犀牛书笔记：（13）Pattern Matching with Regular Expressions

JS类RegExp用来表示正则表达式

 

JS中正则表达式是用两个//括起来的，如

var pattern = /s$/; 等同于 var pattern = new RegExp("s$");

 

 

• 字母数字         本身
• \0                  NUL
• \t                   Tab
• \n                  新的一行
• \v                  vertical tab
• \f                   Form feed
• \r                   carriage return
• \xnn               the latin character specified by the hexadecimal number nn;
• \uxxxx            the unicode character specified by the hexadecimal number xxxx;
• \cX     

这些标点在正则中有特殊的意思：

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

因此 如果要把它们作为标点字符，需要加\，如果记不住哪些标点需要逃逸符，可以简单的在所有符号前加上逃逸符。另一方面，某些数字和字母在逃逸符前置的情况下有特殊的意义，如果仅仅只是想把逃逸符作为标点符号， 也需要在前面再加一个逃逸符。

Character Classes

将字符放入到[]中，就构成了一个Character Classes,Character Classes和任何包含了[]中字符的内容匹配。

比如[abc]将匹配含有a,b或者c的内容。

 

相反，negated character class使用^,[^abc]将和任何不含有a,b或c的内容匹配。

 

可以使用-来表示一段范围，比如[a-z],[0-9]

 

 

• [...]       Any one character between the brackets
• [^...]    Any one character not between the brackets.
• .           Any character except newline or another Unicode line terminator
• \w        Any ASCII word character. Equivalent to [a-zA-Z0-9]
• \W       Any character that is not an ASCII word character. Equivalent to [^a-zA-Z0-9]
• \s        Any unicode whitespace character.
• \S        Any character that is not Unicode whitespace.
• \d        Any ASCII digit. Equivalent to [0-9]
• \D        Any character other than an ASCII digit. Equivalent to [^0-9]
• [\b]      A literal backspace

重复

 

• {n,m}     匹配{}之前的字符，最少出现N次，最多出现M次
• {n,}       匹配之前的字符，最少出现n次
• {n}        精确出现n次
• ？           0或一次出现，等同于{0,1}
• +            1或多次出现，等同于{1,}
• *            0或多次出现，等同于{0,}

以上的模式，称为贪婪重复，它将会尽可能多的匹配

如果在他们后面加上问号，比如??,+? *?就称为非贪婪匹配，它将会尽可能少的匹配，

比如，/a+/和/a+?/匹配"aaa"，前者会匹配3次，而后者只匹配第一个a

 

非贪婪重复可能引起错误，比如/a*b/和/a*?b/匹配"aaab"的结果都是aaab

这是因为在正则配对中，一旦有一个字符串满足配对规则，就配对成功。也就是说，如果整个字符串满足条件，它的子字符串将不做考虑。

 

|表示可选的，or的逻辑，比如/ab|cd|ef/匹配字符串ab或cd或ef。

注意，用|连接的选项是从左到右进行分析的，一旦左边的条件已经满足，右边的就被忽略，即使右边的会提供一个“更好”的匹配。比如/a|ab/对于“ab"，只会匹配到a

 

 

括号在正则中有多种作用：

 

1. group separate items into a single subexpression so that the items can be treated as a single unit by |, *, +, ?, and so on.
2. define subpatterns within the complete pattern。当某个模式成功匹配后，在得到的目标字符串中，可能只关注它的某一部分，可以使用subpattern子模式来只抽取感兴趣的部分。比如，想要匹配一个或多个小写字母后跟一个或多个数字，使用/[a-z]+\d+/，但真正关注的部分知识后面的数字，这种情况下可以使用/[a-z]+(\d+)/

 

• ^     匹配字符串的开头和行的开头
• $      匹配字符串结尾和行尾
• \b    匹配一个单词边界。（注意不在character classes）
• \B    和非单词边界匹配
• (?=p)   断言
• (?!p)  断言

/\bJava\b/,匹配单个单词为java的。

JS1.2支持两种标志位：

i，表示模式匹配是大小写不敏感的

g,表示模式匹配是全局的,也就是说被搜索字符串的所有匹配都会被找到。

这两个标志位是在//之外的，如：

/\bjava\b/i

 

JS 1.5支持另一个标志位m,

在m模式下，如果一个被搜索字符串包含多行，^$锚点就会匹配行的开头和结尾

 

 

字符串支持4种正则操作。

 

1. search().该方法将一个正则表达式作为参数，返回第一个匹配的子字符串的开始位置或者在无匹配情况下返回-1
   “JavaScript".search(/script/i);
   如果传入的参数不是一个正则表达式，会先将该参数传入RegExp的构造函数。search不支持全局搜索和g标志位模式
2. replace().该方法进行一个搜索替代操作。第一个参数是一个正则表达式，第二个参数是要替换的字符串。如果该正则表达式使用g模式，该方法将替换所有匹配的子字符串，否则只替换第一个匹配。如果第一个参数是字符串，replace对待它的方式和search()相同。
   replace()的另一用法：
   var quote = /"([^"]*)"/g; 意思是：任何以"开始，后跟多个非“符号的字符，最后以”结尾的字符串
   text.replace(quote, " '$1' "); //$1指向前面正则表达式里第一个括号所匹配的内容，这句是将所有引用的字符用'符号代替"符号。
3. match(),以一个正则表达式作为参数，返回一个数组包含匹配的结果。
   "1 plus 2 equals 3".match(/\d+/g);//returns ["1","2","3"]
   注意，如果正则表达式没有使用g模式，它将仅返回匹配的第一个元素，在这种情况下，第0个元素返回全匹配，第N个元素对应$n.比如：
   

   var url = /(\w+):\/\/([\w.]+)\/(\S*)/;
   var text = "Visit my blog at http://www.example.com/~david";
   var result  = text.match(url);
   
   if( result != null) {
      var fullurl = result[0]; // http://www.example.com/~david
      var protocol = result[1];//http
      var host = result[2];//www.example.com
      var path = result[3]; //~david
   }

   对于非g搜索，match还返回index属性，表明匹配的起始位置。input属性，是目标字符串的拷贝。
4. split()。
   “1，2，     3 ，    4  ， 5”.split(/\s*,\s*/); //returns["1","2","3","4","5"]

 

RegExp对象

构造方法有一到两个参数，第一个是正则表达式，该表达式不用像前面那样用//包围。第二个是i,g,m标志位

RegExp对象的意义在于，由于其参数是字符串，因此可以动态的创建正则表达式

 

RegExp定义了两个方法，

 

1. exec()，类似于match().如果找不到匹配的，返回null,如果找到一个，返回数组，也有Index,input属性。和match()不同的是，无论是不是g模式，exec()都返回相同类型的数组，每次exec()运行，都只返回一个匹配结果，并包含它的全部信息，属性lastIndex表示了该匹配最终结束的位置，如果在同一对象中多次运行exec()，后面运行的起始位置就是前面的lastIndex表示的位置。如果exec()找不到匹配，lastIndex = 0；（你也可以在某个循环中设置lastIndex=0；结束循环）
2. test()，将一个目标字符串作为参数，如果有匹配返回true,否则返回false。test()也以lastIndex为标志，可以运行多次

RegExp对象包含5个属性

1. source,只读字符串，表示包含的正则表达式
2. global,只读boolean,是否是g模式
3. ignoreCase,只读boolean,是否是i模式
4. multiline, 只读boolean,是否是m模式
5. lastIndex，读写证书