JavaScript语言精粹 笔记05 正则表达式

正则表达式

正则表达式以方法的形式被用于对字符串中的信息进行查找、替换画图提取操作。可处理正则表达式的方法有：regexp.exec, regexp.test,string.match, string.replace, string.search, 和string.split。

结构

有两个方法来创建一个RegExp对象。优先方法是使用正则表达式字面量。正则表达式被包围在一对斜杠中。有3个标志能在RegExp中设置，分别为g、i、m。

// 构造一个匹配JavaScript字符串的正则表达式对象

var my_regexp = /"(?:\\.|[^\\\"])*"/g;

G:全局的（匹配多次；准确含有随方法而变）

I:大小写不敏感（忽略字符大小写）

M:多行（^和$能匹配行结束符）

创建正则表达式的另一个方法是使用RegExp构造器。这个构造器接收一个字符串，并把它编译为一个RegExp对象。第二个参数是一个指定标志的字符串。

// 构造一个匹配JavaScript字符串的正则表达式对象.

var my_regexp = new RegExp("\"(?:\\\\.|[^\\\\\\\"])*\"", 'g');

RegExp对象的属性：

global：如果标志g被使用，值为true

ignoreCase：如果标记 i 被使用，值为true

lastIndex：下一次exec匹配开始的索引。初始值为0

multiline：如果标志 m 被使用，值为true

source：正则表达式源代码文本

用正则表达式字面量创建的RegExp对象来共享一个单实例：

function make_a_matcher() {
    return /a/gi;
}

var x = make_a_matcher();
var y = make_a_matcher();

//注意：x 和 y 是相同的对象

x.lastIndex = 10;

document.writeln(y.lastIndex);    //

元素

正则表达式选择

正则表达式选择包含1个或者多个表达式序列。这些序列被|（竖线）隔开。如果这些序列中的任何一项符合匹配条件，那么这个选择就被匹配。它尝试按顺序匹配这些序列项。

"into".match(/in|int/);

将在into中匹配in，但它不会匹配int，因为in已经匹配成功了。

正则表达式序列

一个正则表达式序列包含1个或者多个正则表达式因子.每个因子能够选择是否跟随一个量词，这个量词决定着这个因子被允许出现的次数。如果没有指定这个量词，那么该因子将被匹配一次。

正则表达式因子

一个正则表达式因子可以是一个字符、一个由圆括号包围的组、一个字符类，或者是一个转义序列。除了控制字符和特殊字符以外，所有的字符都将被按照字面处理。

\ / [ ] ( ) { } ? + * | . ^ $

如果你希望上面列出的字符按照字面去匹配，那么必须使用一个 \ 前缀来进行转义。当你存在疑虑时，可以给任何特殊字符都添加一个 \ 前缀使其字面化。 \ 前缀不能使字母或数字字面化。

一个未被转义的 . 将匹配除行结束符以外的任何字符。

当lastIndex的属性值为0时，一个未转义的^将匹配该文本的开始。当指定了 m 标识时，它也能匹配结束符。

一个未转义的$将匹配该文本的结束。当指定了 m 标识时，它也能匹配结束符。

正则表达式转义

\ 在正则表达式中表示转义。

\f  换页符

\n 换行符

\r 回车符

\t 制表符

\u 允许指定一个Unicode字符来表示一个十六进制的常量。

\d 等同于[0-9]

\D 等同于[^0-9]

\s 等同于[\f\n\r\t\u000B\u0020\u00A0\u2028\u2029]

\S 等同于[^\f\n\r\t\u000B\u0020\u00A0\u2028\u2029]

\w 等同于[0-9A-Z_a-z]

\W 等同于[^0-9A-Z_a-z]

\b 被指定为一个字边界标志，但是他使用\w 去寻找字边界，所以它对多数语言应用来说是完全无用的。

\1 是指向分组1所捕获到的文本的引用，所以它能够被再次匹配。例如：

　　var doubled_words = /([A-Za-z\u00C0-\u1FFF\u2800-\uFFFD]+)\s+\1/gi;

doubled_words将寻找连续的重复单纯（包含一个或多个字母的字符串），该单词后面跟着一个或多个空白，然后再跟着与它相同的单词。\2 是指向分组2所捕获到的文本的引用，\3 是指向分组3所捕获到的文本的引用，依此类推。

正则表达式分组

分组共有4种

　　捕获型

一个捕获型分组是一个被包围在括号中的正则表达式选择。任何匹配这个分组的字符将被捕获。每个捕获型分组都被指定了一个数字。正则表达式第一个捕获 ( 的是分组1，第二个捕获 ( 的是分组2。

　　非捕获型

非捕获型分组有一个(?:前缀。非捕获型分组仅做简单的匹配，并不会捕获所匹配的文本。这会有微弱的性能优势。非捕获型分组不会干扰捕获型分组的编号。

　　向前正相匹配

向前正向匹配分组有一个(?=前缀，它类似于非捕获型分组，但在这个组匹配后，文本将退回到它开始的地方，实际上并不匹配任何东西，这不是一个好的特性。

　　向前负向匹配

向前负向匹配分组有一个(?!前缀，它类似于向前正相匹配分组，但只有它匹配失败是它才进行匹配，这不是一个好的特性。

正则表达式类

正则表达式类是一种指定一组字符的便利方式。例如，匹配一个元音字母，可以写作(?:a|e|i|o|u)，但它可以被方便地写成一个类[aeiou]。

一组有32个ASCII的特殊字符组成的集合：

　　! " # $ % & ' ( ) * +, - . / :; < = > ? @ [ \ ] ^ _ ` { | } ˜

可以被写为：

　　(?:!|"|#|\$|%|&|'|\(|\)|\*|\+|,|-|\.|\/|:|;|<|=|>|@|\[|\\|]|\^|_|` |\{|\||\}|˜)

也可以被写为：

　　[!-\/:-@\[-`{-˜]

它包括从 ! 到 / 、从 : 到 @ 、从 [ 到 ' 和从 { 到 ˜ 的字符。

另一种方便之处是类的求反。[^!-\/:-@\[-`{-˜] 匹配的是任何一个非ASCII特殊字符的字符。

正则表达式类转义

字符类内部转义规则和正则表达式因子相比稍有不同。[\b]是退格符。下面是在字符串类中需要被转义的特殊字符：

- / [ \ ] ^

正则表达式类量词

正则表达式因子可以用一个正则表达式量词后缀来决定这个因子应该匹配的次数。例如：

/www/等价于/w{3}/

{3,6}将匹配3,4,5或6次。

{3,}将匹配3次或更多次

？等价于{0,1}

*等价于{0,}

+等价于{1,}

如果只有一个量词，则趋于进行贪婪匹配，即匹配尽可能多的重复直到达到上限。如果这个量词还有一个额外的后缀?，那么趋向于懒惰匹配，即试图匹配尽可能少的必要重复。

参考：《JavaScript语言精粹》Douglas Crockford著    赵泽欣 鄢学鹍 译

转载请注明出处：

作者：JesseLZJ
出处：http://jesselzj.cnblogs.com