JavaScript進階程式設計（第3版）學習筆記12 jsRegex

需要指出的是，這裡只是總結了Regex的常用的且比較簡單的文法，而不是全部文法，在我看來，掌握了這些常用文法，已經足夠應對日常應用了。Regex不只是應用在ECMAScript中，在JAVA、.Net、Unix等也有相應應用，這篇文章則是以ECMAScript中的Regex為基礎總結的。

一、Regex基礎

1、一般字元：字母、數字、底線、漢字以及所有沒有特殊意義的字元，如ABC123。在匹配時，匹配與之相同的字元。

2、特殊字元：（需要時，使用反斜線“\”進行轉義）

字元	含義	字元	含義	字元	含義	字元	含義
\a	響鈴符 = \x07	^	匹配字串的開始位置	\b	匹配單詞的開始或結束	{n}	匹配n次
\f	換頁符 = \x0C	$	匹配字串的結束位置	\B	匹配不是單詞開始和結束的位置	{n,}	匹配至少n次
\n	分行符號 = \x0A	()	標記一個子運算式的開始和結束	\d	匹配數字	{n,m}	匹配n到m次
\r	斷行符號符 = \x0D	[]	自訂字元組合匹配	\D	匹配任意不是數位字元	[0-9]	匹配0到9中任意一個數字
\t	定位字元 = \x09	{}	修飾匹配次數的符號	\s	匹配任意空白字元	[f-m]	匹配f到m中任意一個字母
\v	垂直定位字元 = \x0B	.	匹配除分行符號外的字元	\S	匹配任意非空白字元
\e	ESC符 = \x1B	?	匹配0或1次	\w	匹配字母或數字或底線或漢字
\xXX	使用兩位十六進位表示形式，可與該編號的字元匹配	+	匹配1或多次	\W	匹配任意不是字母、數字、底線和漢字的字元
\uXXXX	用四位十六進位表示形式，可與該編號的字元匹配	*	匹配0或多次	[^x]	匹配除x外的所有字元
\x{XXXXXX}	使用任意位十六進位表示形式，可與該編號的字元匹配	|	左右兩邊運算式之間“或”關係	[^aeiou]	匹配除aeiou外的所有字元

上面列舉的這些特殊字元，可以大致的分為：

（1）不便書寫字元：如響鈴符（\a）、換頁符（\f）、分行符號（\n）、斷行符號符（\r）、定位字元（\t）、ESC符（\e）

（2）十六進位字元：如兩位（\x02）、四位（\x012B）、任意位（\x{A34D1}）

（3）表示位置字元：如字串開始（^）、字串結束（$）、單詞開始和結束（\b）、單詞中間（\B）

（4）表示次數字元：如0或1次（?）、1或多次（+）、0或多次（*）、n次（{n}）、至少n次（{n,}）、n到m次（{n,m}）

（5）修飾字元：如修飾次數（{}）、自訂群組合匹配（[]）、子運算式（()）

（6）反義字元：

　　（A）通過大小寫反義：如\b和\B、\d和\D、\s和\S、\w和\W

　　（B）通過[^]反義：如[^x]、[^aeiou]

　　（C）其它特例：如\n和.也構成反義

（7）範圍字元：如數字範圍（[0-9]）、字母範圍（[f-m]）

（8）邏輯字元：如表示或（|）

3、轉義

（1）使用反斜線“\”轉義單個字元

（2）使用“\Q...\E”轉義，將運算式中間出現的字元全部作為一般字元

（3）使用“\U...\E”轉義，將運算式中間出現的字元全部作為一般字元，並且將小寫字母轉換成大寫匹配

（4）使用“\L...\E”轉義，將運算式中間出現的字元全部作為一般字元，並且將大寫字母轉換為小寫匹配

4、貪婪模式與懶惰模式

　 　如果Regex中含有次數字元時，一般情況下，會儘可能匹配更多的字元，比如用l*n來匹配linjisong的話，會匹配linjison，而不是 lin，這種模式也就是Regex的貪婪模式；相對應的，可以通過添加字元“？”來設定為懶惰模式，也即儘可能匹配更少字元。如*?表示重複0次或多次， 但儘可能少重複。

5、分組和反向引用

（1）用小括弧（()）將運算式包含，可以使得運算式作為一個整體來處理，從而達到分組的目的。

（2）預設情況下，每個分組會自動擷取一個組號，按照左括弧的順序，從1向後編號。

（3）引擎在處理時，會將小括弧內部運算式匹配的內容儲存下來，以方便在匹配過程中或匹配結束後進一步處理，可以使用反斜線和組號來引用這個內容，如\1表示第一個分組匹配的文本。

（4）也可以自訂群組名，文法是(?<name>exp)，這個時候反向引用時，還可以使用\k<name>。

（5）也可以不儲存匹配內容，也不分配組號，文法是(?:exp)。

（6）小括弧有一些其他特殊文法，這裡列舉幾種，不再深入討論：

分類	代碼/文法	說明
捕獲	(exp)	匹配exp,並捕獲文本到自動命名的組裡
	(?<name>exp)	匹配exp,並捕獲文本到名稱為name的組裡，也可以寫成(?'name'exp)
	(?:exp)	匹配exp,不捕獲匹配的文本，也不給此分組分配組號
零寬斷言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp後面的位置
	(?!exp)	匹配後面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注釋	(?#comment)	這種類型的分組不對Regex的處理產生任何影響，用於提供注釋讓人閱讀

到此，對於理解常用的Regex已經足夠了，若想繼續學習Regex的，可以參考Regex30分鐘入門教程。下面再熟悉一下Javascript中的Regex實現。

二、Javascript中的Regex對象RegExp

1、建立Regex

（1）使用字面量：文法 var exp = /pattern/flags;

　　A、pattern是任何Regex

　　B、flags有三種：g表示全域模式、i表示忽略大小寫、m表示多行模式

（2）使用RegExp內建建構函式：文法 var exp = new RegExp(pattern, flags);

　　A、使用建構函式時，pattern和flags都是字串形式，所以對於逸出字元需要雙重轉義，例如：

字面量	建構函式
/\[bc\]at/	"\\[bc\\]at"
/\.at/	"\\.at"
/name\/age/	"name\\/age"
/\d.\d{1,2}/	"\\d.\\d{1,2}"
/\w\\helllo\\123/	"\\w\\\\hello\\\\123"

說明：ECMAScript 3使用字面量時會共用一個RegExp執行個體，使用new RegExp(pattern,flags)會為每個Regex建立一個執行個體；ECMAScript 5規定每次都建立新執行個體。

2、執行個體屬性

（1）global：布爾值，表示是否設定了g標誌。

（2）ignoreCase：布爾值，表示是否設定了i標誌。

（3）multiline：布爾值，表示是否設定了m標誌。

（4）lastIndex：整數，表示開始搜尋下一次匹配項的字元位置，從0算起。

（5）source：字串，表示按照字面量形式建立的字串模式，即便執行個體使用建構函式建立，儲存的也是字面量形式的字串模式。

3、執行個體方法

（1）exec()方法

　　A、一個參數，即要應用模式的字串，返回第一個匹配項資訊的數組，沒有匹配時返回null。

　　B、返回的數組是Array執行個體，但還額外有input和index屬性，分別表示應用Regex的字串和匹配項在字串中的位置。

　　C、匹配時，在返回的數組中，第1項是與整個模式比對的字串，其他項是與模式中的分組匹配的字串（如果沒有分組，則返回數組只有1項）。

　　D、對於exec()，即使設定了g，每次返回的也是一個匹配項，不同的是，設定了g，多次調用exec的開始搜尋位置不同，沒有設定g，每次都從開始搜尋。

（2）test()方法

　　接受一個字串參數，匹配返回true，不匹配返回false。

三、執行個體分析

下面看一個出自PhoneGap源碼中用于格式化的Regex

複製代碼 代碼如下:var pattern = /(.*?)%(.)(.*)/;
var str = 'lin%%jisong';
var match = pattern.exec(str);
console.info(match.join(','));//lin%%jisong,lin,%,jisong

var pattern2 = /(.*)%(.)(.*)/;
var match2 = pattern2.exec(str);
console.info(match2.join(','));//lin%%jisong,lin%,j,isong

分析：這裡pattern和pattern2都包含三個分組，第2、3個分組相同，第2個分組(.)匹配任意一個非換行字元，第3個分組(.*)儘可能多（貪婪模式）的匹配任意非換行字元，pattern中的第1個分組(.*?)儘可能少（懶惰模式）的匹配任意非換行字元，而pattern2中的第1個分組(.*)則是儘可能多（貪婪模式）的匹配任意非換行字元了。因此在保證整個模式比對成功（從而需要保留一個%字元用於匹配Regex中的%）的前提下，pattern中第1個分組匹配成了lin，而pattern2中第1個分組匹配成了lin%，分析到這裡上例中的輸出也就不難理解了。