JavaScript使用Regex

Regex概述
在前面已經涉及了一些Regex的用法，現在將系統地學習Regex的文法和用途。Regex主要用於進行字串的模式比對，例如判斷一個字串是否符合指定格式等。例如在windows下搜尋檔案，可以用“*”或者“?”這樣的萬用字元。在Regex的文法中，有更多這樣的符號用於表示一個字串的模式，表7.1列出了所有的特殊符號，它們也被稱為元字元。

表7.1 Regex中的元字元

 

字 符	說 明
\	將下一字元標記為特殊字元、文本、反向引用或八進位轉義符。例如，“n”匹配字元“n”。“\n”匹配分行符號。序列“\\”匹配“\”，“\(”匹配“(”
^	匹配輸入字串開始的位置。如果設定了 RegExp 對象的 Multiline 屬性，^ 還會與“\n”或“\r”之後的位置匹配
$	匹配輸入字串結尾的位置。如果設定了 RegExp 對象的 Multiline 屬性，$還會與“\n”或“\r”之前的位置匹配
*	零次或多次匹配前面的字元或子運算式。例如，zo* 匹配“z”和“zoo”。* 等效於{0,}
+	一次或多次匹配前面的字元或子運算式。例如，“zo+”與“zo”和“zoo”匹配，但與“z”不匹配。+ 等效於 {1,}
?	零次或一次匹配前面的字元或子運算式。例如，“do(es)?”匹配“do”或“does”中的“do”。? 等效於 {0,1}
{n}	n是非負整數。正好匹配 n 次。例如，“o{2}”與“Bob”中的“o”不匹配，但與“food”中的兩個“o”匹配
{n,}	n是非負整數。至少匹配n次。例如，“o{2,}”不匹配“Bob”中的“o”，而匹配“foooood”中的所有o。'o{1,}' 等效於 'o+'。'o{0,}' 等效於 'o*'
{n,m}	m和n是非負整數，其中n<=m。至少匹配n次，至多匹配m次。例如，“o{1,3}”匹配“fooooood”中的頭三個o。'o{0,1}' 等效於'o?'。注意：您不能將空格插入逗號和數字之間
?	當此字元緊隨任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之後時，匹配模式是“非貪心的”。“非貪心的”模式比對搜尋到的、儘可能短的字串，而預設的“貪心的”模式比對搜尋到的、儘可能長的字串。例如，在字串“oooo”中，“o+?”只匹配單個“o”，而“o+”匹配所有“o” 匹配除“\n”之外的任何單個字元。若要匹配包括“\n”在內的任一字元，請使用諸如“[\s\S]”之類的模式

 

續表

 

字 符	說 明
(pattern)	匹配 pattern 並捕獲該匹配的子運算式。可以使用 $0...$9 屬性從結果“匹配”集合中檢索捕獲的匹配。若要匹配括弧字元 ( )，請使用“\(”或者“\)”
(?:pattern)	匹配 pattern 但不捕獲該匹配的子運算式，即它是一個非捕獲匹配，不儲存供以後使用的匹配。這對於用“或”字元 (|) 組合模式組件的情況很有用。例如，與“industry|industries”相比，“industr(?:y| ies)”是一個更加經濟的運算式
(?=pattern)	執行正向預測先行搜尋的子運算式，該運算式匹配處於匹配 pattern 的字串的起始點的字串。它是一個非捕獲匹配，即不能捕獲供以後使用的匹配。例如，“Windows (?=95| 98| NT| 2000)”與“Windows 2000”中的“Windows”匹配，但不與“Windows 3.1”中的“Windows”匹配。預測先行不佔用字元，即發生匹配後，下一匹配的搜尋緊隨上一匹配之後，而不是在組成預測先行的字元後
(?!pattern)	執行反向預測先行搜尋的子運算式，該運算式匹配不處於匹配 pattern 的字串的起始點的搜尋字串。它是一個非捕獲匹配，即不能捕獲供以後使用的匹配。例如，“Windows (?!95| 98| NT| 2000)”與“Windows 3.1”中的“Windows”匹配，但不與“Windows 2000”中的“Windows”匹配。預測先行不佔用字元，即發生匹配後，下一匹配的搜尋緊隨上一匹配之後，而不是在組成預測先行的字元後
x| y	與 x 或 y 匹配。例如，“z| food”與“z”或“food”匹配。“(z| f)ood”與“zood”或“food”匹配
[xyz]	字元集。匹配包含的任一字元。例如，“[abc]”匹配“plain”中的“a”
[^xyz]	反向字元集。匹配未包含的任何字元。例如，“[^abc]”匹配“plain”中的“p”
[a-z]	字元範圍。匹配指定範圍內的任何字元。例如，“[a-z]”匹配“a”到“z”範圍內的任何小寫字母
[^a-z]	反向範圍字元。匹配不在指定的範圍內的任何字元。例如，“[^a-z]”匹配任何不在“a”到“z”範圍內的任何字元
\b	匹配一個字邊界，即字與空格間的位置。例如，“er\b”匹配“never”中的“er”，但不匹配“verb”中的“er”
\B	非字邊界匹配。“er\B”匹配“verb”中的“er”，但不匹配“never”中的“er”
\cx	匹配由 x 指示的控制字元。例如，\cM 匹配一個 Control-M 或斷行符號符。x 的值必須在 A-Z 或 a-z 之間。如果不是這樣，則假定c就是“c”字元本身
\d	數字字元匹配。等效於 [0-9]
\D	非數字字元匹配。等效於 [^0-9]
\f	換頁符匹配。等效於 \x0c 和 \cL
\n	分行符號匹配。等效於 \x0a 和 \cJ
\r	匹配一個斷行符號符。等效於 \x0d 和 \cM
\s	匹配任何空白字元，包括空格、定位字元、換頁符等。與 [ \f\n\r\t\v] 等效
\S	匹配任何非空白字元。等價於 [^ \f\n\r\t\v]
\t	定位字元匹配。與 \x09 和 \cI 等效

 

續表

 

字 符	說 明
\v	垂直定位字元匹配。與 \x0b 和 \cK 等效
\w	匹配任何字類字元，包括底線。與“[A-Za-z0-9_]”等效。
\W	任何非字字元匹配。與“[^A-Za-z0-9_]”等效
\xn	匹配n，此處的n是一個十六進位轉義碼。十六進位轉義碼必須正好是兩位元長。例如，“\x41”匹配“A”。“\x041”與“\x04”&“1”等效。允許在Regex中使用 ASCII 代碼
\num	匹配 num，此處的 num 是一個正整數。到捕獲匹配的反向引用。例如，“(.)\1”匹配兩個連續的相同字元
\n	標識一個八進位轉義碼或反向引用。如果 \n 前面至少有 n 個捕獲子運算式，那麼 n 是反向引用。否則，如果 n 是八位元 (0-7)，那麼 n 是八進位轉義碼
\nm	標識一個八進位轉義碼或反向引用。如果 \nm 前面至少有 nm 個捕獲子運算式，那麼 nm 是反向引用。如果 \nm 前面至少有 n 個捕獲，那麼 n 是反向引用，後面跟 m。如果前面的條件均不存在，那麼當 n 和 m 是八位元 (0-7) 時，\nm 匹配八進位轉義碼 nm
\nml	當 n 是八位元 (0-3)，m 和 l 是八位元 (0-7) 時，匹配八進位轉義碼 nml
\un	匹配 n，其中 n 是以四位十六進位數表示的 Unicode 字元。例如，\u00A9 匹配著作權符號 (?)

 

使用這些元字元，可以表示具有特定模式的字串，例如：
/^\s*$/：匹配一個空行。
/\d{2}-\d{5}/：匹配由兩位元字、一個連字號再加5位元字組成的ID號。
/<\s* (\S+)(\s[^>]*)?>[\s\S]*<\s*\/\1\s*>/：匹配HTML標記。
像這種以斜杠開始和結尾的字元序列稱為Regex，在JavaScript中可以很方便地使用這些運算式。
使用RegExp對象執行字串模式比對
RegExp是JavaScript中的Regex對象，利用它可以完成字串匹配的各種操作。獲得一個RegExp對象可以有兩種方式：
var objRegExp=/pattern*/[flag]
//或者
var objRegExp=new RegExp("pattern" [,"flag"]);
其中pattern是要匹配的模式，flag表示搜尋模式，有兩個選擇性參數，分別是g和i。g表示全域搜尋，在後面介紹的replace方法中非常有用；i表示忽略大小寫，預設情況下是大小寫敏感的。例如：
/jack/ig
new RegExp("jack","ig");
都表示全域匹配文本中的“jack”單詞，並且忽略大小寫。
使用這兩種建立方式的效果完全一樣，可以直接使用。第一種方式甚至不需要引用變數，而直接把Regex當作對象來使用，例如：
/jack/ig.test(sourceString);
其中test就是Regex對象的一個方法，表7.2列出了Regex的所有方法。

表7.2 Regex對象RegExp的方法

 

方 法	描 述
compile(pattern,flags)	將Regex轉換為內部格式，對於批量匹配可以提高匹配效率
exec(str)	按照RegExp對象的匹配模式對str字串進行匹配尋找，當設定了全域搜尋模式（g），則匹配尋找從RegExp對象lastIndex屬性所指定的目標字串位置開始；若沒有設定全域搜尋，則從目標字串第一個字元開始搜尋。若沒有任何匹配發生，返回null。 該方法將匹配結果放在一個數組內返回，該數組有3個屬性 input:包含目標字串，同RegExp.index index:匹配到的子字串在目標字串中的位置，同RegExp.index lastIndex:匹配到的子字串後面一個字元的位置，同RegExp.lastIndex
test(str)	判斷str是否符合指定的模式，返回一個布爾變數，true或者false。需要注意，這個方法不會改變RegExp的屬性值

 

在執行完字串匹配後，匹配結果會以RegExp靜態屬性的方式提供給指令碼程式，每次執行exec都會改變這些靜態屬性，表7.3列出了RegExp對象的靜態屬性。

表7.3 Regex對象RegExp的靜態屬性

 

靜 態 屬 性	描 述
RegExp.input	儲存被搜尋的字串
RegExp.index	儲存匹配的首字元的位置
RegExp.lastIndex	儲存匹配的字串下一個字元的位置
RegExp.lastMatch	儲存匹配到的字串
RegExp.lastParen	儲存最後一個被匹配的字串（最後一個括弧的內容）
RegExp.leftContext	儲存匹配字串左邊的內容
RegExp.rightContext	儲存匹配字串右邊的內容
RegExp.$1~$9	儲存最開始的9個子匹配（括弧中的內容）

由此可見，所有的匹配結果都儲存在同一個位置，當執行exec方法後，這些靜態屬性就會改變。因此，必須確保在執行完匹配後立即去使用匹配結果，或將它們儲存到另外的變數中，而不再使用RegExp的這些屬性。
提取子字串
在匹配模式中，可以用小括弧將子模式括起來，以擷取子匹配的內容，這些匹配的結果被儲存在RegExp.$1～RegExp.$9中。例如，對於xml片斷：
<author>jack</author>
如果要使用Regex擷取其中的作者：jack，可以這樣實現：
<script language="JavaScript" type="text/javascript">
<!--
var strXml="<author>jack</author>";
var regExp=/<author>(\w*)<\/author>/;
regExp.exec(strXml);
var author=RegExp.$1;
alert(author);
//-->
</script>
當需要提取多個子模式時，可以使用RegExp.$1～RegExp.$9依次擷取得到的子字串。如果需要得到的子模式不只9個，也可以使用exec返回的數組來擷取子字串。返回數組的長度為子模式的個數加1，其中數組索引為0的元素表示被搜尋的字串，其後的元素依次對應於模式中的括弧。例如上面的例子也可以用下面的代碼實現：
<script language="JavaScript" type="text/javascript">
<!--
var strXml="<author>jack</author>";
var regExp=/<author>(\w*)<\/author>/;
//exec返回一個數組對象
var arr=regExp.exec(strXml);
var author=arr[1];
alert(author);
//-->
</script>
和字串相關的操作
在前面講字串相關的操作時，有3個方法的參數需要用到Regex，下面給出它們的具體用法。
1．string.search(regularExpression)
其中string是要處理的字串，regularExpression是匹配模式。該方法在string中尋找指定的模式，如果找到，則返回它的第一個字元的索引位置，否則返回-1。例如：
<script language="JavaScript" type="text/javascript">
<!--
var strXml="<author>jack</author>";
var i=strXml.search(/jack/);
alert(i);
//-->
</script>
這段代碼的最後結果顯示為8。和indexOf方法不同，該方法接收的是一個Regex，而indexOf只能接收一個字串。但兩者的行為是類似的。
2．string.replace(regularExpression,replaceString)
其中regularExpression是要尋找的模式，replaceString是要替換匹配模式的字串。regularExpression也可以用一般字元串，但那樣只能替換第一個出現的匹配，之後的匹配則被忽略。使用Regex後可以使用全域模式來實現整個替換。替換後原有字串不發生變化，而是返回一個新的字串。例如：在實際開發中經常要刪除一段文本中的HTML標記，以擷取純文字，可以使用如下代碼實現。
<script language="JavaScript" type="text/javascript">
<!--
//定義函數用於刪除文本中的Html標記
function stripTags(s) { 
     return s.replace(/<\/?[^>]+>/gi, ''); 
}

 

var str=stripTags("<author>jack</author>");
alert(str);
//-->
</script>
最後，將得到去掉Html標記後的文本“jack”。
3．string.match(regularExpression)
該方法根據regularExpressionRegex模式尋找字串string中的匹配字元項，將結果以數組形式返回。該數組有3個屬性值，與exec方法返回的數組屬性相同。若沒有任何匹配，返回null。

注意：若regularExpression對象未設定全域匹配模式，則數組索引為0的元素就是匹配的整體內容，索引為1~9的元素則包含了子匹配得到的字元。若設定了全域模式，則數組包含了搜尋到的所有整體匹配項。