# RegExp 字符串是編程時涉及到的最多的一種數據結構，對字符串進行操作的需求幾乎無處不在。比如判斷一個字符串是否是合法的Email地址，雖然可以編程提取`@`前后的子串，再分別判斷是否是單詞和域名，但這樣做不但麻煩，而且代碼難以復用。 正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則，凡是符合規則的字符串，我們就認為它“匹配”了，否則，該字符串就是不合法的。 所以我們判斷一個字符串是否是合法的Email的方法是： 1. 創建一個匹配Email的正則表達式； 2. 用該正則表達式去匹配用戶的輸入來判斷是否合法。 因為正則表達式也是用字符串表示的，所以，我們要首先了解如何用字符來描述字符。 在正則表達式中，如果直接給出字符，就是精確匹配。用`\d`可以匹配一個數字，`\w`可以匹配一個字母或數字，所以： * `'00\d'`可以匹配`'007'`，但無法匹配`'00A'`； * `'\d\d\d'`可以匹配`'010'`； * `'\w\w'`可以匹配`'js'`； `.`可以匹配任意字符，所以： * `'js.'`可以匹配`'jsp'`、`'jss'`、`'js!'`等等。 要匹配變長的字符，在正則表達式中，用`*`表示任意個字符（包括0個），用`+`表示至少一個字符，用`?`表示0個或1個字符，用`{n}`表示n個字符，用`{n,m}`表示n-m個字符： 來看一個復雜的例子：`\d{3}\s+\d{3,8}`。 我們來從左到右解讀一下： 1. `\d{3}`表示匹配3個數字，例如`'010'`； 2. `\s`可以匹配一個空格（也包括Tab等空白符），所以`\s+`表示至少有一個空格，例如匹配`' '`，`'\t\t'`等； 3. `\d{3,8}`表示3-8個數字，例如`'1234567'`。 綜合起來，上面的正則表達式可以匹配以任意個空格隔開的帶區號的電話號碼。 如果要匹配`'010-12345'`這樣的號碼呢？由于`'-'`是特殊字符，在正則表達式中，要用`'\'`轉義，所以，上面的正則是`\d{3}\-\d{3,8}`。 但是，仍然無法匹配`'010 - 12345'`，因為帶有空格。所以我們需要更復雜的匹配方式。 ## 進階 要做更精確地匹配，可以用`[]`表示范圍，比如： * `[0-9a-zA-Z\_]`可以匹配一個數字、字母或者下劃線； * `[0-9a-zA-Z\_]+`可以匹配至少由一個數字、字母或者下劃線組成的字符串，比如`'a100'`，`'0_Z'`，`'js2015'`等等； * `[a-zA-Z\_\$][0-9a-zA-Z\_\$]*`可以匹配由字母或下劃線、$開頭，后接任意個由一個數字、字母或者下劃線、$組成的字符串，也就是JavaScript允許的變量名； * `[a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}`更精確地限制了變量的長度是1-20個字符（前面1個字符+后面最多19個字符）。 `A|B`可以匹配A或B，所以`[J|j]ava[S|s]cript`可以匹配`'JavaScript'`、`'Javascript'`、`'javaScript'`或者`'javascript'`。 `^`表示行的開頭，`^\d`表示必須以數字開頭。 `$`表示行的結束，`\d$`表示必須以數字結束。 你可能注意到了，`js`也可以匹配`'jsp'`，但是加上`^js$`就變成了整行匹配，就只能匹配`'js'`了。 ## RegExp 有了準備知識，我們就可以在JavaScript中使用正則表達式了。 JavaScript有兩種方式創建一個正則表達式： 第一種方式是直接通過`/正則表達式/`寫出來，第二種方式是通過`new RegExp('正則表達式')`創建一個RegExp對象。 兩種寫法是一樣的： ``` var re1 = /ABC\-001/; var re2 = new RegExp('ABC\\-001'); re1; // /ABC\-001/ re2; // /ABC\-001/ ``` 注意，如果使用第二種寫法，因為字符串的轉義問題，字符串的兩個`\\`實際上是一個`\`。 先看看如何判斷正則表達式是否匹配： ``` var re = /^\d{3}\-\d{3,8}$/; re.test('010-12345'); // true re.test('010-1234x'); // false re.test('010 12345'); // false ``` RegExp對象的`test()`方法用于測試給定的字符串是否符合條件。 ## 切分字符串 用正則表達式切分字符串比用固定的字符更靈活，請看正常的切分代碼： ``` 'a b c'.split(' '); // ['a', 'b', '', '', 'c'] ``` 嗯，無法識別連續的空格，用正則表達式試試： ``` 'a b c'.split(/\s+/); // ['a', 'b', 'c'] ``` 無論多少個空格都可以正常分割。加入`,`試試： ``` 'a,b, c d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd'] ``` 再加入`;`試試： ``` 'a,b;; c d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd'] ``` 如果用戶輸入了一組標簽，下次記得用正則表達式來把不規范的輸入轉化成正確的數組。 ## 分組 除了簡單地判斷是否匹配之外，正則表達式還有提取子串的強大功能。用`()`表示的就是要提取的分組（Group）。比如： `^(\d{3})-(\d{3,8})$`分別定義了兩個組，可以直接從匹配的字符串中提取出區號和本地號碼： ``` var re = /^(\d{3})-(\d{3,8})$/; re.exec('010-12345'); // ['010-12345', '010', '12345'] re.exec('010 12345'); // null ``` 如果正則表達式中定義了組，就可以在`RegExp`對象上用`exec()`方法提取出子串來。 `exec()`方法在匹配成功后，會返回一個`Array`，第一個元素始終是原始字符串本身，后面的字符串表示匹配成功的子串。 `exec()`方法在匹配失敗時返回`null`。 提取子串非常有用。來看一個更兇殘的例子： ``` var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/; re.exec('19:05:30'); // ['19:05:30', '19', '05', '30'] ``` 這個正則表達式可以直接識別合法的時間。但是有些時候，用正則表達式也無法做到完全驗證，比如識別日期： ``` var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/; ``` 對于`'2-30'`，`'4-31'`這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程序配合識別了。 ## 貪婪匹配 需要特別指出的是，正則匹配默認是貪婪匹配，也就是匹配盡可能多的字符。舉例如下，匹配出數字后面的`0`： ``` var re = /^(\d+)(0*)$/; re.exec('102300'); // ['102300', '102300', ''] ``` 由于`\d+`采用貪婪匹配，直接把后面的`0`全部匹配了，結果`0*`只能匹配空字符串了。 必須讓`\d+`采用非貪婪匹配（也就是盡可能少匹配），才能把后面的`0`匹配出來，加個`?`就可以讓`\d+`采用非貪婪匹配： ``` var re = /^(\d+?)(0*)$/; re.exec('102300'); // ['102300', '1023', '00'] ``` ## 全局搜索 JavaScript的正則表達式還有幾個特殊的標志，最常用的是`g`，表示全局匹配： ``` var r1 = /test/g; // 等價于: var r2 = new RegExp('test', 'g'); ``` 全局匹配可以多次執行`exec()`方法來搜索一個匹配的字符串。當我們指定`g`標志后，每次運行`exec()`，正則表達式本身會更新`lastIndex`屬性，表示上次匹配到的最后索引： ``` var s = 'JavaScript, VBScript, JScript and ECMAScript'; var re=/[a-zA-Z]+Script/g; // 使用全局匹配: re.exec(s); // ['JavaScript'] re.lastIndex; // 10 re.exec(s); // ['VBScript'] re.lastIndex; // 20 re.exec(s); // ['JScript'] re.lastIndex; // 29 re.exec(s); // ['ECMAScript'] re.lastIndex; // 44 re.exec(s); // null，直到結束仍沒有匹配到 ``` 全局匹配類似搜索，因此不能使用`/^...$/`，那樣只會最多匹配一次。 正則表達式還可以指定`i`標志，表示忽略大小寫，`m`標志，表示執行多行匹配。 ## 小結 正則表達式非常強大，要在短短的一節里講完是不可能的。要講清楚正則的所有內容，可以寫一本厚厚的書了。如果你經常遇到正則表達式的問題，你可能需要一本正則表達式的參考書。 ## 練習 請嘗試寫一個驗證Email地址的正則表達式。版本一應該可以驗證出類似的Email： ``` 'use strict'; var re = /^$/; // 測試: var i, success = true, should_pass = ['someone@gmail.com', 'bill.gates@microsoft.com', 'tom@voyager.org', 'bob2015@163.com'], should_fail = ['test#gmail.com', 'bill@microsoft', 'bill%gates@ms.com', '@voyager.org']; for (i = 0; i < should_pass.length; i++) { if (!re.test(should_pass[i])) { alert('測試失敗: ' + should_pass[i]); success = false; break; } } for (i = 0; i < should_fail.length; i++) { if (re.test(should_fail[i])) { alert('測試失敗: ' + should_fail[i]); success = false; break; } } if (success) { alert('測試通過!'); } ``` 版本二可以驗證并提取出帶名字的Email地址： ``` 'use strict'; var re = /^$/; // 測試: var r = re.exec('<Tom Paris> tom@voyager.org'); if (r === null || r.toString() !== ['<Tom Paris> tom@voyager.org', 'Tom Paris', 'tom@voyager.org'].toString()) { alert('測試失敗!'); } else { alert('測試成功!'); } ```