js中的正则表达式注意事项

RegExp对象的创建：

　　常规的正则表达式的创建可用直接量，即斜杠 “/” 括起来的字符。但在要求参数变化的环境下，RegExp()构造函数是更好的选择：

var reg1 = /'\w+'/g;
var reg2 = new RegExp('\'\\w+\'','g');

　　对比两种创建方式，RegExp中的第一个参数为要创建的正则字符串，一方面注意，因为不是直接量的表示形式，因此不用斜杠“ / ”括起来了；而是字符串中必须要对引号“ ‘ ”和转义符号“ \ ”进行二次转义。

　　此外，无论是直接量还是RegExp()构造函数，都是生成了新的RegExp对象，并将其赋值给变量。

在《Javascript权威指南》一书中讲到，对于正则表达式的直接量，ECMAscript 3规定在每次它时都会返回同一个RegExp对象，因此用直接量创建的正则表达式的会共享一个实例。直到ECMAScript 5才规定每次返回不同的实例。

各浏览器中，IE一直遵守ECMAScript 5中的规定，其他浏览器的较老版本则遵循ECMAScript 3的规定。因此在实际应用中，采取构造函数创建的方法比较安全，或者在使用lastIndex属性时要记得归0。

括号()的使用：

　　1、分组

　　即把单独项组合成子表达式统一处理，一般用于？、+、*、{n,m}等的重复处理。见例子：

var reg = /Java(script)?/;

式子里将script进行统一处理。

　　2、向后引用

　　即在正则表达式中用“\n”（n代表引用的序号）引用式中前面括号中匹配的文本。见例子：

var reg = /(\d+)[a-z]{3}\1/;    
//20man20
//20man23 错
//reg = /\1[a-z]{3}(\d+)/; 错

　　注意 “\n”引用的是前面匹配的文本" 20 "，而不是匹配的正则表达式" \d+ "。另外，JS里只能引用前面的匹配文本，像例子中的将 \1写在括号引用的前面，将不会匹配到任何文本，浏览器中会提示出错。同样，JS里也不支持类似“ (?<name>exp) ”（exp为正则字符）的引用命名规则，只支持数字的引用。

　　既然提到了分组和引用，如果只想进行分组，而不想引用，则可用 "(?: exp)"的形式，既不匹配文本，也不给引用编号。见例子：

var reg = /(\w{3})(?:\d+)([a-z]{2})\2/;
//man7788abab

显然 \2 匹配的是 "ab" 而不是 "7788" 。这样便于分组处理，也加快了查询的效率。

　　3、子模式匹配

　　有时我们想直接引用操作括号匹配的本文，那么可以用子模式匹配的功能（权威指南里叫子模式匹配，有点别扭，实际就是用一个变量形式替换匹配的文本）。基本形式是用 ’$n’的形式替代匹配编号为n的文本，常用在String对象里的replace()方法，见例子，等号两边交换单词：

var reg = /(\w+)=(\w+)/;
var str = ‘love=hate’;
str.replace(reg,'$2=$1');
//"hate=love"

 

次序、贪婪、懒惰：

　　一般的重复匹配字符如？、+、*、{n,m}在匹配的过程中，采用贪婪匹配的方法，即尽可能多的匹配到结果字符。与之对应的是懒惰匹配，即尽可能少的匹配结果，使用形式只需在重复匹配字符后加上问号" ？ "即可，如？？、+？、*？、{n,m}？。见例子：

var str = 'goooogle‘;
var reg1 = /o+/;         //"goooo"
var reg2 = /o+?/;        //"go"
        

　　现在对例子稍加改动：

var str = 'goooogle‘;
var reg1 = /o+gle/;       //"oooogle"
var reg2 = /o+?gle/;      //"oooogle"

　　改过后的例子结果变为相同了，为什么 /o+?gle/ 没有匹配到“ogle”呢？原来正则表达式中总是从左往右进行匹配的，不会从右边获取子串进行匹配。

　　虽然上面的结果相同，但匹配的原理不太一样。在reg1中，首先o+会匹配所有的"o"，然后接着匹配"gle"，从而完成整体匹配。而在reg2中，o+?会先匹配一个"o"，然后gle在字符串的第2位到第4位（即原串的"ooo"）匹配失败。进而回溯至o+?去匹配第二个"o"，成功后再在第3位到第4位匹配"gle"，以此类推……最后匹配到整个字符串。

　　总体要记住，从优先级来说，从左往右的次序匹配 > 贪婪 / 懒惰匹配。

零宽断言：

　　关于零宽断言的总体解释可参考博文《正则表达式30分钟入门教程》，值得注意的是，JS里只支持零宽先行断言。即零宽正预测先行断言"(?=exp)"和零宽负预测先行断言“(?!exp)"。

　　所谓“零宽”，就是它并不在匹配的结果字符中占据空间。例如“\w"，"\s"就会占据一个或几个空间，依匹配的字符长度决定。而像”^"，"$"这种对应的首末位置，不占据空间，零宽就是属于这一类。

　　所谓“正 / 负预测”，是指断言中要求满足的情况。“正”表示要满足exp，“负”表示要不满足exp的。

　　所谓"先行"，是指被匹配的字符串在前面，零宽断言跟在后面。即串的后一部分是否满足断言。

　　所谓“断言”，就是判断的条件。

　　看两种零宽断言的例子：

var str = 'java coffeescript';
var reg1 = /\b\w+(?=script\b)/;    //coffee    
var reg2 = /\b\w+(?!script\b)/;    //java

　　reg1为零宽正预测先行断言，"(?=script\b)"表示某单词需以“script”结尾，它代表着一种条件，不占有任何空间大小。

　　同样，reg2为零宽负预测先行断言，"(?!script\b)"表示不以“script”结尾的单词。

　　另外，因为没有零宽后顾断言，不能判断某字符串的前面部分满足什么条件。但在JS中可以用多次正则表达式来实现：先匹配到要找的串，然后截取开头到index的字符子串，再匹配子串末尾是否符合需要的断言条件。具体用法可另外尝试一下。

match()与exec()的异同：

　　match和exec是正则表达式匹配字符串的常用方法。两者实现的功能差不多，有些细微的区别：

　　1、使用方式

　　match是字符串包装对象的方法，用法：String.match(RegExp);

　　exec是正则表达式对象的方法，用法：RegExp.exec(String);

　　2、返回的结果

　　　　当RegExp没有设置全局标志 "g" 时：

　　　　　　两者的返回结果相同。即无匹配值时返回null，有匹配值时返回一个数组（令array）。array[0]为匹配的字符串，array[1]、array[2]……则对应为正则表达式中圆括号匹配的子字符串$1、$2……。同时数组带有两个属性，array.index表示匹配字符串的初始位置，array.input表示正在检索的字符串。

　　　　当RegExp有设置全局标志 "g" 时：

　　　　　　match在有值时返回一个数组array。数组的每项依次表示匹配到的所有的字符串，因此不再有圆括号匹配的子字符串了。此时数组没有index属性和input属性。

　　　　　　exec则与没有全局标示 "g" 的表现无异。此时返回的是数组array，array[0]为当前匹配的字符串，array[1]，array[2]……则为当前匹配下的圆括号匹配的字串。此时要注意RegExp对象的lastIndex属性，表示原字符串中匹配的字符串末尾的后一个位置。当没有进一步的匹配结果时，lastIndex属性置0。因此，可用lastIndex的循环找出所有的匹配字符串。来看看例子：

var str = 'I love1 my job22';
var reg = /\b[a-z]+(\d+)\b/g;

array = str.match(reg);
//array = ["love1", "job22"]    
//array.index = undefind
//array.input = undefined
------------------------------------
array = reg.exec(str);
//array = ["love1", "1"]
//array.index = 2
//array.input = "I love1 my job22"
//reg.lastIndex = 7

//run again
reg.exec(str);
//array = ["job22", "22"]
//array.index = 11
//array.input = "I love1 my job22"
//reg.lastIndex = 16

//run again
reg.exec(str);
//reg.lastIndex = 0

　　最后，考虑到ECMAScript 3 和ECMAScript 5的版本区别，每次匹配完之后记得要手动将RegExp对象的lastIndex属性置0，以满足老非IE浏览器的要求。