Loading... # RegExp 对象 `RegExp`对象提供正则表达式的功能。 ## 概述 正则表达式（regular expression）是一种表达文本模式（即字符串结构）的方法，有点像字符串的模板，常常用来按照“给定模式”匹配文本。比如，正则表达式给出一个 Email 地址的模式，然后用它来确定一个字符串是否为 Email 地址。JavaScript 的正则表达式体系是参照 Perl 5 建立的。 新建正则表达式有两种方法。一种是使用字面量，以斜杠表示开始和结束。 ```javascript var regex = /xyz/; ``` 另一种是使用`RegExp`构造函数。 ```javascript var regex = new RegExp('xyz'); ``` 上面两种写法是等价的，都新建了一个内容为`xyz`的正则表达式对象。它们的主要区别是，第一种方法在引擎编译代码时，就会新建正则表达式，第二种方法在运行时新建正则表达式，所以前者的效率较高。而且，前者比较便利和直观，所以实际应用中，基本上都采用字面量定义正则表达式。 `RegExp`构造函数还可以接受第二个参数，表示修饰符（详细解释见下文）。 ```javascript var regex = new RegExp('xyz', 'i'); // 等价于 var regex = /xyz/i; ``` 上面代码中，正则表达式`/xyz/`有一个修饰符`i`。 ## 实例属性 正则对象的实例属性分成两类。 一类是修饰符相关，用于了解设置了什么修饰符。 - `RegExp.prototype.ignoreCase`：返回一个布尔值，表示是否设置了`i`修饰符。 - `RegExp.prototype.global`：返回一个布尔值，表示是否设置了`g`修饰符。 - `RegExp.prototype.multiline`：返回一个布尔值，表示是否设置了`m`修饰符。 - `RegExp.prototype.flags`：返回一个字符串，包含了已经设置的所有修饰符，按字母排序。 上面四个属性都是只读的。 ```javascript var r = /abc/igm; r.ignoreCase // true r.global // true r.multiline // true r.flags // 'gim' ``` 另一类是与修饰符无关的属性，主要是下面两个。 - `RegExp.prototype.lastIndex`：返回一个整数，表示下一次开始搜索的位置。该属性可读写，但是只在进行连续搜索时有意义，详细介绍请看后文。 - `RegExp.prototype.source`：返回正则表达式的字符串形式（不包括反斜杠），该属性只读。 ```javascript var r = /abc/igm; r.lastIndex // 0 r.source // "abc" ``` ## 实例方法 ### RegExp.prototype.test() 正则实例对象的`test`方法返回一个布尔值，表示当前模式是否能匹配参数字符串。 ```javascript /cat/.test('cats and dogs') // true ``` 上面代码验证参数字符串之中是否包含`cat`，结果返回`true`。 如果正则表达式带有`g`修饰符，则每一次`test`方法都从上一次结束的位置开始向后匹配。 ```javascript var r = /x/g; var s = '_x_x'; r.lastIndex // 0 r.test(s) // true r.lastIndex // 2 r.test(s) // true r.lastIndex // 4 r.test(s) // false ``` 上面代码的正则表达式使用了`g`修饰符，表示是全局搜索，会有多个结果。接着，三次使用`test`方法，每一次开始搜索的位置都是上一次匹配的后一个位置。 带有`g`修饰符时，可以通过正则对象的`lastIndex`属性指定开始搜索的位置。 ```javascript var r = /x/g; var s = '_x_x'; r.lastIndex = 4; r.test(s) // false r.lastIndex // 0 r.test(s) // true ``` 上面代码指定从字符串的第五个位置开始搜索，这个位置为空，所以返回`false`。同时，`lastIndex`属性重置为`0`，所以第二次执行`r.test(s)`会返回`true`。 注意，带有`g`修饰符时，正则表达式内部会记住上一次的`lastIndex`属性，这时不应该更换所要匹配的字符串，否则会有一些难以察觉的错误。 ```javascript var r = /bb/g; r.test('bb') // true r.test('-bb-') // false ``` 上面代码中，由于正则表达式`r`是从上一次的`lastIndex`位置开始匹配，导致第二次执行`test`方法时出现预期以外的结果。 `lastIndex`属性只对同一个正则表达式有效，所以下面这样写是错误的。 ```javascript var count = 0; while (/a/g.test('babaa')) count++; ``` 上面代码会导致无限循环，因为`while`循环的每次匹配条件都是一个新的正则表达式，导致`lastIndex`属性总是等于0。 如果正则模式是一个空字符串，则匹配所有字符串。 ```javascript new RegExp('').test('abc') // true ``` ### RegExp.prototype.exec() 正则实例对象的`exec()`方法，用来返回匹配结果。如果发现匹配，就返回一个数组，成员是匹配成功的子字符串，否则返回`null`。 ```javascript var s = '_x_x'; var r1 = /x/; var r2 = /y/; r1.exec(s) // ["x"] r2.exec(s) // null ``` 上面代码中，正则对象`r1`匹配成功，返回一个数组，成员是匹配结果；正则对象`r2`匹配失败，返回`null`。 如果正则表示式包含圆括号（即含有“组匹配”），则返回的数组会包括多个成员。第一个成员是整个匹配成功的结果，后面的成员就是圆括号对应的匹配成功的组。也就是说，第二个成员对应第一个括号，第三个成员对应第二个括号，以此类推。整个数组的`length`属性等于组匹配的数量再加1。 ```javascript var s = '_x_x'; var r = /_(x)/; r.exec(s) // ["_x", "x"] ``` 上面代码的`exec()`方法，返回一个数组。第一个成员是整个匹配的结果，第二个成员是圆括号匹配的结果。 `exec()`方法的返回数组还包含以下两个属性： - `input`：整个原字符串。 - `index`：模式匹配成功的开始位置（从0开始计数）。 ```javascript var r = /a(b+)a/; var arr = r.exec('_abbba_aba_'); arr // ["abbba", "bbb"] arr.index // 1 arr.input // "_abbba_aba_" ``` 上面代码中的`index`属性等于1，是因为从原字符串的第二个位置开始匹配成功。 如果正则表达式加上`g`修饰符，则可以使用多次`exec()`方法，下一次搜索的位置从上一次匹配成功结束的位置开始。 ```javascript var reg = /a/g; var str = 'abc_abc_abc' var r1 = reg.exec(str); r1 // ["a"] r1.index // 0 reg.lastIndex // 1 var r2 = reg.exec(str); r2 // ["a"] r2.index // 4 reg.lastIndex // 5 var r3 = reg.exec(str); r3 // ["a"] r3.index // 8 reg.lastIndex // 9 var r4 = reg.exec(str); r4 // null reg.lastIndex // 0 ``` 上面代码连续用了四次`exec()`方法，前三次都是从上一次匹配结束的位置向后匹配。当第三次匹配结束以后，整个字符串已经到达尾部，匹配结果返回`null`，正则实例对象的`lastIndex`属性也重置为`0`，意味着第四次匹配将从头开始。 利用`g`修饰符允许多次匹配的特点，可以用一个循环完成全部匹配。 ```javascript var reg = /a/g; var str = 'abc_abc_abc' while(true) { var match = reg.exec(str); if (!match) break; console.log('#' + match.index + ':' + match[0]); } // #0:a // #4:a // #8:a ``` 上面代码中，只要`exec()`方法不返回`null`，就会一直循环下去，每次输出匹配的位置和匹配的文本。 正则实例对象的`lastIndex`属性不仅可读，还可写。设置了`g`修饰符的时候，只要手动设置了`lastIndex`的值，就会从指定位置开始匹配。 ## 字符串的实例方法 字符串的实例方法之中，有4种与正则表达式有关。 - `String.prototype.match()`：返回一个数组，成员是所有匹配的子字符串。 - `String.prototype.search()`：按照给定的正则表达式进行搜索，返回一个整数，表示匹配开始的位置。 - `String.prototype.replace()`：按照给定的正则表达式进行替换，返回替换后的字符串。 - `String.prototype.split()`：按照给定规则进行字符串分割，返回一个数组，包含分割后的各个成员。 ### String.prototype.match() 字符串实例对象的`match`方法对字符串进行正则匹配，返回匹配结果。 ```javascript var s = '_x_x'; var r1 = /x/; var r2 = /y/; s.match(r1) // ["x"] s.match(r2) // null ``` 从上面代码可以看到，字符串的`match`方法与正则对象的`exec`方法非常类似：匹配成功返回一个数组，匹配失败返回`null`。 如果正则表达式带有`g`修饰符，则该方法与正则对象的`exec`方法行为不同，会一次性返回所有匹配成功的结果。 ```javascript var s = 'abba'; var r = /a/g; s.match(r) // ["a", "a"] r.exec(s) // ["a"] ``` 设置正则表达式的`lastIndex`属性，对`match`方法无效，匹配总是从字符串的第一个字符开始。 ```javascript var r = /a|b/g; r.lastIndex = 7; 'xaxb'.match(r) // ['a', 'b'] r.lastIndex // 0 ``` 上面代码表示，设置正则对象的`lastIndex`属性是无效的。 ### String.prototype.search() 字符串对象的`search`方法，返回第一个满足条件的匹配结果在整个字符串中的位置。如果没有任何匹配，则返回`-1`。 ```javascript '_x_x'.search(/x/) // 1 ``` 上面代码中，第一个匹配结果出现在字符串的`1`号位置。 ### String.prototype.replace() 字符串对象的`replace`方法可以替换匹配的值。它接受两个参数，第一个是正则表达式，表示搜索模式，第二个是替换的内容。 ```javascript str.replace(search, replacement) ``` 正则表达式如果不加`g`修饰符，就替换第一个匹配成功的值，否则替换所有匹配成功的值。 ```javascript 'aaa'.replace('a', 'b') // "baa" 'aaa'.replace(/a/, 'b') // "baa" 'aaa'.replace(/a/g, 'b') // "bbb" ``` 上面代码中，最后一个正则表达式使用了`g`修饰符，导致所有的`a`都被替换掉了。 `replace`方法的一个应用，就是消除字符串首尾两端的空格。 ```javascript var str = ' #id div.class '; str.replace(/^\s+|\s+$/g, '') // "#id div.class" ``` `replace`方法的第二个参数可以使用美元符号`$`，用来指代所替换的内容。 - `$&`：匹配的子字符串。 - ``$` ``：匹配结果前面的文本。 - `$'`：匹配结果后面的文本。 - `$n`：匹配成功的第`n`组内容，`n`是从1开始的自然数。 - `$$`：指代美元符号`$`。 ```javascript 'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1') // "world hello" 'abc'.replace('b', '[$`-$&-$\']') // "a[a-b-c]c" ``` 上面代码中，第一个例子是将匹配的组互换位置，第二个例子是改写匹配的值。 `replace`方法的第二个参数还可以是一个函数，将每一个匹配内容替换为函数返回值。 ```javascript '3 and 5'.replace(/[0-9]+/g, function (match) { return 2 * match; }) // "6 and 10" var a = 'The quick brown fox jumped over the lazy dog.'; var pattern = /quick|brown|lazy/ig; a.replace(pattern, function replacer(match) { return match.toUpperCase(); }); // The QUICK BROWN fox jumped over the LAZY dog. ``` 作为`replace`方法第二个参数的替换函数，可以接受多个参数。其中，第一个参数是捕捉到的内容，第二个参数是捕捉到的组匹配（有多少个组匹配，就有多少个对应的参数）。此外，最后还可以添加两个参数，倒数第二个参数是捕捉到的内容在整个字符串中的位置（比如从第五个位置开始），最后一个参数是原字符串。下面是一个网页模板替换的例子。 ```javascript var prices = { 'p1': '$1.99', 'p2': '$9.99', 'p3': '$5.00' }; var template = '<span id="p1"></span>' + '<span id="p2"></span>' + '<span id="p3"></span>'; template.replace( /(<span id=")(.*?)(">)(<\/span>)/g, function(match, $1, $2, $3, $4){ return $1 + $2 + $3 + prices[$2] + $4; } ); // "<span id="p1">$1.99</span><span id="p2">$9.99</span><span id="p3">$5.00</span>" ``` 上面代码的捕捉模式中，有四个括号，所以会产生四个组匹配，在匹配函数中用`$1`到`$4`表示。匹配函数的作用是将价格插入模板中。 ### String.prototype.split() 字符串对象的`split`方法按照正则规则分割字符串，返回一个由分割后的各个部分组成的数组。 ```javascript str.split(separator, [limit]) ``` 该方法接受两个参数，第一个参数是正则表达式，表示分隔规则，第二个参数是返回数组的最大成员数。 ```javascript // 非正则分隔 'a, b,c, d'.split(',') // [ 'a', ' b', 'c', ' d' ] // 正则分隔，去除多余的空格 'a, b,c, d'.split(/, */) // [ 'a', 'b', 'c', 'd' ] // 指定返回数组的最大成员 'a, b,c, d'.split(/, */, 2) [ 'a', 'b' ] ``` 上面代码使用正则表达式，去除了子字符串的逗号后面的空格。 ```javascript // 例一 'aaa*a*'.split(/a*/) // [ '', '*', '*' ] // 例二 'aaa**a*'.split(/a*/) // ["", "*", "*", "*"] ``` 上面代码的分割规则是0次或多次的`a`，由于正则默认是贪婪匹配，所以例一的第一个分隔符是`aaa`，第二个分割符是`a`，将字符串分成三个部分，包含开始处的空字符串。例二的第一个分隔符是`aaa`，第二个分隔符是0个`a`（即空字符），第三个分隔符是`a`，所以将字符串分成四个部分。 如果正则表达式带有括号，则括号匹配的部分也会作为数组成员返回。 ```javascript 'aaa*a*'.split(/(a*)/) // [ '', 'aaa', '*', 'a', '*' ] ``` 上面代码的正则表达式使用了括号，第一个组匹配是`aaa`，第二个组匹配是`a`，它们都作为数组成员返回。 ## 匹配规则 正则表达式的规则很复杂，下面一一介绍这些规则。 ### 字面量字符和元字符 大部分字符在正则表达式中，就是字面的含义，比如`/a/`匹配`a`，`/b/`匹配`b`。如果在正则表达式之中，某个字符只表示它字面的含义（就像前面的`a`和`b`），那么它们就叫做“字面量字符”（literal characters）。 ```javascript /dog/.test('old dog') // true ``` 上面代码中正则表达式的`dog`，就是字面量字符，所以`/dog/`匹配`old dog`，因为它就表示`d`、`o`、`g`三个字母连在一起。 除了字面量字符以外，还有一部分字符有特殊含义，不代表字面的意思。它们叫做“元字符”（metacharacters），主要有以下几个。 **（1）点字符（.)** 点字符（`.`）匹配除回车（`\r`）、换行(`\n`) 、行分隔符（`\u2028`）和段分隔符（`\u2029`）以外的所有字符。注意，对于码点大于`0xFFFF`字符，点字符不能正确匹配，会认为这是两个字符。 ```javascript /c.t/ ``` 上面代码中，`c.t`匹配`c`和`t`之间包含任意一个字符的情况，只要这三个字符在同一行，比如`cat`、`c2t`、`c-t`等等，但是不匹配`coot`。 **（2）位置字符** 位置字符用来提示字符所处的位置，主要有两个字符。 - `^` 表示字符串的开始位置 - `$` 表示字符串的结束位置 ```javascript // test必须出现在开始位置 /^test/.test('test123') // true // test必须出现在结束位置 /test$/.test('new test') // true // 从开始位置到结束位置只有test /^test$/.test('test') // true /^test$/.test('test test') // false ``` **（3）选择符（`|`）** 竖线符号（`|`）在正则表达式中表示“或关系”（OR），即`cat|dog`表示匹配`cat`或`dog`。 ```javascript /11|22/.test('911') // true ``` 上面代码中，正则表达式指定必须匹配`11`或`22`。 多个选择符可以联合使用。 ```javascript // 匹配fred、barney、betty之中的一个 /fred|barney|betty/ ``` 选择符会包括它前后的多个字符，比如`/ab|cd/`指的是匹配`ab`或者`cd`，而不是指匹配`b`或者`c`。如果想修改这个行为，可以使用圆括号。 ```javascript /a( |\t)b/.test('a\tb') // true ``` 上面代码指的是，`a`和`b`之间有一个空格或者一个制表符。 其他的元字符还包括`\`、`*`、`+`、`?`、`()`、`[]`、`{}`等，将在下文解释。 ### 转义符 正则表达式中那些有特殊含义的元字符，如果要匹配它们本身，就需要在它们前面要加上反斜杠。比如要匹配`+`，就要写成`\+`。 ```javascript /1+1/.test('1+1') // false /1\+1/.test('1+1') // true ``` 上面代码中，第一个正则表达式之所以不匹配，因为加号是元字符，不代表自身。第二个正则表达式使用反斜杠对加号转义，就能匹配成功。 正则表达式中，需要反斜杠转义的，一共有12个字符：`^`、`.`、`[`、`$`、`(`、`)`、`|`、`*`、`+`、`?`、`{`和`\`。需要特别注意的是，如果使用`RegExp`方法生成正则对象，转义需要使用两个斜杠，因为字符串内部会先转义一次。 ```javascript (new RegExp('1\+1')).test('1+1') // false (new RegExp('1\\+1')).test('1+1') // true ``` 上面代码中，`RegExp`作为构造函数，参数是一个字符串。但是，在字符串内部，反斜杠也是转义字符，所以它会先被反斜杠转义一次，然后再被正则表达式转义一次，因此需要两个反斜杠转义。 ### 特殊字符 正则表达式对一些不能打印的特殊字符，提供了表达方法。 - `\cX` 表示`Ctrl-[X]`，其中的`X`是A-Z之中任一个英文字母，用来匹配控制字符。 - `[\b]` 匹配退格键(U+0008)，不要与`\b`混淆。 - `\n` 匹配换行键。 - `\r` 匹配回车键。 - `\t` 匹配制表符 tab（U+0009）。 - `\v` 匹配垂直制表符（U+000B）。 - `\f` 匹配换页符（U+000C）。 - `\0` 匹配`null`字符（U+0000）。 - `\xhh` 匹配一个以两位十六进制数（`\x00`-`\xFF`）表示的字符。 - `\uhhhh` 匹配一个以四位十六进制数（`\u0000`-`\uFFFF`）表示的 Unicode 字符。 ### 字符类 字符类（class）表示有一系列字符可供选择，只要匹配其中一个就可以了。所有可供选择的字符都放在方括号内，比如`[xyz]` 表示`x`、`y`、`z`之中任选一个匹配。 ```javascript /[abc]/.test('hello world') // false /[abc]/.test('apple') // true ``` 上面代码中，字符串`hello world`不包含`a`、`b`、`c`这三个字母中的任一个，所以返回`false`；字符串`apple`包含字母`a`，所以返回`true`。 有两个字符在字符类中有特殊含义。 **（1）脱字符（^）** 如果方括号内的第一个字符是`[^]`，则表示除了字符类之中的字符，其他字符都可以匹配。比如，`[^xyz]`表示除了`x`、`y`、`z`之外都可以匹配。 ```javascript /[^abc]/.test('bbc news') // true /[^abc]/.test('bbc') // false ``` 上面代码中，字符串`bbc news`包含`a`、`b`、`c`以外的其他字符，所以返回`true`；字符串`bbc`不包含`a`、`b`、`c`以外的其他字符，所以返回`false`。 如果方括号内没有其他字符，即只有`[^]`，就表示匹配一切字符，其中包括换行符。相比之下，点号作为元字符（`.`）是不包括换行符的。 ```javascript var s = 'Please yes\nmake my day!'; s.match(/yes.*day/) // null s.match(/yes[^]*day/) // [ 'yes\nmake my day'] ``` 上面代码中，字符串`s`含有一个换行符，点号不包括换行符，所以第一个正则表达式匹配失败；第二个正则表达式`[^]`包含一切字符，所以匹配成功。 > 注意，脱字符只有在字符类的第一个位置才有特殊含义，否则就是字面含义。 **（2）连字符（-）** 某些情况下，对于连续序列的字符，连字符（`-`）用来提供简写形式，表示字符的连续范围。比如，`[abc]`可以写成`[a-c]`，`[0123456789]`可以写成`[0-9]`，同理`[A-Z]`表示26个大写字母。 ```javascript /a-z/.test('b') // false /[a-z]/.test('b') // true ``` 上面代码中，当连字号（dash）不出现在方括号之中，就不具备简写的作用，只代表字面的含义，所以不匹配字符`b`。只有当连字号用在方括号之中，才表示连续的字符序列。 以下都是合法的字符类简写形式。 ```javascript [0-9.,] [0-9a-fA-F] [a-zA-Z0-9-] [1-31] ``` 上面代码中最后一个字符类`[1-31]`，不代表`1`到`31`，只代表`1`到`3`。 连字符还可以用来指定 Unicode 字符的范围。 ```javascript var str = "\u0130\u0131\u0132"; /[\u0128-\uFFFF]/.test(str) // true ``` 上面代码中，`\u0128-\uFFFF`表示匹配码点在`0128`到`FFFF`之间的所有字符。 另外，不要过分使用连字符，设定一个很大的范围，否则很可能选中意料之外的字符。最典型的例子就是`[A-z]`，表面上它是选中从大写的`A`到小写的`z`之间52个字母，但是由于在 ASCII 编码之中，大写字母与小写字母之间还有其他字符，结果就会出现意料之外的结果。 ```javascript /[A-z]/.test('\\') // true ``` 上面代码中，由于反斜杠（'\\'）的ASCII码在大写字母与小写字母之间，结果会被选中。 ### 预定义模式 预定义模式指的是某些常见模式的简写方式。 - `\d` 匹配0-9之间的任一数字，相当于`[0-9]`。 - `\D` 匹配所有0-9以外的字符，相当于`[^0-9]`。 - `\w` 匹配任意的字母、数字和下划线，相当于`[A-Za-z0-9_]`。 - `\W` 除所有字母、数字和下划线以外的字符，相当于`[^A-Za-z0-9_]`。 - `\s` 匹配空格（包括换行符、制表符、空格符等），相等于`[ \t\r\n\v\f]`。 - `\S` 匹配非空格的字符，相当于`[^ \t\r\n\v\f]`。 - `\b` 匹配词的边界。 - `\B` 匹配非词边界，即在词的内部。 下面是一些例子。 ```javascript // \s 的例子 /\s\w*/.exec('hello world') // [" world"] // \b 的例子 /\bworld/.test('hello world') // true /\bworld/.test('hello-world') // true /\bworld/.test('helloworld') // false // \B 的例子 /\Bworld/.test('hello-world') // false /\Bworld/.test('helloworld') // true ``` 上面代码中，`\s`表示空格，所以匹配结果会包括空格。`\b`表示词的边界，所以`world`的词首必须独立（词尾是否独立未指定），才会匹配。同理，`\B`表示非词的边界，只有`world`的词首不独立，才会匹配。 通常，正则表达式遇到换行符（`\n`）就会停止匹配。 ```javascript var html = "<b>Hello</b>\n<i>world!</i>"; /.*/.exec(html)[0] // "<b>Hello</b>" ``` 上面代码中，字符串`html`包含一个换行符，结果点字符（`.`）不匹配换行符，导致匹配结果可能不符合原意。这时使用`\s`字符类，就能包括换行符。 ```javascript var html = "<b>Hello</b>\n<i>world!</i>"; /[\S\s]*/.exec(html)[0] // "<b>Hello</b>\n<i>world!</i>" ``` 上面代码中，`[\S\s]`指代一切字符。 ### 重复类 模式的精确匹配次数，使用大括号（`{}`）表示。`{n}`表示恰好重复`n`次，`{n,}`表示至少重复`n`次，`{n,m}`表示重复不少于`n`次，不多于`m`次。 ```javascript /lo{2}k/.test('look') // true /lo{2,5}k/.test('looook') // true ``` 上面代码中，第一个模式指定`o`连续出现2次，第二个模式指定`o`连续出现2次到5次之间。 ### 量词符 量词符用来设定某个模式出现的次数。 - `?` 问号表示某个模式出现0次或1次，等同于`{0, 1}`。 - `*` 星号表示某个模式出现0次或多次，等同于`{0,}`。 - `+` 加号表示某个模式出现1次或多次，等同于`{1,}`。 ```javascript // t 出现0次或1次 /t?est/.test('test') // true /t?est/.test('est') // true // t 出现1次或多次 /t+est/.test('test') // true /t+est/.test('ttest') // true /t+est/.test('est') // false // t 出现0次或多次 /t*est/.test('test') // true /t*est/.test('ttest') // true /t*est/.test('tttest') // true /t*est/.test('est') // true ``` ### 贪婪模式 上一小节的三个量词符，默认情况下都是最大可能匹配，即匹配到下一个字符不满足匹配规则为止。这被称为贪婪模式。 ```javascript var s = 'aaa'; s.match(/a+/) // ["aaa"] ``` 上面代码中，模式是`/a+/`，表示匹配1个`a`或多个`a`，那么到底会匹配几个`a`呢？因为默认是贪婪模式，会一直匹配到字符`a`不出现为止，所以匹配结果是3个`a`。 除了贪婪模式，还有非贪婪模式，即最小可能匹配。只要一发现匹配，就返回结果，不要往下检查。如果想将贪婪模式改为非贪婪模式，可以在量词符后面加一个问号。 ```javascript var s = 'aaa'; s.match(/a+?/) // ["a"] ``` 上面例子中，模式结尾添加了一个问号`/a+?/`，这时就改为非贪婪模式，一旦条件满足，就不再往下匹配，`+?`表示只要发现一个`a`，就不再往下匹配了。 除了非贪婪模式的加号（`+?`），还有非贪婪模式的星号（`*?`）和非贪婪模式的问号（`??`）。 - `+?`：表示某个模式出现1次或多次，匹配时采用非贪婪模式。 - `*?`：表示某个模式出现0次或多次，匹配时采用非贪婪模式。 - `??`：表格某个模式出现0次或1次，匹配时采用非贪婪模式。 ```javascript 'abb'.match(/ab*/) // ["abb"] 'abb'.match(/ab*?/) // ["a"] 'abb'.match(/ab?/) // ["ab"] 'abb'.match(/ab??/) // ["a"] ``` 上面例子中，`/ab*/`表示如果`a`后面有多个`b`，那么匹配尽可能多的`b`；`/ab*?/`表示匹配尽可能少的`b`，也就是0个`b`。 ### 修饰符 修饰符（modifier）表示模式的附加规则，放在正则模式的最尾部。 修饰符可以单个使用，也可以多个一起使用。 ```javascript // 单个修饰符 var regex = /test/i; // 多个修饰符 var regex = /test/ig; ``` **（1）g 修饰符** 默认情况下，第一次匹配成功后，正则对象就停止向下匹配了。`g`修饰符表示全局匹配（global），加上它以后，正则对象将匹配全部符合条件的结果，主要用于搜索和替换。 ```javascript var regex = /b/; var str = 'abba'; regex.test(str); // true regex.test(str); // true regex.test(str); // true ``` 上面代码中，正则模式不含`g`修饰符，每次都是从字符串头部开始匹配。所以，连续做了三次匹配，都返回`true`。 ```javascript var regex = /b/g; var str = 'abba'; regex.test(str); // true regex.test(str); // true regex.test(str); // false ``` 上面代码中，正则模式含有`g`修饰符，每次都是从上一次匹配成功处，开始向后匹配。因为字符串`abba`只有两个`b`，所以前两次匹配结果为`true`，第三次匹配结果为`false`。 **（2）i 修饰符** 默认情况下，正则对象区分字母的大小写，加上`i`修饰符以后表示忽略大小写（ignoreCase）。 ```javascript /abc/.test('ABC') // false /abc/i.test('ABC') // true ``` 上面代码表示，加了`i`修饰符以后，不考虑大小写，所以模式`abc`匹配字符串`ABC`。 **（3）m 修饰符** `m`修饰符表示多行模式（multiline），会修改`^`和`$`的行为。默认情况下（即不加`m`修饰符时），`^`和`$`匹配字符串的开始处和结尾处，加上`m`修饰符以后，`^`和`$`还会匹配行首和行尾，即`^`和`$`会识别换行符（`\n`）。 ```javascript /world$/.test('hello world\n') // false /world$/m.test('hello world\n') // true ``` 上面的代码中，字符串结尾处有一个换行符。如果不加`m`修饰符，匹配不成功，因为字符串的结尾不是`world`；加上以后，`$`可以匹配行尾。 ```javascript /^b/m.test('a\nb') // true ``` 上面代码要求匹配行首的`b`，如果不加`m`修饰符，就相当于`b`只能处在字符串的开始处。加上`m`修饰符以后，换行符`\n`也会被认为是一行的开始。 ### 组匹配 **（1）概述** 正则表达式的括号表示分组匹配，括号中的模式可以用来匹配分组的内容。 ```javascript /fred+/.test('fredd') // true /(fred)+/.test('fredfred') // true ``` 上面代码中，第一个模式没有括号，结果`+`只表示重复字母`d`，第二个模式有括号，结果`+`就表示匹配`fred`这个词。 下面是另外一个分组捕获的例子。 ```javascript var m = 'abcabc'.match(/(.)b(.)/); m // ['abc', 'a', 'c'] ``` 上面代码中，正则表达式`/(.)b(.)/`一共使用两个括号，第一个括号捕获`a`，第二个括号捕获`c`。 注意，使用组匹配时，不宜同时使用`g`修饰符，否则`match`方法不会捕获分组的内容。 ```javascript var m = 'abcabc'.match(/(.)b(.)/g); m // ['abc', 'abc'] ``` 上面代码使用带`g`修饰符的正则表达式，结果`match`方法只捕获了匹配整个表达式的部分。这时必须使用正则表达式的`exec`方法，配合循环，才能读到每一轮匹配的组捕获。 ```javascript var str = 'abcabc'; var reg = /(.)b(.)/g; while (true) { var result = reg.exec(str); if (!result) break; console.log(result); } // ["abc", "a", "c"] // ["abc", "a", "c"] ``` 正则表达式内部，还可以用`\n`引用括号匹配的内容，`n`是从1开始的自然数，表示对应顺序的括号。 ```javascript /(.)b(.)\1b\2/.test("abcabc") // true ``` 上面的代码中，`\1`表示第一个括号匹配的内容（即`a`），`\2`表示第二个括号匹配的内容（即`c`）。 下面是另外一个例子。 ```javascript /y(..)(.)\2\1/.test('yabccab') // true ``` 括号还可以嵌套。 ```javascript /y((..)\2)\1/.test('yabababab') // true ``` 上面代码中，`\1`指向外层括号，`\2`指向内层括号。 组匹配非常有用，下面是一个匹配网页标签的例子。 ```javascript var tagName = /<([^>]+)>[^<]*<\/\1>/; tagName.exec("<b>bold</b>")[1] // 'b' ``` 上面代码中，圆括号匹配尖括号之中的标签，而`\1`就表示对应的闭合标签。 上面代码略加修改，就能捕获带有属性的标签。 ```javascript var html = '<b class="hello">Hello</b><i>world</i>'; var tag = /<(\w+)([^>]*)>(.*?)<\/\1>/g; var match = tag.exec(html); match[1] // "b" match[2] // " class="hello"" match[3] // "Hello" match = tag.exec(html); match[1] // "i" match[2] // "" match[3] // "world" ``` > 注意：当(.\*?)的右边仍然有匹配内容时，那么(.\*?)所匹配的内容为到右边匹配规则出现截止的最小匹配内容。 ```javascript var html = '<b class="hello">Hello'; var tag = /<(\w+)([^>]*)>(.*?)/; //(.*?)右边没有匹配规则时，不匹配。 var match = tag.exec(html); undefined match[1] 'b' match[2] ' class="hello"' match[3] '' var html = '<b class="hello">Hello>'; var tag = /<(\w+)([^>]*)>(.*?)>/; //(.*?)右边有匹配规则时，(.*?)截取最小匹配内容。 var match = tag.exec(html); undefined match[1] 'b' match[2] ' class="hello"' match[3] 'Hello' ``` **（2）非捕获组** `(?:x)`称为非捕获组（Non-capturing group），表示不返回该组匹配的内容，即匹配的结果中不计入这个括号。 非捕获组的作用请考虑这样一个场景，假定需要匹配`foo`或者`foofoo`，正则表达式就应该写成`/(foo){1, 2}/`，但是这样会占用一个组匹配。这时，就可以使用非捕获组，将正则表达式改为`/(?:foo){1, 2}/`，它的作用与前一个正则是一样的，但是不会单独输出括号内部的内容。 请看下面的例子。 ```javascript var m = 'abc'.match(/(?:.)b(.)/); m // ["abc", "c"] ``` 上面代码中的模式，一共使用了两个括号。其中第一个括号是非捕获组，所以最后返回的结果中没有第一个括号，只有第二个括号匹配的内容。 下面是用来分解网址的正则表达式。 ```javascript // 正常匹配 var url = /(http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/; url.exec('http://google.com/'); // ["http://google.com/", "http", "google.com", "/"] // 非捕获组匹配 var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/; url.exec('http://google.com/'); // ["http://google.com/", "google.com", "/"] ``` 上面的代码中，前一个正则表达式是正常匹配，第一个括号返回网络协议；后一个正则表达式是非捕获匹配，返回结果中不包括网络协议。 **（3）先行断言** `x(?=y)`称为先行断言（Positive look-ahead），`x`只有在`y`前面才匹配，`y`不会被计入返回结果。比如，要匹配后面跟着百分号的数字，可以写成`/\d+(?=%)/`。 “先行断言”中，括号里的部分是不会返回的。 ```javascript var m = 'abc'.match(/b(?=c)/); m // ["b"] ``` 上面的代码使用了先行断言，`b`在`c`前面所以被匹配，但是括号对应的`c`不会被返回。 **（4）先行否定断言** `x(?!y)`称为先行否定断言（Negative look-ahead），`x`只有不在`y`前面才匹配，`y`不会被计入返回结果。比如，要匹配后面跟的不是百分号的数字，就要写成`/\d+(?!%)/`。 ```javascript /\d+(?!\.)/.exec('3.14') // ["14"] ``` 上面代码中，正则表达式指定，只有不在小数点前面的数字才会被匹配，因此返回的结果就是`14`。 “先行否定断言”中，括号里的部分是不会返回的。 ```javascript var m = 'abd'.match(/b(?!c)/); m // ['b'] ``` 上面的代码使用了先行否定断言，`b`不在`c`前面所以被匹配，而且括号对应的`d`不会被返回。 ## 参考链接 - Axel Rauschmayer, [JavaScript: an overview of the regular expression API](http://www.2ality.com/2011/04/javascript-overview-of-regular.html) - Mozilla Developer Network, [Regular Expressions](https://developer.mozilla.org/en-US/docs/Web/JavaScript/Guide/Regular_Expressions) - Axel Rauschmayer, [The flag /g of JavaScript’s regular expressions](http://www.2ality.com/2013/08/regexp-g.html) - Sam Hughes, [Learn regular expressions in about 55 minutes](http://qntm.org/files/re/re.html) Last modification：January 15, 2023 © Allow specification reprint Like 如果觉得我的文章对你有用，请随意赞赏