| title | RegExp对象 |
|---|---|
| layout | page |
| category | stdlib |
| date | 2013-01-17 |
| modifiedOn | 2014-01-06 |
正则表达式（regular expression）是一种表达文本模式的方法，常常用作按照“给定模式”匹配文本的工具，比如给定一个Email地址的模式，然后用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。
{% highlight javascript %}
var regex = /xyz/;
{% endhighlight %}
另一种是使用RegExp构造函数。
{% highlight javascript %}
var regex = new RegExp("xyz");
{% endhighlight %}
上面两种写法是等价的，都建立了一个内容为xyz的正则表达式对象。
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）。
{% highlight javascript %}
var regex = new RegExp("xyz", "i"); // 等价于 var regex = /xyz/i;
{% endhighlight %}
这两种写法在运行时有一个细微的区别。采用字面量的写法，正则对象在代码载入时（即编译时）生成；采用构造函数的方法，正则对象在代码运行时生成。考虑到书写的便利和直观，实际应用中，基本上都采用字面量的写法。
正则对象生成以后，有两种使用方式：
-
使用正则对象本身的方法，将字符串作为参数，比如regex.test(string)。
-
使用字符串对象的方法，将正则对象作为参数，比如string.match(regex)。
下面逐一介绍这两种使用方式。
正则对象的属性主要如下：
-
ignoreCase：返回一个布尔值，表示是否设置了i修饰符，该属性只读。
-
global：返回一个布尔值，表示是否设置了g修饰符，该属性只读。
-
lastIndex：返回下一次开始搜索的位置。该属性可读写，但是只在设置了g修饰符时有意义。
-
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。
-
multiline：返回一个布尔值，表示是否设置了m修饰符，该属性只读。
下面是属性应用的实例。
{% highlight javascript %}
var r = /abc/igm;
r.ignoreCase // true r.global // true r.multiline // true r.lastIndex // 0 r.source // "abc"
{% endhighlight %}
test方法返回布尔值，用来验证字符串是否符合某个模式。
{% highlight javascript %}
/cat/.test('cats and dogs') // true
{% endhighlight %}
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。
{% highlight 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
{% endhighlight %}
上面代码的正则对象使用了g修饰符，表示要记录搜索位置。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。
如果正则模式是一个空字符串，则匹配所有字符串。
{% highlight javascript %}
new RegExp("").test("abc") // true
{% endhighlight %}
exec方法返回匹配结果。
{% highlight javascript %}
var s = '_x_x'; var r1 = /x/; var r2 = /y/;
r1.exec(s) // ["x"] r2.exec(s) // null
{% endhighlight %}
上面代码表示，如果匹配成功，exec方法返回一个数组，里面是匹配结果。如果匹配失败，返回null。
如果正则表示式包含圆括号，则返回的数组会包括多个元素。其中，第一个元素是整个匹配成功的结果，后面的元素就是圆括号对应的匹配成功的组，也就是说第二个元素就对应第一个括号，第三个元素对应第二个括号，以此类推。整个返回数组的length属性等于匹配成功的组数+1。
{% highlight javascript %}
var s = 'x_x'; var r = /(x)/;
r.exec(s) // ["_x", "x"]
{% endhighlight %}
上面代码的exex方法，返回一个数组。第一个元素是整个匹配的结果，第二个元素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：整个模式匹配成功的开始位置。
{% highlight javascript %}
var r = /a(b+)a/;
var arr = regex.exec("abbba_aba");
arr // ["abbba", "bbb"]
arr.index // 1
arr.input // "abbba_aba"
{% endhighlight %}
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。
{% highlight javascript %}
var r = /a(b+)a/g;
var a1 = r.exec("abbba_aba"); a1 // ["abbba", "bbb"] a1.index // 1 r.lastIndex // 6
var a2 = r.exec("abbba_aba"); a2 // ["aba", "b"] a2.index // 7 r.lastIndex // 10
var a3 = r.exec("abbba_aba"); a3 // null a3.index // TypeError: Cannot read property 'index' of null r.lastIndex // 0
var a4 = r.exec("abbba_aba"); a4 // ["abbba", "bbb"] a4.index // 1 r.lastIndex // 6
{% endhighlight %}
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，正则对象的lastIndex属性重置为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。
{% highlight javascript %}
var r = /a(b+)a/g;
var s = "abbba_aba";
while(true) { var match = r.exec(s); if (!match) break; console.log(match[1]); } // bbb // b
{% endhighlight %}
如果正则对象是一个空字符串，则exec方法会匹配成功，但返回的也是空字符串。
{% highlight javascript %}
var r1 = new RegExp(""); var a1 = r1.exec("abc"); a1 // [""] a1.index // 0 r1.lastIndex // 0
var r2 = new RegExp("()"); var a2 = r2.exec("abc"); a2 // ["", ""] a2.index // 0 r2.lastIndex // 0
{% endhighlight %}
字符串对象的方法之中，有4种与正则对象有关。
-
match：返回匹配的子字符串。
-
search：按照给定的正则规则进行搜索。
-
replace：按照给定的正则规则进行替换。
-
split：按照给定规则进行字符串分割。
下面逐一介绍。
match方法对字符串进行正则匹配，返回匹配结果。
{% highlight javascript %}
var s = '_x_x'; var r1 = /x/; var r2 = /y/;
s.match(r1) // ["x"] s.match(r2) // null
{% endhighlight %}
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，会返回所有匹配成功的结果。
{% highlight javascript %}
var s = "abba"; var r = /a/g;
s.match(r) // ["a", "a"] r.exec(s) // ["a"]
{% endhighlight %}
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。该方法会忽略g参数。
{% highlight javascript %}
'_x_x'.search(/x/) // 1
{% endhighlight %}
replace方法可以替换匹配的值，它接受两个参数，第一个是搜索模式，第二个是替换的内容。
{% highlight javascript %}
str.replace(search, replacement)
{% endhighlight %}
搜索模式如果不加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。
{% highlight javascript %}
"aaa".replace("a", "b") // "baa"
"aaa".replace(/a/, "b") // "baa"
"aaa".replace(/a/g, "b") // "bbb"
{% endhighlight %}
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。
- $& 指代匹配的子字符串。
- $` 指代匹配结果前面的文本。
- $' 指代匹配结果后面的文本。
- $n 指代匹配成功的第n组内容，n从1开始计数。
- $$ 指代美元符号$。
{% highlight javascript %}
"abc".replace("b", "[$`-$&-$']") // "a[a-b-c]c"
"hello world".replace(/(\w+)\s(\w+)/,"$2 $1") // "world hello"
{% endhighlight %}
第二个参数还可以是一个函数，将匹配内容替换为函数返回值。
{% highlight javascript %}
"3 and 5".replace(/[0-9]+/g, function(match){ return 2 * match; }) // "6 and 10"
{% endhighlight %}
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。
{% highlight javascript %}
str.split(separator, [limit])
{% endhighlight %}
该方法接受两个参数，第一个参数是分隔规则，第二个参数是返回数组的最大成员数。
{% highlight javascript %}
'a, b,c, d'.split(',') // [ 'a', ' b', 'c', ' d' ]
'a, b,c, d'.split(/, */) // [ 'a', 'b', 'c', 'd' ]
'a, b,c, d'.split(/, */, 2) [ 'a', 'b' ]
{% endhighlight %}
上面代码使用正则表达式，去除了子字符串的逗号前面的空格。
{% highlight javascript %}
"aaaa".split(/a*/) // [ '', '', '' ]
"aaa**a*".split(/a*/) // ["", "", "", "*"]
{% endhighlight %}
上面代码的分割规则是出现0次或多次的a，所以第一个分隔符是“aaa”，第二个分割符是“a”，将整个字符串分成三个部分。出现0次的a，意味着只要没有a就可以分割，实际上就是按字符分割。
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。
{% highlight javascript %}
"aaaa".split(/(a*)/) // [ '', 'aaa', '', 'a', '' ]
{% endhighlight %}
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。
下面是另一个组匹配的例子。
{% highlight javascript %}
'a, b , '.split(/(,)/) // ["a", ",", " b ", ",", " "]
'a, b , '.split(/ *(,) */) // ["a", ",", "b", ",", ""]
{% endhighlight %}
正则表达式对字符串的匹配有很复杂的规则。下面一一介绍这些规则。
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。它们都叫做“字面量字符”（literal characters）。
{% highlight javascript %}
/dog/.test("old dog") // true
{% endhighlight %}
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。
{% highlight javascript %}
/c.t/
{% endhighlight %}
上面代码中的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。
- ^ 表示字符串的起首。
- $ 表示字符串的行尾。
{% highlight javascript %}
/^test/.test("test123") // true /test$/.test("new test") // true /^test$/.test("test") // true /^test$/.test("test test") // false
{% endhighlight %}
（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。
{% highlight javascript %}
/11|22/.test("911") // true
{% endhighlight %}
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。
{% highlight javascript %}
/[abc]/.test("hello world") // false /[abc]/.test("apple") // true
{% endhighlight %}
上面代码表示，字符串hello world不包含abc这三个字母中的任一个，而字符串apple包含字母a。
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，[^