JavaScript之RegExp_動力節點Java學院整理

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：

1.創建一個匹配Email的正則表達式；

2.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：

1.\d{3}表示匹配3個數字，例如'010'；

2.\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；

3.\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。

小結

正則表達式非常強大，要在短短的一節里講完是不可能的。要講清楚正則的所有內容，可以寫一本厚厚的書了。如果你經常遇到正則表達式的問題，你可能需要一本正則表達式的參考書。

練習

請嘗試寫一個驗證Email地址的正則表達式。版本一應該可以驗證出類似的Email：