正则表达式是一种更为强大的字符串匹配、字符串查找、字符串替换等操作工具。今天来学习一下 JavaScript 中的正则表达式!
一、基本概念
正则表达式(Regular Expression,在代码中常简写为regex、regexp或RE)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搜索模式。搜索模式可用于文本搜索和文本替换。它用一系列字符定义搜索模式。
正则表达式的用途有很多,比如:
- 表单输入验证。
- 搜索和替换。
- 过滤大量文本文件(如日志)中的信息。
- 读取配置文件。
- 网页抓取。
- 处理具有一致语法的文本文件,例如 CSV。
正则表达式的语法如下:
/正则表达式主体/修饰符(可选)
- 1.
先来看一个最基本的正则表达式:/处/
,它只匹配到了字符串中的第一个“处”:
这里,正则表达式的主体就是“处”,没有使用修饰符,我们会在后面来介绍正则表达式的修饰符。
二、创建方式
创建正则表达式的方式有两种:
-
字面量:正则表达式直接放在
/ /
之中:
const rex = /pattern/;
- 1.
- 构造函数:RegExp 对象表示正则表达式的一个实例:
const rex = new RegExp("pattern");
- 1.
这两种方法的一大区别是对象的构造函数允许传递带引号的表达式,通过这种方式就可以动态创建正则表达式。
通过这两种方法创建出来的 Regex 对象都具有相同的方法和属性:
let RegExp1 = /a|b/ let RegExp2 = new RegExp('a|b') console.log(RegExp1) // 输出结果:/a|b/ console.log(RegExp2) // 输出结果:/a|b/
- 1.
- 2.
- 3.
- 4.
三、模式匹配
关于正则表达式最复杂的地方就是如何编写正则规则了,下面就来看如何编写正则表达式。
1、字符集合
如果我们想匹配 bat、cat 和 fat 这种类型的字符串该怎么办?可以通过使用字符集合来做到这一点,用 [] 表示,它会匹配包含的任意一个字符。这里就可以使用/[bcf]at/ig
:
可以看到,这里匹配到了字符串中的 bat、cat、fat。因为我们使用了 g 修饰符,所以匹配到了三个结果。
当然,字符集也可以用来匹配数字:
2、字符范围
如果我们想要在字符串中匹配所有以 at 结尾的单词,最直接的方式是使用字符集,并在其中提供所有的字母。对于这种在一个范围中的字符, 就可以直接定义字符范围,用-
表示。它用来匹配指定范围内的任意字符。这里就可以使用/[a-z]at/ig
。
可以看到,正则表达式按照我们的预期匹配了。
常见的使用范围的方式如下:
-
部分范围:
[a-f]
,匹配 a 到 f 的任意字符。 -
小写范围:
[a-z]
,匹配 a 到 z 的任意字符。 -
大写范围:
[A-Z]
,匹配 A 到 Z 的任意字符。 -
数字范围:
[0-9]
,匹配 0 到 9 的任意字符。 -
符号范围:
[#$%&@]
。 -
混合范围:
[a-zA-Z0-9]
,匹配所有数字、大小写字母中的任意字符。
3. 数量字符
如果想要匹配三个字母的单词,根据上面我们学到的字符范围,可以这样来写:
[a-z][a-z][a-z]
- 1.
这里我们匹配的三个字母的单词,那如果想要匹配10个、20个字母的单词呢?难道要一个个来写范围吗?有一种更好的方法就是使用花括号{}
来表示,来看例子:
可以看到,这里我们匹配到了所有连续5个字母的单词(包括超过5个字母的单词,不过只会匹配到前5个字母)。
其实匹配重复字符的完整语法是这样的:{m,n}
,它会匹配前面一个字符至少 m 次至多 n 次重复,{m}表示匹配 m 次,{m,}表示至少 m 次。
所以,当我们给5后面加上逗号时,就表示至少匹配五次:
所以这里就匹配到了所有连续5个或5个以上的单词。
当匹配次数为至少4次,至多5次时,匹配结果如下:
除了可以使用大括号来匹配一定数量的字符,还有三个相关的模式:
-
+
:匹配前面一个表达式一次或者多次,相当于{1,}
。 -
*
:匹配前面一个表达式0次或者多次,相当于{0,}
。 -
?
:单独使用匹配前面一个表达式零次或者一次,相当于{0,1}
,如果跟在量词*、+、?、{}后面的时候将会使量词变为非贪婪模式(尽量匹配少的字符),默认是使用贪婪模式。
来看一个简单的例子,这里我们匹配的正则表达式为/a+/ig
,结果如下:
它和/a{1,}/ig
的匹配结果是一样的:
使用/[a-z]+/ig
就可以匹配任意长度的纯字母单词:
4、元字符
使用元字符可以编写更紧凑的正则表达式模式。常见的元字符如下:
-
\d
:相当于[0-9]
,匹配任意数字。 -
\D
:相当于[^0-9]
。 -
\w
:相当于[0-9a-zA-Z]
,匹配任意数字、大小写字母和下划线。 -
\W
:相当于:[^0-9a-zA-Z]。 -
\s
:相当于[\t\v\n\r\f]
,匹配任意空白符,包括空格,水平制表符\t
,垂直制表符\v
,换行符\n
,回车符\r
,换页符\f
。 -
\S
:相当于[^\t\v\n\r\f]
,表示非空白符。
来看一个简单的例子:
这里使用\d
来匹配任意数字、字母和下划线。这里就匹配到了7个连续四位的字符。
5、特殊字符
使用特殊字符可以编写更高级的模式表达式,常见的特殊字符如下:
-
.
:匹配除了换行符之外的任何单个字符。 -
\
:将下一个字符标记为特殊字符、或原义字符、或向后引用、或八进制转义符。 -
|
:逻辑或操作符。 -
[^]
:取非,匹配未包含的任意字符。
来看一个简单的例子,如果我们使用 /ab*/ig
进行匹配,结果就如下:
那我们就是想要匹配 * 怎么办?就可以使用 \
对其进行转义:
这样就只会匹配到 ab*
了。
或匹配也很简单,来看例子,匹配规则为:/ab|cd/ig
,匹配结果如下:
这里就会匹配到字符串中所有 ab
和 cd
字符。那如果想要匹配 sabz
或者scdz
呢?开头和结尾是相同的,只有中间的两个字符是可选的。其实只需要给中间的或部分加上括号就可以了:
取非规则在范围中使用,来看例子:
这里匹配到了所有非字母的字符。
6、位置匹配
如果我们想匹配字符串中以某些字符结尾的单词,以某些字符开头的单词该如何实现呢?正则表达式中提供了方法通过位置来匹配字符:
-
\b
:匹配一个单词边界,也就是指单词和空格间的位置。 -
\B
:匹配非单词边界。 -
^
:匹配开头,在多行匹配中匹配行开头。 -
$
:匹配结尾,在多行匹配中匹配行结尾。 -
(?=p)
:匹配 p 前面的位置。 -
(?!=p)
:匹配不是 p 前面的位置。
最常见的就是匹配开始和结束位置。先来看一个开始位置的匹配,这里使用 /^ex/igm
来匹配多行中以ex
开头的行:
使用/e$/igm
来匹配以 e 结尾的行:
可以使用 \w+$
来匹配每一行的最后一个单词:
需要注意,这里我们都使用 m
修饰符开启了多行模式。
使用 /(?=the)/ig
来匹配字符串中the
前的面的位置:
我们可以使用\b
来匹配单词的边界,匹配的结果如下:
这可能比较难理解,我们可以使用以下正则表达式来匹配完整的单词:\b\w+\b
,匹配结果如下:
四、修饰符
正则表达式常见的修饰符如下:
-
g
:表示全局模式,即运用于所有字符串。 -
i
:表示不区分大小写,即匹配时忽略字符串的大小写。 -
m
:表示多行模式,强制 $ 和 ^ 分别匹配每个换行符。
这些修饰符总是用在最后一个正斜杠后面,可以一起使用。下面来分别看看这些修饰符的作用。
最开始的例子中,字符串中有两个“处”,但是只匹配到了一个。这是因为正则表达式默认匹配第一个符合条件的字符。如果想要匹配所有符合条件的字符,就可以使用 g
修饰符:
/处/g
- 1.
这样就匹配到了所有符合条件的字符:
当需要匹配引英文字符串,并且忽略字符串的字母大小写时,i
修饰符就派上用场了。先来看下面的表达式: