正则表达式规则
一、普通字符
字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号,都是”普通字符”。表达式中的普通字符,在匹配一个字符串的时候,匹配与之相同的一个字符。
举例:
表达式 “o”,在匹配字符串 “haorooms” 时,匹配结果是:成功;匹配到的内容是:”o”;匹配到的位置是:开始于2,结束于3。[注:o匹配一般只匹配第一个,假如要匹配所有的,那么表达式要加”/g”,就可以找到全局所有的。]
二、简单的转义字符
一些不便书写的字符,采用在前面加 “/” 的方法。这些字符其实我们都已经熟知了。
表达式 |
可匹配 |
/r, /n |
代表回车和换行符 |
/t |
制表符 |
// |
代表 “/” 本身 |
还有其他一些在后边章节中有特殊用处的标点符号,在前面加 “/” 后,就代表该符号本身。比如:^, $ 都有特殊意义,如果要想匹配字符串中 “^” 和 “$” 字符,则表达式就需要写成 “/^” 和 “/$”。
表达式 |
可匹配 |
/^ |
匹配 ^ 符号本身 |
/$ |
匹配 $ 符号本身 |
. |
匹配小数点(.)本身 |
举例1:表达式 “/$d”,在匹配字符串 “haorooms$de” 时,匹配结果是:成功;匹配到的内容是:”$d”;匹配到的位置是:开始于8,结束于10。
三、能够与 ‘多种字符’ 匹配的表达式
正则表达式中的一些表示方法,可以匹配 ‘多种字符’ 其中的任意一个字符。比如,表达式 “/d” 可以匹配任意一个数字。虽然可以匹配其中任意字符,但是只能是一个,不是多个。
表达式 |
可匹配 |
/d |
任意一个数字,0~9 中的任意一个 |
/w |
任意一个字母或数字或下划线,也就是 A~Z,a~z,0~9,_ 中任意一个 |
/s |
包括空格、制表符、换页符等空白字符的其中任意一个 |
. |
小数点可以匹配除了换行符(/n)以外的任意一个字符 |
举例1:表达式 “/d/d”,在匹配 “abc123” 时,匹配的结果是:成功;匹配到的内容是:”12″;匹配到的位置是:开始于3,结束于5。
举例2:表达式 “a./d”,在匹配 “aaa100” 时,匹配的结果是:成功;匹配到的内容是:”aa1″;匹配到的位置是:开始于1,结束于4。
四、自定义能够匹配 ‘多种字符’ 的表达式
使用方括号 [ ] 包含一系列字符,能够匹配其中任意一个字符。用 [^ ] 包含一系列字符,则能够匹配其中字符之外的任意一个字符。同样的道理,虽然可以匹配其中任意一个,但是只能是一个,不是多个。
表达式 |
可匹配 |
[ab5@] |
匹配 “a” 或 “b” 或 “5” 或 “@” |
[^abc] |
匹配 “a”,”b”,”c” 之外的任意一个字符 |
[f-k] |
匹配 “f”~”k” 之间的任意一个字母 |
[^A-F0-3] |
匹配 “A”~”F”,”0″~”3″ 之外的任意一个字符 |
举例1:表达式 “[bcd][bcd]” 匹配 “abc123” 时,匹配的结果是:成功;匹配到的内容是:”bc”;匹配到的位置是:开始于1,结束于3。
举例2:表达式 “[^abc]” 匹配 “abc123” 时,匹配的结果是:成功;匹配到的内容是:”1″;匹配到的位置是:开始于3,结束于4。
五、修饰匹配次数的特殊符号
前面章节中讲到的表达式,无论是只能匹配一种字符的表达式,还是可以匹配多种字符其中任意一个的表达式,都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号,那么不用重复书写表达式就可以重复匹配。
使用方法是:”次数修饰”放在”被修饰的表达式”后边。比如:”[bcd][bcd]” 可以写成 “[bcd]{2}”。
表达式 |
作用 |
{n} |
表达式重复n次,比如:”/w{2}” 相当于 “/w/w”;”a{5}” 相当于 “aaaaa” |
{m,n} |
表达式至少重复m次,最多重复n次,比如:”ba{1,3}”可以匹配 “ba”或”baa”或”baaa” |
{m,} |
表达式至少重复m次,比如:”/w/d{2,}”可以匹配 “a12″,”_456”,”M12344″… |
? |
匹配表达式0次或者1次,相当于 {0,1},比如:”a[cd]?”可以匹配 “a”,”ac”,”ad” |
+ |
表达式至少出现1次,相当于 {1,},比如:”a+b”可以匹配 “ab”,”aab”,”aaab”… |
* |
表达式不出现或出现任意次,相当于 {0,},比如:”/^*b”可以匹配 “b”,”^^^b”… |
六、其他一些代表抽象意义的特殊符号
一些符号在表达式中代表抽象的特殊意义:
表达式 |
作用 |
^ |
与字符串开始的地方匹配,不匹配任何字符 |
$ |
与字符串结束的地方匹配,不匹配任何字符 |
/b |
匹配一个单词边界,也就是单词和空格之间的位置,不匹配任何字符 |
进一步的文字说明仍然比较抽象,因此,举例帮助大家理解。
举例1:表达式 “^aaa” 在匹配 “xxx aaa xxx” 时,匹配结果是:失败。因为 “^” 要求与字符串开始的地方匹配,因此,只有当 “aaa” 位于字符串的开头的时候,”^aaa” 才能匹配,比如:”aaa xxx xxx”。
举例2:表达式 “aaa$” 在匹配 “xxx aaa xxx” 时,匹配结果是:失败。因为 “$” 要求与字符串结束的地方匹配,因此,只有当 “aaa” 位于字符串的结尾的时候,”aaa$” 才能匹配,比如:”xxx xxx aaa”。
举例3:表达式 “./b.” 在匹配 “@@@abc” 时,匹配结果是:成功;匹配到的内容是:”@a”;匹配到的位置是:开始于2,结束于4。 进一步说明:”/b” 与 “^” 和 “$” 类似,本身不匹配任何字符,但是它要求它在匹配结果中所处位置的左右两边,其中一边是 “/w” 范围,另一边是 非”/w” 的范围。
举例4:表达式 “/bend/b” 在匹配 “weekend,endfor,end” 时,匹配结果是:成功;匹配到的内容是:”end”;匹配到的位置是:开始于15,结束于18。
一些符号可以影响表达式内部的子表达式之间的关系:
表达式 |
作用 |
| |
左右两边表达式之间 “或” 关系,匹配左边或者右边 |
( ) |
(1). 在被修饰匹配次数的时候,括号中的表达式可以作为整体被修饰 |
举例5:表达式 “Tom|Jack” 在匹配字符串 “I’m Tom, he is Jack” 时,匹配结果是:成功;匹配到的内容是:”Tom”;匹配到的位置是:开始于4,结束于7。匹配下一个时,匹配结果是:成功;匹配到的内容是:”Jack”;匹配到的位置时:开始于15,结束于19。
举例6:表达式 “(go/s*)+” 在匹配 “Let’s go go go!” 时,匹配结果是:成功;匹配到内容是:”go go go”;匹配到的位置是:开始于6,结束于14。
举例7:表达式 “¥(/d+.?/d*)” 在匹配 “$10.9,¥20.5” 时,匹配的结果是:成功;匹配到的内容是:”¥20.5″;匹配到的位置是:开始于6,结束于10。单独获取括号范围匹配到的内容是:”20.5″。
正则表达式中的一些高级规则
一、 匹配次数中的贪婪与非贪婪
在使用修饰匹配次数的特殊符号时,有几种表示方法可以使同一个表达式能够匹配不同的次数,比如:”{m,n}”, “{m,}”, “?”, “*”, “+”,具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中,总是尽可能多的匹配。比如,针对文本 “dxxxdxxxd”,举例如下:
表达式 |
匹配结果 |
(d)(/w+) |
“/w+” 将匹配第一个 “d” 之后的所有字符 “xxxdxxxd” |
(d)(/w+)(d) |
“/w+” 将匹配第一个 “d” 和最后一个 “d” 之间的所有字符 “xxxdxxx”。虽然 “/w+” 也能够匹配上最后一个 “d”,但是为了使整个表达式匹配成功,”/w+” 可以 “让出” 它本来能够匹配的最后一个 “d” |
由此可见,”/w+” 在匹配的时候,总是尽可能多的匹配符合它规则的字符。虽然第二个举例中,它没有匹配最后一个 “d”,但那也是为了让整个表达式能够匹配成功。同理,带 “*” 和 “{m,n}” 的表达式都是尽可能地多匹配,带 “?” 的表达式在可匹配可不匹配的时候,也是尽可能的 “要匹配”。这 种匹配原则就叫作 “贪婪” 模式 。
非贪婪模式:
在修饰匹配次数的特殊符号后再加上一个 “?” 号,则可以使匹配次数不定的表达式尽可能少的匹配,使可匹配可不匹配的表达式,尽可能的 “不匹配”。这种匹配原则叫作 “非贪婪” 模式,也叫作 “勉强” 模式。如果少匹配就会导致整个表达式匹配失败的时候,与贪婪模式类似,非贪婪模式会最小限度的再匹配一些,以使整个表达式匹配成功。举例如下,针对文本 “dxxxdxxxd” 举例:
表达式 |
匹配结果 |
(d)(/w+?) |
“/w+?” 将尽可能少的匹配第一个 “d” 之后的字符,结果是:”/w+?” 只匹配了一个 “x” |
(d)(/w+?)(d) |
为了让整个表达式匹配成功,”/w+?” 不得不匹配 “xxx” 才可以让后边的 “d” 匹配,从而使整个表达式匹配成功。因此,结果是:”/w+?” 匹配 “xxx” |
更多的情况,举例如下:
举例1:表达式 "<td>(.*)</td>" 与字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配时,匹配的结果是:成功;匹配到的内容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整个字符串, 表达式中的 "</td>" 将与字符串中最后一个 "</td>" 匹配。 举例2:相比之下,表达式 "<td>(.*?)</td>" 匹配举例1中同样的字符串时,将只得到 "<td><p>aa</p></td>", 再次匹配下一个时,可以得到第二个 "<td><p>bb</p></td>"。
二、反向引用
表达式在匹配时,表达式引擎会将小括号 “( )” 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候,小括号包含的表达式所匹配到的字符串可以单独获取。这一点,在前面的举例中,已经多次展示了。在实际应用场合中,当用某种边界来查找,而所要获取的内容又不包含边界时,必须使用小括号来指定所要的范围。比如前面的 “(.*?)”。
其实,”小括号包含的表达式所匹配到的字符串” 不仅是在匹配结束后才可以使用,在匹配过程中也可以使用。表达式后边的部分,可以引用前面 “括号内的子匹配已经匹配到的字符串”。引用方法是 “/” 加上一个数字。”/1″ 引用第1对括号内匹配到的字符串,”/2″ 引用第2对括号内匹配到的字符串……以此类推,如果一对括号内包含另一对括号,则外层的括号先排序号。换句话说,哪一对的左括号 “(” 在前,那这一对就先排序号。
举例如下:
举例1:表达式 "('|")(.*?)(/1)" 在匹配 " 'Hello', "World" " 时,匹配结果是:成功;匹配到的内容是:" 'Hello' "。再次匹配下一个时,可以匹配到 " "World" "。 举例2:表达式 "(/w)/1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 时,匹配结果是:成功;匹配到的内容是 "ccccc"。再次匹配下一个时,将得到 999999999。这个表达式要求 "/w" 范围的字符至少重复5次,注意与 "/w{5,}" 之间的区别。 举例3:表达式 "<(/w+)/s*(/w+(=('|").*?/4)?/s*)*>.*?<//1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 时,匹配结果是成功。如果 "<td>" 与 "</td>" 不配对,则会匹配失败;如果改成其他配对,也可以匹配成功。
三、预搜索,不匹配;反向预搜索,不匹配
前面的章节中,我讲到了几个代表抽象意义的特殊符号:”^”,”$”,”/b”。它们都有一个共同点,那就是:它们本身不匹配任何字符,只是对 “字符串的两头” 或者 “字符之间的缝隙” 附加了一个条件。理解到这个概念以后,本节将继续介绍另外一种对 “两头” 或者 “缝隙” 附加条件的,更加灵活的表示方法。
正向预搜索:”(?=xxxxx)”,”(?!xxxxx)”
格式:”(?=xxxxx)”,在被匹配的字符串中,它对所处的 “缝隙” 或者 “两头” 附加的条件是:所在缝隙的右侧,必须能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件,所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 “/b”,本身不匹配任何字符。”/b” 只是将所在缝隙之前、之后的字符取来进行了一下判断,不会影响后边的表达式来真正的匹配。
举例1:表达式 "Windows (?=NT|XP)" 在匹配 "Windows 98, Windows NT, Windows 2000" 时,将只匹配 "Windows NT" 中的 "Windows ",其他的 "Windows " 字样则不被匹配。 举例2:表达式 "(/w)((?=/1/1/1)(/1))+" 在匹配字符串 "aaa ffffff 999999999" 时,将可以匹配6个"f"的前4个,可以匹配9个"9"的前7个。这个表达式可以读解成:重复4次以上的字母数字,则匹配其剩下最后2位之前的部分。当然,这个表达式可以不这样写,在此的目的是作为演示之用。
格式:”(?!xxxxx)”,所在缝隙的右侧,必须不能匹配 xxxxx 这部分表达式。
举例3:表达式 "((?!/bstop/b).)+" 在匹配 "fdjka ljfdl stop fjdsla fdj" 时,将从头一直匹配到 "stop" 之前的位置,如果字符串中没有 "stop",则匹配整个字符串。 举例4:表达式 "do(?!/w)" 在匹配字符串 "done, do, dog" 时,只能匹配 "do"。在本条举例中,"do" 后边使用 "(?!/w)" 和使用 "/b" 效果是一样的。
反向预搜索:”(?<=xxxxx)”,”(?<!xxxxx)”
这两种格式的概念和正向预搜索是类似的,反向预搜索要求的条件是:所在缝隙的 “左侧”,两种格式分别要求必须能够匹配和必须不能够匹配指定表达式,而不是去判断右侧。与 “正向预搜索” 一样的是:它们都是对所在缝隙的一种附加条件,本身都不匹配任何字符。
举例5:表达式 "(?<=/d{4})/d+(?=/d{4})" 在匹配 "1234567890123456" 时,将匹配除了前4个数字和后4个数字之外的中间8个数字。由于 JScript.RegExp 不支持反向预搜索,因此,本条举例不能够进行演示。很多其他的引擎可以支持反向预搜索,比如:Java 1.4 以上的 java.util.regex 包,.NET 中System.Text.RegularExpressions 命名空间,以及本站推荐的最简单易用的 DEELX 正则引擎。
其他通用规则
还有一些在各个正则表达式引擎之间比较通用的规则,在前面的讲解过程中没有提到。
表达式中,可以使用 “/xXX” 和 “/uXXXX” 表示一个字符(”X” 表示一个十六进制数)
形式 |
字符范围 |
/xXX |
编号在 0 ~ 255 范围的字符,比如:空格可以使用 “/x20” 表示 |
/uXXXX |
任何字符可以使用 “/u” 再加上其编号的4位十六进制数表示,比如:”/中” |
在表达式 “/s”,”/d”,”/w”,”/b” 表示特殊意义的同时,对应的大写字母表示相反的意义
表达式 |
可匹配 |
/S |
匹配所有非空白字符(”/s” 可匹配各个空白字符) |
/D |
匹配所有的非数字字符 |
/W |
匹配所有的字母、数字、下划线以外的字符 |
/B |
匹配非单词边界,即左右两边都是 “/w” 范围或者左右两边都不是 “/w” 范围时的字符缝隙 |
在表达式中有特殊意义,需要添加 “/” 才能匹配该字符本身的字符汇总
字符 |
说明 |
^ |
匹配输入字符串的开始位置。要匹配 “^” 字符本身,请使用 “/^” |
$ |
匹配输入字符串的结尾位置。要匹配 “$” 字符本身,请使用 “/$” |
( ) |
标记一个子表达式的开始和结束位置。要匹配小括号,请使用 “(” 和 “)” |
[ ] |
用来自定义能够匹配 ‘多种字符’ 的表达式。要匹配中括号,请使用 “[” 和 “]” |
{ } |
修饰匹配次数的符号。要匹配大括号,请使用 “{” 和 “}” |
. |
匹配除了换行符(/n)以外的任意一个字符。要匹配小数点本身,请使用 “.” |
? |
修饰匹配次数为 0 次或 1 次。要匹配 “?” 字符本身,请使用 “/?” |
+ |
修饰匹配次数为至少 1 次。要匹配 “+” 字符本身,请使用 “+” |
* |
修饰匹配次数为 0 次或任意次。要匹配 “*” 字符本身,请使用 “*” |
| |
左右两边表达式之间 “或” 关系。匹配 “|” 本身,请使用 “/|” |
定义正则表达式
定义正则表达式有两种形式,一种是普通方式,一种是构造函数方式。
普通方式:var reg=/表达式/附加参数
表达式:一个字符串,代表了某种规则,其中可以使用某些特殊字符,来代表特殊的规则,后面会详细说明。
附加参数:用来扩展表达式的含义,目前主要有三个参数:
g:代表可以进行全局匹配。
i:代表不区分大小写匹配。 m:代表可以进行多行匹配。
上面三个参数,可以任意组合,代表复合含义,当然也可以不加参数。
例子:
var reg=/a*b/; var reg=/abc+f/g;
构造函数方式:var reg=new RegExp(“表达式”,”附加参数”);
其中“表达式”与“附加参数”的含义与上面那种定义方式中的含义相同。
例子:
var reg=new RegExp(“a*b”); var reg=new RegExp(“abc+f”,”g”);
正则表达式对象的方法
1、test,返回一个 Boolean 值,它指出在被查找的字符串中是否存在模式。如果存在则返回 true,否则就返回 false。
2、exec,用正则表达式模式在字符串中运行查找,并返回包含该查找结果的一个数组。
3、compile,把正则表达式编译为内部格式,从而执行得更快。
正则表达式对象的属性
1、source,返回正则表达式模式的文本的复本。只读。
2、lastIndex,返回字符位置,它是被查找字符串中下一次成功匹配的开始位置。
3、input ($_),返回执行规范表述查找的字符串。只读。
4、lastMatch ($&),返回任何正则表达式搜索过程中的最后匹配的字符。只读。
5、lastParen ($+),如果有的话,返回任何正则表达式查找过程中最后括的子匹配。只读。
6、leftContext ($`),返回被查找的字符串中从字符串开始位置到最后匹配之前的位置之间的字符。只读。
7、rightContext ($’),返回被搜索的字符串中从最后一个匹配位置开始到字符串结尾之间的字符。只读。
String对象一些和正则表达式相关的方法
1、match,找到一个或多个正则表达式的匹配。
2、replace,替换与正则表达式匹配的子串。
3、search,检索与正则表达式相匹配的值。
4、split,把字符串分割为字符串数组。
案例1 test方法测试
//test方法,测试字符串,符合模式时返回true,否则返回false
var re = /he/;//最简单的正则表达式,将匹配he这个单词 var str = "he"; console.log(re.test(str));//true str = "we"; console.log(re.test(str));//false str = "HE"; console.log(re.test(str));//false,大写,如果要大小写都匹配可以指定i标志(i是ignoreCase或case-insensitive的表示) re = /he/i; console.log(re.test(str));//true str = "Certainly!He loves her!"; console.log(re.test(str));//true,只要包含he(HE)就符合,如果要只是he或HE,不能有其它字符,则可使用^和$ re = /^he/i;//脱字符(^)代表字符开始位置 console.log(re.test(str));//false,因为he不在str最开始 str = "He is a good boy!"; console.log(re.test(str));//true,He是字符开始位置,还需要使用$ re = /^he$/i;//$表示字符结束位置 console.log(re.test(str));//false str = "He"; console.log(re.test(str));//true //当然,这样不能发现正则表达式有多强大,因为我们完全可以在上面的例子中使用==或indexOf re = //s/;// /s匹配任何空白字符,包括空格、制表符、换页符等等 str= "user Name";//用户名包含空格 console.log(re.test(str));//true str = "user Name";//用户名包含制表符 console.log(re.test(str));//true re=/^[a-z]/i;//[]匹配指定范围内的任意字符,这里将匹配英文字母,不区分大小写 str="variableName";//变量名必须以字母开头 console.log(re.test(str));//true str="123abc"; console.log(re.test(str));//false
案例2 exec测试
var haoVersion = "Haorooms 8";//其中的8表示系统主版本号 var re = /^[a-z]+/s+/d+$/i; //+号表示字符至少要出现1次,/s表示空白字符,/d表示一个数字 console.log(re.test(haoVersion));//true,但我们想知道主版本号 //另一个方法exec,返回一个数组,数组的第一个元素为完整的匹配内容 re=/^[a-z]+/s+/d+$/i; arr = re.exec(haoVersion); console.log(arr[0]);//将haoVersion完整输出,因为整个字符串刚好匹配re //我只需要取出数字 re=//d+/; var arr = re.exec(haoVersion); console.log(arr[0]);//8 //exec返回的数组第1到n元素中包含的是匹配中出现的任意一个子匹配 re=/^[a-z]+/s+(/d+)$/i;//用()来创建子匹配 arr =re.exec(haoVersion); console.log(arr[0]);//整个haoVersion,也就是正则表达式的完整匹配 console.log(arr[1]);//8,第一个子匹配,事实也可以这样取出主版本号 console.log(arr.length);//2 haoVersion = "Haorooms 8.10";//取出主版本号和次版本号 re = /^[a-z]+/s+(/d+)/.(/d+)$/i;//.是正则表达式元字符之一,若要用它的字面意义须转义 arr = re.exec(haoVersion); console.log(arr[0]);//完整的haoVersion console.log(arr[1]);//8 console.log(arr[2]);//10
案例3 String对象的一些和正则表达式有关的方法
1、关于replace,我之前的一片博客专门写了。还可以传参数。具体请看:http://www.haorooms.com/post/js_replace_bl
2、其他操作
//replace方法,用于替换字符串
var str ="some money"; console.log(str.replace("some","much"));//much money //replace的第一个参数可以为正则表达式 var re = //s/;//空白字符 console.log(str.replace(re,"%"));//some%money //在不知道字符串中有多少空白字符时,正则表达式极为方便 str ="some some /tsome/t/f"; re = //s+/; console.log(str.replace(re,"#"));//但这样只会将第一次出现的一堆空白字符替换掉 //因为一个正则表达式只能进行一次匹配,/s+匹配了第一个空格后就退出了 re = //s+/g;//g,全局标志,将使正则表达式匹配整个字符串 console.log(str.replace(re,"@"));[email protected]@some@ //另一个与之相似的是split var str = "a-bd-c"; var arr = str.split("-");//返回["a","bd","c"] //如果str是用户输入的,他可能输入a-bd-c也可能输入a bd c或a_bd_c,但不会是abdc(这样就说他输错了) str = "a_db-c";//用户以他喜欢的方式加分隔符s re=/[^a-z]/i;//前面我们说^表示字符开始,但在[]里它表示一个负字符集 //匹配任何不在指定范围内的任意字符,这里将匹配除字母处的所有字符 arr = str.split(re);//仍返回["a","bd","c"]; //在字符串中查找时我们常用indexOf,与之对应用于正则查找的方法是search str = "My age is 18.Golden age!";//年龄不是一定的,我们用indexOf不能查找它的位置 re = //d+/; console.log(str.search(re));//返回查找到的字符串开始下标10 //注意,因为查找本身就是出现第一次就立即返回,所以无需在search时使用g标志 //下面的代码虽然不出错,但g标志是多余的 re=//d+/g; console.log(str.search(re));//仍然是10 var str = "My name is CJ.Hello everyone!"; var re = /[A-Z]/;//匹配所有大写字母 var arr = str.match(re);//返回数组 console.log(arr);//数组中只会包含一个M,因为我们没有使用全局匹配 re = /[A-Z]/g; arr = str.match(re); console.log(arr);//M,C,J,H //从字符串中抽取单词 re = //b[a-z]*/b/gi;///b表示单词边界 str = "one two three four"; console