JS正则表达式（RegExp）

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取

@

前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。

所以我们判断一个字符串是否是合法的Email的方法是：

创建一个匹配Email的正则表达式；

用该正则表达式去匹配用户的输入来判断是否合法。

因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。

在正则表达式中，如果直接给出字符，就是精确匹配。用

\d

可以匹配一个数字，

\w

可以匹配一个字母或数字，所以：

　　

.

可以匹配任意字符，所以：

　　

要匹配变长的字符，在正则表达式中，用

*

表示任意个字符（包括0个），用

+

表示至少一个字符，用

?

表示0个或1个字符，用

{n}

表示n个字符，用

{n,m}

表示n-m个字符：

来看一个复杂的例子：

\d{3}\s+\d{3,8}

。

我们来从左到右解读一下：

\d{3}

表示匹配3个数字，例如

'010'

；

\s

可以匹配一个空格（也包括Tab等空白符），所以

\s+

表示至少有一个空格，例如匹配

'
'

，

'\t\t'

等；

\d{3,8}

表示3-8个数字，例如

'1234567'

。

综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。

如果要匹配

'010-12345'

这样的号码呢？由于

'-'

是特殊字符，在正则表达式中，要用

'\'

转义，所以，上面的正则是

\d{3}\-\d{3,8}

。

但是，仍然无法匹配

'010 - 12345'

，因为带有空格。所以我们需要更复杂的匹配方式。

进阶

要做更精确地匹配，可以用

[]

表示范围，比如：

[0-9a-zA-Z\_]

可以匹配一个数字、字母或者下划线；

[0-9a-zA-Z\_]+

可以匹配至少由一个数字、字母或者下划线组成的字符串，比如

'a100'

，

'0_Z'

，

'js2015'

等等；

[a-zA-Z\_\$][0-9a-zA-Z\_\$]*

可以匹配由字母或下划线、开头，后接任意个由一个数字、字母或者下划线、开头，后接任意个由一个数字、字母或者下划线、组成的字符串，也就是JavaScript允许的变量名；

[a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}

更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。

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'

。

^

表示行的开头，

^\d

表示必须以数字开头。

$

表示行的结束，

\d$

表示必须以数字结束。

你可能注意到了，

js

也可以匹配

'jsp'

，但是加上

^js$

就变成了整行匹配，就只能匹配

'js'

了。

RegExp

有了准备知识，我们就可以在JavaScript中使用正则表达式了。

JavaScript有两种方式创建一个正则表达式：

第一种方式是直接通过

/正则表达式/

写出来，第二种方式是通过

new RegExp('正则表达式')

创建一个RegExp对象。

两种写法是一样的：

　　

注意，如果使用第二种写法，因为字符串的转义问题，字符串的两个

\\

实际上是一个

\

。

先看看如何判断正则表达式是否匹配：

　　

RegExp对象的

test()

方法用于测试给定的字符串是否符合条件。

切分字符串

用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码：

　　

嗯，无法识别连续的空格，用正则表达式试试：

　　

无论多少个空格都可以正常分割。加入

,

试试：

　　

再加入

;

试试：

　　

如果用户输入了一组标签，下次记得用正则表达式来把不规范的输入转化成正确的数组。

分组

除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用

()

表示的就是要提取的分组（Group）。比如：

^(\d{3})-(\d{3,8})$

分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：

　　

如果正则表达式中定义了组，就可以在

RegExp

对象上用

exec()

方法提取出子串来。

exec()

方法在匹配成功后，会返回一个

Array

，第一个元素是正则表达式匹配到的整个字符串，后面的字符串表示匹配成功的子串。

exec()

方法在匹配失败时返回

null

。

提取子串非常有用。来看一个更凶残的例子：

　　

这个正则表达式可以直接识别合法的时间。但是有些时候，用正则表达式也无法做到完全验证，比如识别日期：

　　

对于

'2-30'

，

'4-31'

这样的非法日期，用正则还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了。

贪婪匹配

需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的

0

：

　　

由于

\d+

采用贪婪匹配，直接把后面的

0

全部匹配了，结果

0*

只能匹配空字符串了。

必须让

\d+

采用非贪婪匹配（也就是尽可能少匹配），才能把后面的

0

匹配出来，加个

?

就可以让

\d+

采用非贪婪匹配：

　　

全局搜索

JavaScript的正则表达式还有几个特殊的标志，最常用的是

g

，表示全局匹配：

　　

全局匹配可以多次执行

exec()

方法来搜索一个匹配的字符串。当我们指定

g

标志后，每次运行

exec()

，正则表达式本身会更新

lastIndex

属性，表示上次匹配到的最后索引：

　　

全局匹配类似搜索，因此不能使用

/^...$/

，那样只会最多匹配一次。

正则表达式还可以指定

i

标志，表示忽略大小写，

m

标志，表示执行多行匹配。

小结

正则表达式非常强大，要在短短的一节里讲完是不可能的。要讲清楚正则的所有内容，可以写一本厚厚的书了。如果你经常遇到正则表达式的问题，你可能需要一本正则表达式的参考书。