正则表达式介绍

在前面已经涉及了一些正则表达式的用法，现在将系统地学习正则表达式的语法和用途。正则表达式主要用于进行字符串的模式匹配，例如判断一个字符串是否符合指定格式等。例如在windows下搜索文件，可以用“*”或者“?”这样的通配符。在正则表达式的语法中，有更多这样的符号用于表示一个字符串的模式，表7.1列出了所有的特殊符号，它们也被称为元字符。

表7.1 正则表达式中的元字符

字 符	说 明
\	将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，“n”匹配字符“n”。“\n”匹配换行符。序列“\\”匹配“\”，“\(”匹配“(”
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与“\n”或“\r”之后的位置匹配
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$还会与“\n”或“\r”之前的位置匹配
*	零次或多次匹配前面的字符或子表达式。例如，zo* 匹配“z”和“zoo”。* 等效于{0,}
+	一次或多次匹配前面的字符或子表达式。例如，“zo+”与“zo”和“zoo”匹配，但与“z”不匹配。+ 等效于 {1,}
?	零次或一次匹配前面的字符或子表达式。例如，“do(es)?”匹配“do”或“does”中的“do”。? 等效于 {0,1}
{n}	n是非负整数。正好匹配 n 次。例如，“o{2}”与“Bob”中的“o”不匹配，但与“food”中的两个“o”匹配
{n,}	n是非负整数。至少匹配n次。例如，“o{2,}”不匹配“Bob”中的“o”，而匹配“foooood”中的所有o。'o{1,}' 等效于 'o+'。'o{0,}' 等效于 'o*'
{n,m}	m和n是非负整数，其中n<=m。至少匹配n次，至多匹配m次。例如，“o{1,3}”匹配“fooooood”中的头三个o。'o{0,1}' 等效于'o?'。注意：您不能将空格插入逗号和数字之间
?	当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串“oooo”中，“o+?”只匹配单个“o”，而“o+”匹配所有“o” 匹配除“\n”之外的任何单个字符。若要匹配包括“\n”在内的任意字符，请使用诸如“[\s\S]”之类的模式

续表

字 符	说 明
(pattern)	匹配 pattern 并捕获该匹配的子表达式。可以使用 $0...$9 属性从结果“匹配”集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用“\(”或者“\)”
(?:pattern)	匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用“或”字符 (|) 组合模式部件的情况很有用。例如，与“industry|industries”相比，“industr(?:y| ies)”是一个更加经济的表达式
(?=pattern)	执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，“Windows (?=95| 98| NT| 2000)”与“Windows 2000”中的“Windows”匹配，但不与“Windows 3.1”中的“Windows”匹配。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后
(?!pattern)	执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，“Windows (?!95| 98| NT| 2000)”与“Windows 3.1”中的“Windows”匹配，但不与“Windows 2000”中的“Windows”匹配。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后
x| y	与 x 或 y 匹配。例如，“z| food”与“z”或“food”匹配。“(z| f)ood”与“zood”或“food”匹配
[xyz]	字符集。匹配包含的任一字符。例如，“[abc]”匹配“plain”中的“a”
[^xyz]	反向字符集。匹配未包含的任何字符。例如，“[^abc]”匹配“plain”中的“p”
[a-z]	字符范围。匹配指定范围内的任何字符。例如，“[a-z]”匹配“a”到“z”范围内的任何小写字母
[^a-z]	反向范围字符。匹配不在指定的范围内的任何字符。例如，“[^a-z]”匹配任何不在“a”到“z”范围内的任何字符
\b	匹配一个字边界，即字与空格间的位置。例如，“er\b”匹配“never”中的“er”，但不匹配“verb”中的“er”
\B	非字边界匹配。“er\B”匹配“verb”中的“er”，但不匹配“never”中的“er”
\cx	匹配由 x 指示的控制字符。例如，\cM 匹配一个 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定c就是“c”字符本身
\d	数字字符匹配。等效于 [0-9]
\D	非数字字符匹配。等效于 [^0-9]
\f	换页符匹配。等效于 \x0c 和 \cL
\n	换行符匹配。等效于 \x0a 和 \cJ
\r	匹配一个回车符。等效于 \x0d 和 \cM
\s	匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]
\t	制表符匹配。与 \x09 和 \cI 等效

续表

字 符	说 明
\v	垂直制表符匹配。与 \x0b 和 \cK 等效
\w	匹配任何字类字符，包括下划线。与“[A-Za-z0-9_]”等效。
\W	任何非字字符匹配。与“[^A-Za-z0-9_]”等效
\xn	匹配n，此处的n是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，“\x41”匹配“A”。“\x041”与“\x04”&“1”等效。允许在正则表达式中使用 ASCII 代码
\num	匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，“(.)\1”匹配两个连续的相同字符
\n	标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码
\nm	标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，那么 n 是反向引用，后面跟 m。如果前面的条件均不存在，那么当 n 和 m 是八进制数 (0-7) 时，\nm 匹配八进制转义码 nm
\nml	当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml
\un	匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (?)

使用这些元字符，可以表示具有特定模式的字符串，例如：
/^\s*$/：匹配一个空行。
/\d{2}-\d{5}/：匹配由两位数字、一个连字符再加5位数字组成的ID号。
/<\s* (\S+)(\s[^>]*)?>[\s\S]*<\s*\/\1\s*>/：匹配HTML标记。
像这种以斜杠开始和结尾的字符序列称为正则表达式，在JavaScript中可以很方便地使用这些表达式。
使用RegExp对象执行字符串模式匹配
RegExp是JavaScript中的正则表达式对象，利用它可以完成字符串匹配的各种操作。获得一个RegExp对象可以有两种方式：
var objRegExp=/pattern*/[flag]
//或者
var objRegExp=new RegExp("pattern" [,"flag"]);
其中pattern是要匹配的模式，flag表示搜索模式，有两个可选参数，分别是g和i。g表示全局搜索，在后面介绍的replace方法中非常有用；i表示忽略大小写，默认情况下是大小写敏感的。例如：
/jack/ig
new RegExp("jack","ig");
都表示全局匹配文本中的“jack”单词，并且忽略大小写。
使用这两种创建方式的效果完全一样，可以直接使用。第一种方式甚至不需要引用变量，而直接把正则表达式当作对象来使用，例如：
/jack/ig.test(sourceString);
其中test就是正则表达式对象的一个方法，表7.2列出了正则表达式的所有方法。

表7.2 正则表达式对象RegExp的方法

方 法	描 述
compile(pattern,flags)	将正则表达式转换为内部格式，对于批量匹配可以提高匹配效率
exec(str)	按照RegExp对象的匹配模式对str字符串进行匹配查找，当设定了全局搜索模式（g），则匹配查找从RegExp对象lastIndex属性所指定的目标字符串位置开始；若没有设置全局搜索，则从目标字符串第一个字符开始搜索。若没有任何匹配发生，返回null。 该方法将匹配结果放在一个数组内返回，该数组有3个属性 input:包含目标字符串，同RegExp.index index:匹配到的子字符串在目标字符串中的位置，同RegExp.index lastIndex:匹配到的子字符串后面一个字符的位置，同RegExp.lastIndex
test(str)	判断str是否符合指定的模式，返回一个布尔变量，true或者false。需要注意，这个方法不会改变RegExp的属性值

在执行完字符串匹配后，匹配结果会以RegExp静态属性的方式提供给脚本程序，每次执行exec都会改变这些静态属性，表7.3列出了RegExp对象的静态属性。

表7.3 正则表达式对象RegExp的静态属性

静 态 属 性	描 述
RegExp.input	保存被搜索的字符串
RegExp.index	保存匹配的首字符的位置
RegExp.lastIndex	保存匹配的字符串下一个字符的位置
RegExp.lastMatch	保存匹配到的字符串
RegExp.lastParen	保存最后一个被匹配的字符串（最后一个括号的内容）
RegExp.leftContext	保存匹配字符串左边的内容
RegExp.rightContext	保存匹配字符串右边的内容
RegExp.$1~$9	保存最开始的9个子匹配（括号中的内容）

由此可见，所有的匹配结果都保存在同一个位置，当执行exec方法后，这些静态属性就会改变。因此，必须确保在执行完匹配后立即去使用匹配结果，或将它们保存到另外的变量中，而不再使用RegExp的这些属性。
提取子字符串
在匹配模式中，可以用小括号将子模式括起来，以获取子匹配的内容，这些匹配的结果被存储在RegExp.$1～RegExp.$9中。例如，对于xml片断：
<author></author>jack
如果要使用正则表达式获取其中的作者：jack，可以这样实现：
<script language="JavaScript" type="text/javascript">
<!---->
</script>
当需要提取多个子模式时，可以使用RegExp.$1～RegExp.$9依次获取得到的子字符串。如果需要得到的子模式不只9个，也可以使用exec返回的数组来获取子字符串。返回数组的长度为子模式的个数加1，其中数组索引为0的元素表示被搜索的字符串，其后的元素依次对应于模式中的括号。例如上面的例子也可以用下面的代码实现：
<script language="JavaScript" type="text/javascript">
<!---->
</script>
和字符串相关的操作
在前面讲字符串相关的操作时，有3个方法的参数需要用到正则表达式，下面给出它们的具体用法。
1．string.search(regularExpression)
其中string是要处理的字符串，regularExpression是匹配模式。该方法在string中查找指定的模式，如果找到，则返回它的第一个字符的索引位置，否则返回-1。例如：
<script language="JavaScript" type="text/javascript">
<!---->
</script>
这段代码的最后结果显示为8。和indexOf方法不同，该方法接收的是一个正则表达式，而indexOf只能接收一个字符串。但两者的行为是类似的。
2．string.replace(regularExpression,replaceString)
其中regularExpression是要查找的模式，replaceString是要替换匹配模式的字符串。regularExpression也可以用普通字符串，但那样只能替换第一个出现的匹配，之后的匹配则被忽略。使用正则表达式后可以使用全局模式来实现整个替换。替换后原有字符串不发生变化，而是返回一个新的字符串。例如：在实际开发中经常要删除一段文本中的HTML标记，以获取纯文本，可以使用如下代码实现。
<script language="JavaScript" type="text/javascript">
<!---->
</script>
最后，将得到去掉Html标记后的文本“jack”。
3．string.match(regularExpression)
该方法根据regularExpression正则表达式模式查找字符串string中的匹配字符项，将结果以数组形式返回。该数组有3个属性值，与exec方法返回的数组属性相同。若没有任何匹配，返回null。

注意：若regularExpression对象未设定全局匹配模式，则数组索引为0的元素就是匹配的整体内容，索引为1~9的元素则包含了子匹配得到的字符。若设定了全局模式，则数组包含了搜索到的所有整体匹配项。