JavaScript正则表达式RegExp入门图文教程

正则表达式是啥？

正则表达式又称“规则表达式”（Regular Expression，简称RegExp），是计算机科学领域的一个重要概念。

正则表达式有什么用？

它主要用于搜索和替换符合特定模式的文本内容。

在处理特殊字符或具有特定搭配规则的字符时，正则表达式是最佳的选择方案。

转义字符“\”

示例：在变量 var str = "asdfghj" 中直接加入双引号字符会导致语法错误，但利用正则表达式中的转义字符“\”即可解决此问题。

在双引号前添加转义符“\”，可使变量定义合法。如图所示，转义字符配合双引号成功组合为文本符号，浏览器即可正常输出 "asdf"ghjs"。

字符串换行符\n

示例：在变量 var str = "asdfghj" 中进行换行处理。

最终得到的结果如图所示。

如何创建正则表达式

1.直接量方式

使用语法 var reg = //；在斜线之间编写匹配内容。

例如 var reg = /abc/; 表示匹配规则abc。通过 reg.test(str) 对字符串 var str = "abcdef"; 进行测试，若包含规定字符串则返回 true，否则返回 false。

在 // 后可附加属性值（i，m，g）。

2.new RegExp()方式

其效果与直接量方式相同：包含正则表达式中的值时返回 true，不包含时返回 false。

在 RegExp 构造函数中可指定属性值：RegExp（"abc",参数（i，g，m））。

正则表达式的三个修饰符：i, m, g

i: 表示不区分大小写。

m：执行多行匹配模式。

例如 var reg = /^a/; 表示查找以字符a开头的字符串。若 str 中无符合要求的字符则不匹配，但若使用 reg = /^a/m; 启用多行匹配，则可以识别换行符\n。启用后，系统认为\n前为一行、\n后为另一行。

g: 执行全局匹配（查找所有匹配项，而非找到第一个匹配后停止）。

正则表达式对象的方法：reg.test(); 返回布尔值 true 或 false。

字符串对象的方法：str.match(); 可将匹配结果返回，效果更为直观。

表达式规则

[]: 可在方括号内写入字符范围。

[^abc]: 匹配除abc以外的字符（注：原文表述可能有误，通常[^abc]表示否定字符集）。

[0-9]: 匹配数字范围0-9。

[a-z]: 匹配小写字母范围a-z。

[A-Z]: 匹配大写字母范围A-Z。

[A-z]: 匹配A-Z及a-z范围（注：原文如此，实际通常指A-Z和a-z）。

|：表示逻辑“或”。

元字符定义：

\w: 匹配单词字符。

\W: 匹配非单词字符。

\d：匹配数字。

\D: 匹配非数字。

\s：匹配空白字符（包含：空格符，制表符，回车符，换行符，垂直换行符，换页符）。

\S: 匹配非空白字符。

\n：匹配换行符。

\r：匹配回车符。

\b: 匹配单词边界。

\B: 匹配非单词边界。

\t：匹配制表符。

. ：表示匹配除了\r和\n之外的所有字符。

量词（以下n为代表数量的词）

n+：表示可以出现1次到无数次。

n*：表示可以出现0次到无数次，末尾逻辑距离算为空。

n？：表示可以出现0次或1次字符串，逻辑距离为空。

n{X}：表示可以出现恰好X个n的字符串。

n{X，Y}：匹配包含X至Y个n的字符串（符合贪婪匹配原则，能多就不少）。

n{X，}：匹配包含至少X个n的字符串（符合贪婪匹配原则，能多就不少）。

^n: 表示以n开头。

n$: 表示以n结尾。

RegExp对象属性：

ignoreCase：表示RegExp对象是否含有修饰符i。

global：表示RegExp对象是否含有修饰符g。

multiline：表示RegExp对象是否含有修饰符m。

source: 显示正则表达式函数体。

正则表达式方法：

test：检查字符串中指定的值。返回 true 或 false。

exec：检查字符串中指定的值。返回值并确定其位置。

匹配的位置随着其光标的起始位置变化而变化。当光标移动到最后位会返回 null，再次执行则会从头开始执行。

下图中

"ab"未返回值，

index为光标位置。

字符串对象的方法：

match：找到一个或多个正则表达式的匹配。返回匹配值。

search：检查与正则表达式相匹配的值，返回其光标所处的位置。如果匹配不到返回 -1。

split：拆分字符串。

replace：替换与正则表达式相匹配的字符串。

示例：将 var str = "aabb" 替换为 "bbaa"。

1. var reg = /(\w)\1(\w)\2/g;

console.log(str.replace(reg,"$2$2$1$1"));

输出结果为："bbaa"

2. var reg = /(\w)\1(\w)\2/g;

console.log(str.replace(reg, function ($, $1, $2) {

return $2 + $2 + $1 + $1;

}));

输出结果为："bbaa"

其中 $ 为正则表达式全局匹配，$1 为第一个自变量 "(\w)\1"，$2 代表第二个自变量 "(\w)\2"。

示例：将 the-first-name 变为小驼峰模式（theFirstName）。

其中 $ 为正则表达式全局，$1 为第一个自变量 "-(\w)"。

正向预查（正向断言）：在正则中只参与限定不参与选择。

1.在正则表达式中查看 var str = "abaaaa" 中身后带b的字符串，但输出时不显示b字符。

var str = "abaaaa";

var reg = /a(? = b)/g; //表示a后面跟着b但b参与选择只参与限定

2. 在正则表达式中查看 var str = "abaaaa" 中身后不带b的字符串。

var reg = /a(? !b)/g; //表示查找a后没有b字符的字符串。

非贪婪匹配：正则表达式中默认贪婪匹配，但我们可以通过方法将贪婪匹配变为非贪婪匹配。在任何量词后加？。

reg = /n{1,}/ ; //这时n的个数在1~无穷大之间，而在贪婪匹配的作用下，取值个数会尽可能变大。

reg = /n(1,)?/ ; //在n(1,)后加入？，这时正则匹配，取值会以最小个数为基准。

2. 正则表达式中的一些高级规则

2.1 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：

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：

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>"。

2.2 反向引用 \1, \2...

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 "<td>(.*?)</td>"。 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。

2.3 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。