f\n\r\t\v\u00a0\u1680\u2000-\u200a\u2028\u2029\u202f\u205f\u3000\ufeff]

// 单词结尾
'00012300 012'.replace(/0+\b/gi,""); // "000123 012"
// 单词开头
'00012300 012'.replace(/\b0+/gi,""); // "12300 12"
// 起始位置
'00012300 012'.replace(/^0+/gi,"");  // "12300 012"

一个坑

用户从wps复制文本到input框，提交时无论代码编辑器、浏览器response查看，数据都显示正常的空格，但渲染到页面上时，html的文本节点中空格都变成了html实体字符串  。解决：提交时通过 \s 替换所有空格为空白字符串。

反义

用于查找不属于某个简单定义的字符类的字符。

• \D，匹配任意非数字的字符
• \W，匹配任意不是字母、数字或下划线的字符
• \S，匹配任意不是空白符的字符
• \B，匹配不是单词开头或结束的位置

后向引用/捕获

使用 () 小括号指定一个子表达式后，匹配这个子表达式的文本（即此分组捕获的内容）可以在表达式或其它程序中作进一步的处理。

默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

var re = /(\w+)\s(\w+)/;
var str = "Alice WANG";
var newStr = str.replace(re, "$2, $1");
console.log(newStr); // "WANG, Alice"

后向引用用于重复搜索前面某个分组匹配的文本。例如，\1 代表分组1匹配的文本

零宽断言

用于查找某个内容（但不包括这些内容）之前或之后的东西，就像 \b, ^ 等只匹配一个位置，并不消费任何字符。