RegExp 對象 · JavaScript 教程

# RegExp 對象 `RegExp`對象提供正則表達式的功能。 ## 概述正則表達式（regular expression）是一種表達文本模式（即字符串結構）的方法，有點像字符串的模板，常常用來按照“給定模式”匹配文本。比如，正則表達式給出一個 Email 地址的模式，然后用它來確定一個字符串是否為 Email 地址。JavaScript 的正則表達式體系是參照 Perl 5 建立的。新建正則表達式有兩種方法。一種是使用字面量，以斜杠表示開始和結束。 ```javascript var regex = /xyz/; ``` 另一種是使用`RegExp`構造函數。 ```javascript var regex = new RegExp('xyz'); ``` 上面兩種寫法是等價的，都新建了一個內容為`xyz`的正則表達式對象。它們的主要區別是，第一種方法在引擎編譯代碼時，就會新建正則表達式，第二種方法在運行時新建正則表達式，所以前者的效率較高。而且，前者比較便利和直觀，所以實際應用中，基本上都采用字面量定義正則表達式。 `RegExp`構造函數還可以接受第二個參數，表示修飾符（詳細解釋見下文）。 ```javascript var regex = new RegExp('xyz', 'i'); // 等價于 var regex = /xyz/i; ``` 上面代碼中，正則表達式`/xyz/`有一個修飾符`i`。 ## 實例屬性正則對象的實例屬性分成兩類。一類是修飾符相關，用于了解設置了什么修飾符。 - `RegExp.prototype.ignoreCase`：返回一個布爾值，表示是否設置了`i`修飾符。 - `RegExp.prototype.global`：返回一個布爾值，表示是否設置了`g`修飾符。 - `RegExp.prototype.multiline`：返回一個布爾值，表示是否設置了`m`修飾符。 - `RegExp.prototype.flags`：返回一個字符串，包含了已經設置的所有修飾符，按字母排序。上面四個屬性都是只讀的。 ```javascript var r = /abc/igm; r.ignoreCase // true r.global // true r.multiline // true r.flags // 'gim' ``` 另一類是與修飾符無關的屬性，主要是下面兩個。 - `RegExp.prototype.lastIndex`：返回一個整數，表示下一次開始搜索的位置。該屬性可讀寫，但是只在進行連續搜索時有意義，詳細介紹請看后文。 - `RegExp.prototype.source`：返回正則表達式的字符串形式（不包括反斜杠），該屬性只讀。 ```javascript var r = /abc/igm; r.lastIndex // 0 r.source // "abc" ``` ## 實例方法 ### RegExp.prototype.test() 正則實例對象的`test`方法返回一個布爾值，表示當前模式是否能匹配參數字符串。 ```javascript /cat/.test('cats and dogs') // true ``` 上面代碼驗證參數字符串之中是否包含`cat`，結果返回`true`。如果正則表達式帶有`g`修飾符，則每一次`test`方法都從上一次結束的位置開始向后匹配。 ```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 ``` 上面代碼的正則表達式使用了`g`修飾符，表示是全局搜索，會有多個結果。接著，三次使用`test`方法，每一次開始搜索的位置都是上一次匹配的后一個位置。帶有`g`修飾符時，可以通過正則對象的`lastIndex`屬性指定開始搜索的位置。 ```javascript var r = /x/g; var s = '_x_x'; r.lastIndex = 4; r.test(s) // false r.lastIndex // 0 r.test(s) ``` 上面代碼指定從字符串的第五個位置開始搜索，這個位置為空，所以返回`false`。同時，`lastIndex`屬性重置為`0`，所以第二次執行`r.test(s)`會返回`true`。注意，帶有`g`修飾符時，正則表達式內部會記住上一次的`lastIndex`屬性，這時不應該更換所要匹配的字符串，否則會有一些難以察覺的錯誤。 ```javascript var r = /bb/g; r.test('bb') // true r.test('-bb-') // false ``` 上面代碼中，由于正則表達式`r`是從上一次的`lastIndex`位置開始匹配，導致第二次執行`test`方法時出現預期以外的結果。 `lastIndex`屬性只對同一個正則表達式有效，所以下面這樣寫是錯誤的。 ```javascript var count = 0; while (/a/g.test('babaa')) count++; ``` 上面代碼會導致無限循環，因為`while`循環的每次匹配條件都是一個新的正則表達式，導致`lastIndex`屬性總是等于0。如果正則模式是一個空字符串，則匹配所有字符串。 ```javascript new RegExp('').test('abc') // true ``` ### RegExp.prototype.exec() 正則實例對象的`exec()`方法，用來返回匹配結果。如果發現匹配，就返回一個數組，成員是匹配成功的子字符串，否則返回`null`。 ```javascript var s = '_x_x'; var r1 = /x/; var r2 = /y/; r1.exec(s) // ["x"] r2.exec(s) // null ``` 上面代碼中，正則對象`r1`匹配成功，返回一個數組，成員是匹配結果；正則對象`r2`匹配失敗，返回`null`。如果正則表示式包含圓括號（即含有“組匹配”），則返回的數組會包括多個成員。第一個成員是整個匹配成功的結果，后面的成員就是圓括號對應的匹配成功的組。也就是說，第二個成員對應第一個括號，第三個成員對應第二個括號，以此類推。整個數組的`length`屬性等于組匹配的數量再加1。 ```javascript var s = '_x_x'; var r = /_(x)/; r.exec(s) // ["_x", "x"] ``` 上面代碼的`exec()`方法，返回一個數組。第一個成員是整個匹配的結果，第二個成員是圓括號匹配的結果。 `exec()`方法的返回數組還包含以下兩個屬性： - `input`：整個原字符串。 - `index`：模式匹配成功的開始位置（從0開始計數）。 ```javascript var r = /a(b+)a/; var arr = r.exec('_abbba_aba_'); arr // ["abbba", "bbb"] arr.index // 1 arr.input // "_abbba_aba_" ``` 上面代碼中的`index`屬性等于1，是因為從原字符串的第二個位置開始匹配成功。如果正則表達式加上`g`修飾符，則可以使用多次`exec()`方法，下一次搜索的位置從上一次匹配成功結束的位置開始。 ```javascript var reg = /a/g; var str = 'abc_abc_abc' var r1 = reg.exec(str); r1 // ["a"] r1.index // 0 reg.lastIndex // 1 var r2 = reg.exec(str); r2 // ["a"] r2.index // 4 reg.lastIndex // 5 var r3 = reg.exec(str); r3 // ["a"] r3.index // 8 reg.lastIndex // 9 var r4 = reg.exec(str); r4 // null reg.lastIndex // 0 ``` 上面代碼連續用了四次`exec()`方法，前三次都是從上一次匹配結束的位置向后匹配。當第三次匹配結束以后，整個字符串已經到達尾部，匹配結果返回`null`，正則實例對象的`lastIndex`屬性也重置為`0`，意味著第四次匹配將從頭開始。利用`g`修飾符允許多次匹配的特點，可以用一個循環完成全部匹配。 ```javascript var reg = /a/g; var str = 'abc_abc_abc' while(true) { var match = reg.exec(str); if (!match) break; console.log('#' + match.index + ':' + match[0]); } // #0:a // #4:a // #8:a ``` 上面代碼中，只要`exec()`方法不返回`null`，就會一直循環下去，每次輸出匹配的位置和匹配的文本。正則實例對象的`lastIndex`屬性不僅可讀，還可寫。設置了`g`修飾符的時候，只要手動設置了`lastIndex`的值，就會從指定位置開始匹配。 ## 字符串的實例方法字符串的實例方法之中，有4種與正則表達式有關。 - `String.prototype.match()`：返回一個數組，成員是所有匹配的子字符串。 - `String.prototype.search()`：按照給定的正則表達式進行搜索，返回一個整數，表示匹配開始的位置。 - `String.prototype.replace()`：按照給定的正則表達式進行替換，返回替換后的字符串。 - `String.prototype.split()`：按照給定規則進行字符串分割，返回一個數組，包含分割后的各個成員。 ### String.prototype.match() 字符串實例對象的`match`方法對字符串進行正則匹配，返回匹配結果。 ```javascript var s = '_x_x'; var r1 = /x/; var r2 = /y/; s.match(r1) // ["x"] s.match(r2) // null ``` 從上面代碼可以看到，字符串的`match`方法與正則對象的`exec`方法非常類似：匹配成功返回一個數組，匹配失敗返回`null`。如果正則表達式帶有`g`修飾符，則該方法與正則對象的`exec`方法行為不同，會一次性返回所有匹配成功的結果。 ```javascript var s = 'abba'; var r = /a/g; s.match(r) // ["a", "a"] r.exec(s) // ["a"] ``` 設置正則表達式的`lastIndex`屬性，對`match`方法無效，匹配總是從字符串的第一個字符開始。 ```javascript var r = /a|b/g; r.lastIndex = 7; 'xaxb'.match(r) // ['a', 'b'] r.lastIndex // 0 ``` 上面代碼表示，設置正則對象的`lastIndex`屬性是無效的。 ### String.prototype.search() 字符串對象的`search`方法，返回第一個滿足條件的匹配結果在整個字符串中的位置。如果沒有任何匹配，則返回`-1`。 ```javascript '_x_x'.search(/x/) // 1 ``` 上面代碼中，第一個匹配結果出現在字符串的`1`號位置。 ### String.prototype.replace() 字符串對象的`replace`方法可以替換匹配的值。它接受兩個參數，第一個是正則表達式，表示搜索模式，第二個是替換的內容。 ```javascript str.replace(search, replacement) ``` 正則表達式如果不加`g`修飾符，就替換第一個匹配成功的值，否則替換所有匹配成功的值。 ```javascript 'aaa'.replace('a', 'b') // "baa" 'aaa'.replace(/a/, 'b') // "baa" 'aaa'.replace(/a/g, 'b') // "bbb" ``` 上面代碼中，最后一個正則表達式使用了`g`修飾符，導致所有的`a`都被替換掉了。 `replace`方法的一個應用，就是消除字符串首尾兩端的空格。 ```javascript var str = ' #id div.class '; str.replace(/^\s+|\s+$/g, '') // "#id div.class" ``` `replace`方法的第二個參數可以使用美元符號`$`，用來指代所替換的內容。 - `$&`：匹配的子字符串。 - `` $` ``：匹配結果前面的文本。 - `$'`：匹配結果后面的文本。 - `$n`：匹配成功的第`n`組內容，`n`是從1開始的自然數。 - `$$`：指代美元符號`$`。 ```javascript 'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1') // "world hello" 'abc'.replace('b', '[$`-$&-$\']') // "a[a-b-c]c" ``` 上面代碼中，第一個例子是將匹配的組互換位置，第二個例子是改寫匹配的值。 `replace`方法的第二個參數還可以是一個函數，將每一個匹配內容替換為函數返回值。 ```javascript '3 and 5'.replace(/[0-9]+/g, function (match) { return 2 * match; }) // "6 and 10" var a = 'The quick brown fox jumped over the lazy dog.'; var pattern = /quick|brown|lazy/ig; a.replace(pattern, function replacer(match) { return match.toUpperCase(); }); // The QUICK BROWN fox jumped over the LAZY dog. ``` 作為`replace`方法第二個參數的替換函數，可以接受多個參數。其中，第一個參數是捕捉到的內容，第二個參數是捕捉到的組匹配（有多少個組匹配，就有多少個對應的參數）。此外，最后還可以添加兩個參數，倒數第二個參數是捕捉到的內容在整個字符串中的位置（比如從第五個位置開始），最后一個參數是原字符串。下面是一個網頁模板替換的例子。 ```javascript var prices = { 'p1': '$1.99', 'p2': '$9.99', 'p3': '$5.00' }; var template = '' + '' + ''; template.replace( /()(<\/span>)/g, function(match, $1, $2, $3, $4){ return $1 + $2 + $3 + prices[$2] + $4; } ); // "$1.99$9.99$5.00" ``` 上面代碼的捕捉模式中，有四個括號，所以會產生四個組匹配，在匹配函數中用`$1`到`$4`表示。匹配函數的作用是將價格插入模板中。 ### String.prototype.split() 字符串對象的`split`方法按照正則規則分割字符串，返回一個由分割后的各個部分組成的數組。 ```javascript str.split(separator, [limit]) ``` 該方法接受兩個參數，第一個參數是正則表達式，表示分隔規則，第二個參數是返回數組的最大成員數。 ```javascript // 非正則分隔 'a, b,c, d'.split(',') // [ 'a', ' b', 'c', ' d' ] // 正則分隔，去除多余的空格 'a, b,c, d'.split(/, */) // [ 'a', 'b', 'c', 'd' ] // 指定返回數組的最大成員 'a, b,c, d'.split(/, */, 2) [ 'a', 'b' ] ``` 上面代碼使用正則表達式，去除了子字符串的逗號后面的空格。 ```javascript // 例一 'aaa*a*'.split(/a*/) // [ '', '*', '*' ] // 例二 'aaa**a*'.split(/a*/) // ["", "*", "*", "*"] ``` 上面代碼的分割規則是0次或多次的`a`，由于正則默認是貪婪匹配，所以例一的第一個分隔符是`aaa`，第二個分割符是`a`，將字符串分成三個部分，包含開始處的空字符串。例二的第一個分隔符是`aaa`，第二個分隔符是0個`a`（即空字符），第三個分隔符是`a`，所以將字符串分成四個部分。如果正則表達式帶有括號，則括號匹配的部分也會作為數組成員返回。 ```javascript 'aaa*a*'.split(/(a*)/) // [ '', 'aaa', '*', 'a', '*' ] ``` 上面代碼的正則表達式使用了括號，第一個組匹配是`aaa`，第二個組匹配是`a`，它們都作為數組成員返回。 ## 匹配規則正則表達式的規則很復雜，下面一一介紹這些規則。 ### 字面量字符和元字符大部分字符在正則表達式中，就是字面的含義，比如`/a/`匹配`a`，`/b/`匹配`b`。如果在正則表達式之中，某個字符只表示它字面的含義（就像前面的`a`和`b`），那么它們就叫做“字面量字符”（literal characters）。 ```javascript /dog/.test('old dog') // true ``` 上面代碼中正則表達式的`dog`，就是字面量字符，所以`/dog/`匹配`old dog`，因為它就表示`d`、`o`、`g`三個字母連在一起。除了字面量字符以外，還有一部分字符有特殊含義，不代表字面的意思。它們叫做“元字符”（metacharacters），主要有以下幾個。 **（1）點字符（.)** 點字符（`.`）匹配除回車（`\r`）、換行(`\n`) 、行分隔符（`\u2028`）和段分隔符（`\u2029`）以外的所有字符。注意，對于碼點大于`0xFFFF`字符，點字符不能正確匹配，會認為這是兩個字符。 ```javascript /c.t/ ``` 上面代碼中，`c.t`匹配`c`和`t`之間包含任意一個字符的情況，只要這三個字符在同一行，比如`cat`、`c2t`、`c-t`等等，但是不匹配`coot`。 **（2）位置字符** 位置字符用來提示字符所處的位置，主要有兩個字符。 - `^` 表示字符串的開始位置 - `$` 表示字符串的結束位置 ```javascript // test必須出現在開始位置 /^test/.test('test123') // true // test必須出現在結束位置 /test$/.test('new test') // true // 從開始位置到結束位置只有test /^test$/.test('test') // true /^test$/.test('test test') // false ``` **（3）選擇符（`|`）** 豎線符號（`|`）在正則表達式中表示“或關系”（OR），即`cat|dog`表示匹配`cat`或`dog`。 ```javascript /11|22/.test('911') // true ``` 上面代碼中，正則表達式指定必須匹配`11`或`22`。多個選擇符可以聯合使用。 ```javascript // 匹配fred、barney、betty之中的一個 /fred|barney|betty/ ``` 選擇符會包括它前后的多個字符，比如`/ab|cd/`指的是匹配`ab`或者`cd`，而不是指匹配`b`或者`c`。如果想修改這個行為，可以使用圓括號。 ```javascript /a( |\t)b/.test('a\tb') // true ``` 上面代碼指的是，`a`和`b`之間有一個空格或者一個制表符。其他的元字符還包括`\`、`*`、`+`、`?`、`()`、`[]`、`{}`等，將在下文解釋。 ### 轉義符正則表達式中那些有特殊含義的元字符，如果要匹配它們本身，就需要在它們前面要加上反斜杠。比如要匹配`+`，就要寫成`\+`。 ```javascript /1+1/.test('1+1') // false /1\+1/.test('1+1') // true ``` 上面代碼中，第一個正則表達式之所以不匹配，因為加號是元字符，不代表自身。第二個正則表達式使用反斜杠對加號轉義，就能匹配成功。正則表達式中，需要反斜杠轉義的，一共有12個字符：`^`、`.`、`[`、`$`、`(`、`)`、`|`、`*`、`+`、`?`、`{`和`\`。需要特別注意的是，如果使用`RegExp`方法生成正則對象，轉義需要使用兩個斜杠，因為字符串內部會先轉義一次。 ```javascript (new RegExp('1\+1')).test('1+1') // false (new RegExp('1\\+1')).test('1+1') // true ``` 上面代碼中，`RegExp`作為構造函數，參數是一個字符串。但是，在字符串內部，反斜杠也是轉義字符，所以它會先被反斜杠轉義一次，然后再被正則表達式轉義一次，因此需要兩個反斜杠轉義。 ### 特殊字符正則表達式對一些不能打印的特殊字符，提供了表達方法。 - `\cX` 表示`Ctrl-[X]`，其中的`X`是A-Z之中任一個英文字母，用來匹配控制字符。 - `[\b]` 匹配退格鍵(U+0008)，不要與`\b`混淆。 - `\n` 匹配換行鍵。 - `\r` 匹配回車鍵。 - `\t` 匹配制表符 tab（U+0009）。 - `\v` 匹配垂直制表符（U+000B）。 - `\f` 匹配換頁符（U+000C）。 - `\0` 匹配`null`字符（U+0000）。 - `\xhh` 匹配一個以兩位十六進制數（`\x00`-`\xFF`）表示的字符。 - `\uhhhh` 匹配一個以四位十六進制數（`\u0000`-`\uFFFF`）表示的 Unicode 字符。 ### 字符類字符類（class）表示有一系列字符可供選擇，只要匹配其中一個就可以了。所有可供選擇的字符都放在方括號內，比如`[xyz]` 表示`x`、`y`、`z`之中任選一個匹配。 ```javascript /[abc]/.test('hello world') // false /[abc]/.test('apple') // true ``` 上面代碼中，字符串`hello world`不包含`a`、`b`、`c`這三個字母中的任一個，所以返回`false`；字符串`apple`包含字母`a`，所以返回`true`。有兩個字符在字符類中有特殊含義。 **（1）脫字符（^）** 如果方括號內的第一個字符是`[^]`，則表示除了字符類之中的字符，其他字符都可以匹配。比如，`[^xyz]`表示除了`x`、`y`、`z`之外都可以匹配。 ```javascript /[^abc]/.test('bbc news') // true /[^abc]/.test('bbc') // false ``` 上面代碼中，字符串`bbc news`包含`a`、`b`、`c`以外的其他字符，所以返回`true`；字符串`bbc`不包含`a`、`b`、`c`以外的其他字符，所以返回`false`。如果方括號內沒有其他字符，即只有`[^]`，就表示匹配一切字符，其中包括換行符。相比之下，點號作為元字符（`.`）是不包括換行符的。 ```javascript var s = 'Please yes\nmake my day!'; s.match(/yes.*day/) // null s.match(/yes[^]*day/) // [ 'yes\nmake my day'] ``` 上面代碼中，字符串`s`含有一個換行符，點號不包括換行符，所以第一個正則表達式匹配失敗；第二個正則表達式`[^]`包含一切字符，所以匹配成功。 > 注意，脫字符只有在字符類的第一個位置才有特殊含義，否則就是字面含義。 **（2）連字符（-）** 某些情況下，對于連續序列的字符，連字符（`-`）用來提供簡寫形式，表示字符的連續范圍。比如，`[abc]`可以寫成`[a-c]`，`[0123456789]`可以寫成`[0-9]`，同理`[A-Z]`表示26個大寫字母。 ```javascript /a-z/.test('b') // false /[a-z]/.test('b') // true ``` 上面代碼中，當連字號（dash）不出現在方括號之中，就不具備簡寫的作用，只代表字面的含義，所以不匹配字符`b`。只有當連字號用在方括號之中，才表示連續的字符序列。以下都是合法的字符類簡寫形式。 ```javascript [0-9.,] [0-9a-fA-F] [a-zA-Z0-9-] [1-31] ``` 上面代碼中最后一個字符類`[1-31]`，不代表`1`到`31`，只代表`1`到`3`。連字符還可以用來指定 Unicode 字符的范圍。 ```javascript var str = "\u0130\u0131\u0132"; /[\u0128-\uFFFF]/.test(str) // true ``` 上面代碼中，`\u0128-\uFFFF`表示匹配碼點在`0128`到`FFFF`之間的所有字符。另外，不要過分使用連字符，設定一個很大的范圍，否則很可能選中意料之外的字符。最典型的例子就是`[A-z]`，表面上它是選中從大寫的`A`到小寫的`z`之間52個字母，但是由于在 ASCII 編碼之中，大寫字母與小寫字母之間還有其他字符，結果就會出現意料之外的結果。 ```javascript /[A-z]/.test('\\') // true ``` 上面代碼中，由于反斜杠（'\\'）的ASCII碼在大寫字母與小寫字母之間，結果會被選中。 ### 預定義模式預定義模式指的是某些常見模式的簡寫方式。 - `\d` 匹配0-9之間的任一數字，相當于`[0-9]`。 - `\D` 匹配所有0-9以外的字符，相當于`[^0-9]`。 - `\w` 匹配任意的字母、數字和下劃線，相當于`[A-Za-z0-9_]`。 - `\W` 除所有字母、數字和下劃線以外的字符，相當于`[^A-Za-z0-9_]`。 - `\s` 匹配空格（包括換行符、制表符、空格符等），相等于`[ \t\r\n\v\f]`。 - `\S` 匹配非空格的字符，相當于`[^ \t\r\n\v\f]`。 - `\b` 匹配詞的邊界。 - `\B` 匹配非詞邊界，即在詞的內部。下面是一些例子。 ```javascript // \s 的例子 /\s\w*/.exec('hello world') // [" world"] // \b 的例子 /\bworld/.test('hello world') // true /\bworld/.test('hello-world') // true /\bworld/.test('helloworld') // false // \B 的例子 /\Bworld/.test('hello-world') // false /\Bworld/.test('helloworld') // true ``` 上面代碼中，`\s`表示空格，所以匹配結果會包括空格。`\b`表示詞的邊界，所以`world`的詞首必須獨立（詞尾是否獨立未指定），才會匹配。同理，`\B`表示非詞的邊界，只有`world`的詞首不獨立，才會匹配。通常，正則表達式遇到換行符（`\n`）就會停止匹配。 ```javascript var html = "Hello\nworld!"; /.*/.exec(html)[0] // "Hello" ``` 上面代碼中，字符串`html`包含一個換行符，結果點字符（`.`）不匹配換行符，導致匹配結果可能不符合原意。這時使用`\s`字符類，就能包括換行符。 ```javascript var html = "Hello\nworld!"; /[\S\s]*/.exec(html)[0] // "Hello\nworld!" ``` 上面代碼中，`[\S\s]`指代一切字符。 ### 重復類模式的精確匹配次數，使用大括號（`{}`）表示。`{n}`表示恰好重復`n`次，`{n,}`表示至少重復`n`次，`{n,m}`表示重復不少于`n`次，不多于`m`次。 ```javascript /lo{2}k/.test('look') // true /lo{2,5}k/.test('looook') // true ``` 上面代碼中，第一個模式指定`o`連續出現2次，第二個模式指定`o`連續出現2次到5次之間。 ### 量詞符量詞符用來設定某個模式出現的次數。 - `?` 問號表示某個模式出現0次或1次，等同于`{0, 1}`。 - `*` 星號表示某個模式出現0次或多次，等同于`{0,}`。 - `+` 加號表示某個模式出現1次或多次，等同于`{1,}`。 ```javascript // t 出現0次或1次 /t?est/.test('test') // true /t?est/.test('est') // true // t 出現1次或多次 /t+est/.test('test') // true /t+est/.test('ttest') // true /t+est/.test('est') // false // t 出現0次或多次 /t*est/.test('test') // true /t*est/.test('ttest') // true /t*est/.test('tttest') // true /t*est/.test('est') // true ``` ### 貪婪模式上一小節的三個量詞符，默認情況下都是最大可能匹配，即匹配到下一個字符不滿足匹配規則為止。這被稱為貪婪模式。 ```javascript var s = 'aaa'; s.match(/a+/) // ["aaa"] ``` 上面代碼中，模式是`/a+/`，表示匹配1個`a`或多個`a`，那么到底會匹配幾個`a`呢？因為默認是貪婪模式，會一直匹配到字符`a`不出現為止，所以匹配結果是3個`a`。除了貪婪模式，還有非貪婪模式，即最小可能匹配。只要一發現匹配，就返回結果，不要往下檢查。如果想將貪婪模式改為非貪婪模式，可以在量詞符后面加一個問號。 ```javascript var s = 'aaa'; s.match(/a+?/) // ["a"] ``` 上面例子中，模式結尾添加了一個問號`/a+?/`，這時就改為非貪婪模式，一旦條件滿足，就不再往下匹配，`+?`表示只要發現一個`a`，就不再往下匹配了。除了非貪婪模式的加號（`+?`），還有非貪婪模式的星號（`*?`）和非貪婪模式的問號（`??`）。 - `+?`：表示某個模式出現1次或多次，匹配時采用非貪婪模式。 - `*?`：表示某個模式出現0次或多次，匹配時采用非貪婪模式。 - `??`：表格某個模式出現0次或1次，匹配時采用非貪婪模式。 ```javascript 'abb'.match(/ab*/) // ["abb"] 'abb'.match(/ab*?/) // ["a"] 'abb'.match(/ab?/) // ["ab"] 'abb'.match(/ab??/) // ["a"] ``` 上面例子中，`/ab*/`表示如果`a`后面有多個`b`，那么匹配盡可能多的`b`；`/ab*?/`表示匹配盡可能少的`b`，也就是0個`b`。 ### 修飾符修飾符（modifier）表示模式的附加規則，放在正則模式的最尾部。修飾符可以單個使用，也可以多個一起使用。 ```javascript // 單個修飾符 var regex = /test/i; // 多個修飾符 var regex = /test/ig; ``` **（1）g 修飾符** 默認情況下，第一次匹配成功后，正則對象就停止向下匹配了。`g`修飾符表示全局匹配（global），加上它以后，正則對象將匹配全部符合條件的結果，主要用于搜索和替換。 ```javascript var regex = /b/; var str = 'abba'; regex.test(str); // true regex.test(str); // true regex.test(str); // true ``` 上面代碼中，正則模式不含`g`修飾符，每次都是從字符串頭部開始匹配。所以，連續做了三次匹配，都返回`true`。 ```javascript var regex = /b/g; var str = 'abba'; regex.test(str); // true regex.test(str); // true regex.test(str); // false ``` 上面代碼中，正則模式含有`g`修飾符，每次都是從上一次匹配成功處，開始向后匹配。因為字符串`abba`只有兩個`b`，所以前兩次匹配結果為`true`，第三次匹配結果為`false`。 **（2）i 修飾符** 默認情況下，正則對象區分字母的大小寫，加上`i`修飾符以后表示忽略大小寫（ignoreCase）。 ```javascript /abc/.test('ABC') // false /abc/i.test('ABC') // true ``` 上面代碼表示，加了`i`修飾符以后，不考慮大小寫，所以模式`abc`匹配字符串`ABC`。 **（3）m 修飾符** `m`修飾符表示多行模式（multiline），會修改`^`和`$`的行為。默認情況下（即不加`m`修飾符時），`^`和`$`匹配字符串的開始處和結尾處，加上`m`修飾符以后，`^`和`$`還會匹配行首和行尾，即`^`和`$`會識別換行符（`\n`）。 ```javascript /world$/.test('hello world\n') // false /world$/m.test('hello world\n') // true ``` 上面的代碼中，字符串結尾處有一個換行符。如果不加`m`修飾符，匹配不成功，因為字符串的結尾不是`world`；加上以后，`$`可以匹配行尾。 ```javascript /^b/m.test('a\nb') // true ``` 上面代碼要求匹配行首的`b`，如果不加`m`修飾符，就相當于`b`只能處在字符串的開始處。加上`m`修飾符以后，換行符`\n`也會被認為是一行的開始。 ### 組匹配 **（1）概述** 正則表達式的括號表示分組匹配，括號中的模式可以用來匹配分組的內容。 ```javascript /fred+/.test('fredd') // true /(fred)+/.test('fredfred') // true ``` 上面代碼中，第一個模式沒有括號，結果`+`只表示重復字母`d`，第二個模式有括號，結果`+`就表示匹配`fred`這個詞。下面是另外一個分組捕獲的例子。 ```javascript var m = 'abcabc'.match(/(.)b(.)/); m // ['abc', 'a', 'c'] ``` 上面代碼中，正則表達式`/(.)b(.)/`一共使用兩個括號，第一個括號捕獲`a`，第二個括號捕獲`c`。注意，使用組匹配時，不宜同時使用`g`修飾符，否則`match`方法不會捕獲分組的內容。 ```javascript var m = 'abcabc'.match(/(.)b(.)/g); m // ['abc', 'abc'] ``` 上面代碼使用帶`g`修飾符的正則表達式，結果`match`方法只捕獲了匹配整個表達式的部分。這時必須使用正則表達式的`exec`方法，配合循環，才能讀到每一輪匹配的組捕獲。 ```javascript var str = 'abcabc'; var reg = /(.)b(.)/g; while (true) { var result = reg.exec(str); if (!result) break; console.log(result); } // ["abc", "a", "c"] //?["abc", "a", "c"] ``` 正則表達式內部，還可以用`\n`引用括號匹配的內容，`n`是從1開始的自然數，表示對應順序的括號。 ```javascript /(.)b(.)\1b\2/.test("abcabc") // true ``` 上面的代碼中，`\1`表示第一個括號匹配的內容（即`a`），`\2`表示第二個括號匹配的內容（即`c`）。下面是另外一個例子。 ```javascript /y(..)(.)\2\1/.test('yabccab') // true ``` 括號還可以嵌套。 ```javascript /y((..)\2)\1/.test('yabababab') // true ``` 上面代碼中，`\1`指向外層括號，`\2`指向內層括號。組匹配非常有用，下面是一個匹配網頁標簽的例子。 ```javascript var tagName = /<([^>]+)>[^<]*<\/\1>/; tagName.exec("bold")[1] // 'b' ``` 上面代碼中，圓括號匹配尖括號之中的標簽，而`\1`就表示對應的閉合標簽。上面代碼略加修改，就能捕獲帶有屬性的標簽。 ```javascript var html = 'Helloworld'; var tag = /<(\w+)([^>]*)>(.*?)<\/\1>/g; var match = tag.exec(html); match[1] // "b" match[2] // " class="hello"" match[3] // "Hello" match = tag.exec(html); match[1] // "i" match[2] // "" match[3] // "world" ``` **（2）非捕獲組** `(?:x)`稱為非捕獲組（Non-capturing group），表示不返回該組匹配的內容，即匹配的結果中不計入這個括號。非捕獲組的作用請考慮這樣一個場景，假定需要匹配`foo`或者`foofoo`，正則表達式就應該寫成`/(foo){1, 2}/`，但是這樣會占用一個組匹配。這時，就可以使用非捕獲組，將正則表達式改為`/(?:foo){1, 2}/`，它的作用與前一個正則是一樣的，但是不會單獨輸出括號內部的內容。請看下面的例子。 ```javascript var m = 'abc'.match(/(?:.)b(.)/); m // ["abc", "c"] ``` 上面代碼中的模式，一共使用了兩個括號。其中第一個括號是非捕獲組，所以最后返回的結果中沒有第一個括號，只有第二個括號匹配的內容。下面是用來分解網址的正則表達式。 ```javascript // 正常匹配 var url = /(http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/; url.exec('http://google.com/'); // ["http://google.com/", "http", "google.com", "/"] // 非捕獲組匹配 var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/; url.exec('http://google.com/'); // ["http://google.com/", "google.com", "/"] ``` 上面的代碼中，前一個正則表達式是正常匹配，第一個括號返回網絡協議；后一個正則表達式是非捕獲匹配，返回結果中不包括網絡協議。 **（3）先行斷言** `x(?=y)`稱為先行斷言（Positive look-ahead），`x`只有在`y`前面才匹配，`y`不會被計入返回結果。比如，要匹配后面跟著百分號的數字，可以寫成`/\d+(?=%)/`。 “先行斷言”中，括號里的部分是不會返回的。 ```javascript var m = 'abc'.match(/b(?=c)/); m // ["b"] ``` 上面的代碼使用了先行斷言，`b`在`c`前面所以被匹配，但是括號對應的`c`不會被返回。 **（4）先行否定斷言** `x(?!y)`稱為先行否定斷言（Negative look-ahead），`x`只有不在`y`前面才匹配，`y`不會被計入返回結果。比如，要匹配后面跟的不是百分號的數字，就要寫成`/\d+(?!%)/`。 ```javascript /\d+(?!\.)/.exec('3.14') // ["14"] ``` 上面代碼中，正則表達式指定，只有不在小數點前面的數字才會被匹配，因此返回的結果就是`14`。 “先行否定斷言”中，括號里的部分是不會返回的。 ```javascript var m = 'abd'.match(/b(?!c)/); m // ['b'] ``` 上面的代碼使用了先行否定斷言，`b`不在`c`前面所以被匹配，而且括號對應的`d`不會被返回。 ## 參考鏈接 - Axel Rauschmayer, [JavaScript: an overview of the regular expression API](http://www.2ality.com/2011/04/javascript-overview-of-regular.html) - Mozilla Developer Network, [Regular Expressions](https://developer.mozilla.org/en-US/docs/Web/JavaScript/Guide/Regular_Expressions) - Axel Rauschmayer, [The flag /g of JavaScript’s regular expressions](http://www.2ality.com/2013/08/regexp-g.html) - Sam Hughes, [Learn regular expressions in about 55 minutes](http://qntm.org/files/re/re.html)