JavaScript正则表达式学习笔记[上]
正则表达式 Regular Expression
正则表达式是由一个字符序列形成的搜索模式,可用于所有文本搜索和文本替换的操作。[^1]它的重要性就不言而喻了。本文结合《JavaScript高级程序设计》一书并整理其他资料，对正则表达式的基础进行一个学习笔记的记录。更加详细的正则表达式学习心得将在之后的笔记中进行记录。
正则表达式构成
正则表达式由一些普通字符和一些元字符（metacharacters）组成。普通字符包括大小写的字母和数字，而元字符（用于匹配任何单个字符）则具有特殊的含义[^2]：
元字符
| 元字符 | 描述 |
|---|---|
| . | 匹配除“\r\n”之外任何单个字符；要匹配“\r\n”在内的任何字符，使用“[\s\S]” |
| \0 | 查找NULL字符 |
| \b | 匹配单词边界；也就是指单词和空格间的位置^3；例，“er\b”可匹配“never”的”er” |
| \B | 匹配非单词边界；“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er” |
| \cX | 匹配由X指明的控制字符；X的值必须为A-Z或a-z之一*；否则，视为一个原义的“c”字符 |
| \d | 匹配一个数字字符；等价于[0-9] |
| \D | 匹配一个非数字字符；等价于[^0-9] |
| \f | 匹配一个换页符；等价于\x0c和\cL |
| \n | 匹配一个换行符；等价于\x0a和\cJ |
| \r | 匹配一个回车符；等价于\x0d和\cM |
| \s | 匹配任何不可见字符；包括空格、制表符、换页符等；等价于[\f\n\r\t\v] |
| \S | 匹配任何可见字符；等价于[^\f\n\r\t\v] |
| \t | 匹配一个制表符；等价于\x09和\cI |
| \v | 匹配一个垂直制表符；等价于\x0b和\cK |
| \w | 匹配包括下划线的任何单词字符；该单词字符使用Unicode字符集 |
| \W | 匹配任何非单词字符；等价于“[^A-Za-z0-9_]” |
| \xdd | 匹配十六进制dd转义值；十六进制转义值必须为确定的两个数字长 |
| \n | 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用 |
| \uN | 匹配N，其中N是一个用四个十六进制数字表示的Unicode字符 |
转义字符
| 转义字符 | 描述（若字符本身要出现，需在特殊字符前面加\） | |
|---|---|---|
| \ | 将下一个字符标记符、或一个向后引用、或一个八进制转义符 | |
| ^ | 匹配输入字符串开始位置；若设置了正则表达式的mFlag，^也匹配“\n”或“\r”之后的位置 | |
| $ | 匹配输入字符串结束位置；若设置了正则表达式的mFlag，$也匹配“\n”或“\r”之前的位置 | |
| * | 匹配前置子表达式任意次；例，zo*能匹配“z”，“zo”以及“zoo”，等价于”o{0,}” | |
| + | 匹配前置子表达式大于等于1次；例，“zo+”能匹配“zo”以及“zoo”,等价于{1,} | |
| ? | 匹配前置子表达式零次或一次。例，“do(es)?”可以匹配“do”或“does”,等价于{0,1} | |
| . | 匹配除“\r\n”之外任何单个字符；要匹配“\r\n”在内的任何字符，请使用像“[\s\S]”模式 | |
| 将两个匹配条件进行逻辑“或”（Or）运算。注意：这个元字符不是所有的软件都支持的 |
量词类正则表达式
| 量词表达式 | 描述（若字符本身要出现，需在特殊字符前面加\） |
|---|---|
| n+ | n为某pattern，匹配任何至少包含一个n的字符串 |
| n* | n为某pattern，匹配零个或者多个n的字符串 |
| n? | n为某pattern，匹配零个或者1个n的字符串 |
| n{x} | n为某pattern，匹配包含x个n的序列字符串 |
| n{x,y} | n为某pattern，匹配至少x个，最多y个n的字符串 |
| n{x,} | n为某pattern，匹配至少x个的字符串 |
获取/非获取以及正反向预查的正则表达式
| 获取/非获取RegExp | 描述 | ||||
|---|---|---|---|---|---|
| (pattern) | 匹配pattern并获取这一匹配；所获取的匹配可以从产生的Matches集合得到，请使用“(”或“)”匹配圆括号字符 | ||||
| (?:pattern) | 非获取匹配；例，“industr(?:y | ies)” | |||
| (?=pattern) | 非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“Windows(?=95 | 98 | NT | 2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 | |
| (?!pattern) | 非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如“Windows(?!95 | 98 | NT | 2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。 | |
| (?<=pattern) | 非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95 | 98 | NT | 2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。 | |
| (?<!pattern) | 非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。 | ||||
| x | y | 匹配x或y。例如，“z | food”能匹配“z”或“food”(此处请谨慎)。“[z | f]ood”则匹配“zood”或“food”或” | ood”。 |
[]范围类正则表达式
| []正则表达式 | 描述（只要[]中任意一个字符匹配就可以） |
|---|---|
| [0-9] | 字符范围；匹配指定范围内的任意一个数字 |
| [xyz] | 字符集合；匹配所包含的任意一个字符。例，“[abc]”可以匹配“plain”中的“a” |
| [^xyz] | 负值字符集合；匹配未包含的任意一个字符。例，“[^abc]”可以匹配“plain”中的“plin” |
| [a-z] | 字符范围；匹配指定范围内的任意一个字符 |
| [^a-z] | 负值字符范围；匹配任何不在指定范围内的任意字符 |
其他类型
| 其他表达式 | 描述 |
|---|---|
| \p{P} | 小写p是property的意思，表示Unicode属性，用于Unicode正表达式的前缀。中括号内的“P”表示Unicode字符集七个字符属性之一：标点字符^4 |
| \< > | 匹配一个word的开始（\<）和结束（>） |
| ( ) | 将()内的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用\1到\9的符号来引用 |
语法
直接量语法：
1
/pattern/flags;
其中//包含的内部（pattern）是正则表达式字符串的主体；最后的flags是正则表达式的修饰标志，包含属性有g，i，m三种，分别是与全局匹配，不区分大小写匹配和多行匹配三种修饰标志。
实例：
1
var patt = /[bc]at/i; //匹配第一个“bat”或”cat“，不区分大小写
使用构造函数创建RegExp对象语法：
1
new RegExp(pattern, attributes);
其中，pattern部分与上面直接量语法中的pattern相同，attributes是上面flags相同的标志；
RegExp实例的属性和方法
RegExp实例的属性
RegExp的每一个实例都具有下列属性，这些属性可以获取到该实例pattern的相关信息：
- .global：bool值，表示是否设置了g标志
- .ignoreCase：bool值，表示是否设置了i标志
- .multiline：bool值，表示是否设置了m标志
- .lastIndex：整数值，表示开始搜索下一个匹配项的自负位置，从0算起
- .source：正则表达式的字符串表示，按照字面量形式而非传入构造参数中的字符串模式返回；
RegExp实例的方法
exec()，该方法是专门为捕获组而设计的：
- 语法：RegExpObject.exec(testString)
- 参数：接受一个参数，即要应用该模式的字符串；
- 返回：包含第一个匹配项信息的数组（无匹配项时返回null）；且返回值含有两个额外属性，index表示匹配项在字符串中的位置/input表示应用正则表达式的字符串；
1
2
3
4
5
6
7
8var testString = "mom and dad and baby";
var pattern = /mom( and dad( and baby)?)?/gi;
var matches = pattern.exec(testString);
alert(matches.index); //0
alert(matches.input); //"mom and dad and baby"
alert(matches.[0]); //"mom adn dad and baby"
alert(matches.[1]); //" and dad and baby"
alert(matches.[2]); //" and baby"上述示例代码中，可以看到，返回的数组第一项是与整个模式匹配的字符串，其他项是与模式中的捕获组匹配的字符串。关于“组”的相关内容请参考上一章节的表格中的/()/项。
有关全局和非全局模式
当pattern为全局模式时，每次调用exec()进行匹配时会返回下一个匹配项，即exec()调用过后，matches.index可能会增加，pattern.lastIndex也是同样会增加；如果pattern为非全剧模式时，每次调用exec()进行匹配时都会返回第一个匹配项。test()，简单匹配。在不知道要进行匹配的文本内容情况下使用改方法比较好：
- 语法：RegExpObject.test(testString)；
- 参数：接受一个参数，即要进行匹配的文本字符串；
- 返回：如果字符串testString中含有与RegExpObject匹配的文本的话，就返回true，否则返回false；
RegExp构造函数属性
RegExp构造函数包含一些属性，这些属性适用于作用与众的所有正则表达式，并且基于所执行的最近一次正则表达式操作而变化。这些属性分别有一个长属性名和一个短属性名（Opera不支持短属性名）：
| 长属性名 | 短属性名 | 说明 |
|---|---|---|
| input | $_ | 最近一次要匹配的字符串 |
| lastMatch | $& | 最近一次的匹配项 |
| lastParen | $+ | 最近一次要匹配的捕获组 |
| leftContext | $` | input字符串中lastMatch之前的文本 |
| multiline | $* | 布尔值，表示是否所有表达式都是用多行模式 |
| rightContext | $’ | input字符串中lastMatch之后的文本 |
其中，前三项是Opera没有实现的属性。使用这些属性能够从exec()和test()执行的操作中提取更具体的信息。
[^1]:From http://www.runoob.com/js/js-regexp.htm
[^2]:From http://baike.baidu.com/item/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F?sefr=enterbtn