正则表达式
转载自: 文章链接
文章作者: baoyuzhang
#正则表达式
前端会遇到很多字符串验证问题,正则表达式是一个强大的字符串匹配工具,今天就来总结一下正则表达式。
(一)工具
Regexper:正则表达式可视化工具,看不懂的表达式放进去,帮助理解
(二)理论部分
一、正则表达式简介
正则表达式是一个强大的字符串匹配工具。
1. 匹配模式标志 flags
3 个匹配模式标志 flags:标明正则表达式的行为
一个正则表达式就是一个模式与 3 个标志的组合体
字 符 | 含 义 |
---|---|
g |
执行一个全局匹配,简言之,就是要找到所有的匹配,而不是在找到一个之后就停止 |
m |
多行匹配模式,^ 匹配一行的开头和字符串的开头,$ 匹配行的结束和字符串的结束 |
i |
执行不区分大小写的匹配 |
1 | var pattern1 = /at/g; // 匹配字符串中所有"at"的实例 |
2. 元字符
与其他语言中的正则表达式类似,匹配字符串中的元字符必须转义。
正则表达式中的元字符包括:([ { \ ^ $ |) ? * + . ] }
1 | var pattern1 = /[bc]at/i; // 匹配第一个"bat"或"cat",不区分大小写 |
3. 创建正则表达式
有两种方法,这两种方法完全等价。
<法一> 对象字面量
- 正则表达式放在一对斜杠(/)之间
1 | var expression = / pattern / flags ; |
<法二> 使用 RegExp () 构造函数
- 2 个参数(均为字符串):要匹配的字符串模式 pattern,(可选)匹配模式标志 flags
1 | var pattern1 = /[bc]at/i; // 匹配第一个"bat"或"cat",不区分大小写 |
注意!
-
传递给 RegExp 构造函数的 2 个参数都是字符串(不能把正则表达式字面量传递给 RegExp 构造函数)
-
由于 RegExp 构造函数的模式参数是字符串,所以在某些情况下要对字符进行
双重转义
:
- 所有元字符
- 已经转义过的字符,例如:
\n
(字符\
:在字符串中转义\\
,在正则表达式字符串中双重转义\\\\
)
字面量模式 | 等价的字符串 |
---|---|
/\[bc\]at/ |
"\\[bc\\]at" |
/\.at/ |
"\\.at" |
/name\/age/ |
"name\\/age" |
/\d.\d{1,2}/ |
"\\d.\\d{1,2}" |
/\w\\hello\\123/ |
"\\w\\\\hello\\\\123" |
二、RegExp 类型
EMCAScript 通过 RegExp 类型来支持正则表达式。
1 | var reg = new RegExp("\\d{5}","g");//匹配全局模式下的5个数字 |
局限性
要了解更多相关信息,请访问 www.regular-expressions.info
尽管 ECMAScript 中的正则表达式功能还是比较完备的,但仍然缺少某些语言(特别是 Perl)所支持的高级正则表达式特性。下面列出了 ECMAScript 正则表达式不支持的特性:
- 匹配字符串开始和结尾的 \A 和 \Z 锚【但支持以插入符号(^)和美元符号($)来匹配字符串的开始和结尾】
- 向后查找(lookbehind)【但完全支持向前查找(lookahead)】
- 并集和交集类
- 原子组(atomic grouping)
- Unicode 支持(单个字符除外,如 \uFFFF)
- 命名的捕获组【但支持编号的捕获组】
- s(single,单行)和 x(free-spacing,无间隔)匹配模式
- 条件匹配
- 正则表达式注释
即使存在这些限制,ECMAScript 正则表达式仍然是非常强大的,能够帮我们完成绝大多数模式匹配任务。
1. RegExp 构造函数属性
适用于作用域中的所有正则表达式,并且基于所执行的最近一次正则表达式操作而变化。
可以通过两种方式访问:长属性名、短属性名(Opera 是例外,它不支持短属性名)
长属性名 | 短属性名 | 说 明 |
---|---|---|
input | $_ | 原始字符串。Opera 未实现此属性 |
lastMatch | $& | 最近一次与整个正则表达式匹配的项。Opera 未实现此属性 |
lastParen | $+ | 最近一次匹配的捕获组。Opera 未实现此属性 |
leftContext | $’ | input 字符串中 lastMatch 之前的文本 |
multiline | $* | 布尔值,表示是否所有表达式都使用多行模式。IE 和 Opera 未实现此属性 |
rightContext | $’ | Input 字符串中 lastMatch 之后的文本 |
RegExp.$n(1<=n<=9) | 存储第 n 个匹配的捕获组 |
短属性名大多不是有效的 ECMAScript 标识符,必须通过方括号语法来访问。
使用这些属性可以从 exec () 或 test () 执行的操作中提取出更具体的信息:
1 | var text = "this has been a short summer"; |
2. RegExp 实例属性
通过这些属性可以获知一个正则表达式的各方面信息,但却没有多大用处,因为这些信息全都包含在模式声明中。
属性名 | 类型 | 属性 | 含义 |
---|---|---|---|
global | 布尔值 | 只读 | 是否设置了 g 标志 |
multiline | 布尔值 | 只读 | 是否设置了 m 标志 |
ignoreCase | 布尔值 | 只读 | 是否设置了 i 标志 |
source | 字符串 | 只读 | 规范形式的字符串,即字面量形式所用的字符串,而非传入构造函数中的字符串模式 |
lastIndex | 整数 | 只读 | 继续下一次检索的开始位置 |
1 | var pattern1 = /\[bc\]at/i; |
3. RegExp 实例方法
a.exec()
:查找匹配字符串和捕获组
-
参数:正则表达式
-
返回:由匹配项组成的数组;没有匹配项返回 null
-
返回数组,第一项是与整个模式匹配
的字符串,其他项是与捕获组匹配的字符串(如果模式中没有捕获组,则该数组只包含一项)
- 假设 macth () 返回一个数组 a,那么 a [n] 存放的是 $n 的内容:a [0] 存放的是完整的匹配,a [1] 存放的是第一个捕获组,以此类推。
-
返回数组属性:
- index :匹配项在字符串中的位置
- input :待解析字符串
-
1 | var text = "mom and dad and baby"; |
说明
exec () 方法:即使在模式中设置了全局标志 g
,它每次也只会返回一个匹配项:
-
不设置全局标志
g
:在同一个字符串上多次调用 exec () 将始终返回第一个匹配项的信息:(特例:IE 在非全局模式下,lastIndex 属性每次也会变化)
1
2
3
4
5
6
7
8
9
10
11
12var text = "cat, bat, sat, fat";
var pattern1 = /.at/;
var matches = pattern1.exec(text);
alert(matches.index); //0
alert(matches[0]); //cat
alert(pattern1.lastIndex); //0
matches = pattern1.exec(text);
alert(matches.index); //0
alert(matches[0]); //cat
alert(pattern1.lastIndex); //0 -
设置全局标志
g
:每次调用 exec () 会在字符串中继续查找新匹配项:1
2
3
4
5
6
7
8
9
10
11
12var text = "cat, bat, sat, fat";
var pattern2 = /.at/g;
var matches = pattern2.exec(text);
alert(matches.index); //0
alert(matches[0]); //cat
alert(pattern2.lastIndex); //3
matches = pattern2.exec(text);
alert(matches.index); //5
alert(matches[0]); //bat
alert(pattern2.lastIndex); //8
b.test()
:判断待解析字符串是否与此模式匹配
- 参数:待解析字符串
- 模式与参数匹配:返回 true;否则,返回 false
在只想知道目标字符串与某个模式是否匹配,但不需要知道其文本内容时,使用这个方法非常方便。因此,test () 方法经常被用在 if 语句中:
1 | var text = "000-00-0000"; |
c. 继承的方法
-
valueOf () 方法:返回正则表达式本身
-
toLocaleString () 方法:返回正则表达式的字面量,与创建正则表达式的方式无关
-
toString () 方法:返回正则表达式的字面量,与创建正则表达式的方式无关
1
2
3var pattern = new RegExp("\\[bc\\]at", "gi");
alert(pattern.toString()); // /\[bc\]at/gi
alert(pattern.toLocaleString()); // /\[bc\]at/gi
三、待解析字符串的 string 方法
1. search()
:查找匹配字符串位置
- 参数:正则表达式
- 返回:匹配子串的起始位置;未找到返回 - 1.
- 例:
JavaScript.search(/script/i);//返回4
- 例:
说明:search()
方法不支持全局属性检索,所以会忽略匹配模式标志 g
2. replace()
:替换
- 2 个参数:正则,作为替换的字符串
- 若第一个参数是字符串,
replace()
则会直接搜索这个字符串 - 若作为替换字符串中出现了
$数字
,那么replace()
将用与指定的子表达式相匹配的文本来替换这两个字符
- 若第一个参数是字符串,
1 | text.replace(/javascript/gi,"JavaScript");//将所有不区分大小写的javascript都替换成大小写正确的JavaScript |
3. match()
:查找匹配字符串和捕获组
- 参数:正则表达式
- 返回:由匹配结果组成的数组
1 | "1 plus 2 equals 3".match(/\d+/g);//返回["1","2","3"] |
说明
-
match()
1
2
3
4
5
6
7
始终返回一个数组。若没有匹配模式标志g,只检索第一个匹配,则数组的第一个元素是匹配的字符串,余下的元素是正则表达式中的捕获组(用圆括号括起来的子表达式)。
- 假设macth()返回一个数组a,那么a[n]存放的是$n的内容:a[0]存放的是完整的匹配,a[1]存放的是第一个捕获组,以此类推。
- 例:解析一个url
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]; // 包含 “http://www.example.com/”
var protocol = result [1]; // 包含 “http”
var host = result [2]; // 包含 “www.example.com”
var path = result [3]; // 包含~david
}
1 |
|
// 参数为字符串
“123,456,789”.split (“,”);// 返回 [“123”,“456”,“789”]
// 参数为正则表达式
“1,2, 3,4 ,5”.split (/\s*,\s*/)// 返回 [“1”,“2”,"3","4",“5”],指定分隔符”,”,允许两边留有任意多的空白符
1 |
|
| \ / ( ) [ ] { } . : ! * + = ^ ? $
想要在正则表达式中对这些字符进行匹配,必须使用前缀”\”
其他标点符号(比如@和引号)无特殊含义,无需转义,直接使用即可。
### 2.字符类
方括号:或/范围
> 将直接量字符单独放进方括号内就组成了字符类。一个字符类可以匹配它包含的任意字符。**字符类可以使用连字符来表示字符范围。**
| 字 符 | 含 义 |
| :------- | :---------------------------------------------- |
| `.` | 除换行符和unicode行终止符之外的任意字符 |
| `[...]` | 方括号内的任意字符,“或”的关系 |
| `[^...]` | 不在方括号内的任意字符 |
| `\w` | 任何ASCII符组成的单词,等同`[a-zA-Z0-9]` |
| `\W` | 任何不是ASCII符组成的的单词,等同`[^a-zA-Z0-9]` |
| `\s` | 任何unicode空白字符 |
| `\S` | 任何非unicode空白符的字符,注意`\W`与`\s`不同 |
| `\d` | 任何ASCII数字等价于`[0-9]` |
| `\D` | 除了ASCII数字之外的任何字符,等价于`[^0-9]` |
| `[\b]` | 退格直接量(特例) |
- 例:
- `/[a,b,c]/`:表示和字母”a”,”b”,”c”中的任意一个都匹配
- `/[a-z]/`:匹配拉丁字母表中的小写字母
- `/[\s\d]/`:匹配任意空白符或数字
### 3.重复
> 用以指定字符重复的标记
| 字 符 | 含 义 |
| :------ | :------------------------------------------------------ |
| `{n,m}` | 匹配前一项至少n次,但不能超过m次 |
| `{n,}` | 匹配前一项n次,或者更多次 |
| `{n}` | 匹配前一项n次 |
| `?` | 匹配前一项0次或者1次,也就是前一项是可选的,等价于{0,1} |
| `*` | 匹配前一项0次或者多次,等价于{0,} |
| `+` | 匹配前一项1次或者多次看,等价于{1,} |
- 例:
- `/\d{2,4}/`:匹配2-4个数字。
- `/\w{3}\d?/`:精确匹配三个单词和一个可选的数字。
- `/\s+java\s+/`:匹配前后有1个或多个空格的字符串”java”
- `/[^(]*/`:匹配0个或多个非左括号的字符(这里实际上能与`"("`匹配)
**注意!**
a. `*`和`?`能匹配0个字符。因此可以什么都不匹配
- 例:
- `/a*/`能匹配字符串”bbbb”,因其含有0个a。
b. 上表中列出的匹配字符为”贪婪的”匹配
**贪婪匹配** :尽可能多地匹配,且允许后续的正则表达式继续匹配
**非贪婪匹配** :只匹配一次,在待匹配的字符后跟随一个问号即可,`?`,`+?`,`*?`或`{1,5}?`
- 例:
- `/a+/`:匹配“aaa”时,三个字符都被匹配,
- `/a+?/`:匹配“aaa”时,只匹配第一个a
### 4.选择-分组和引用
> 包括:指定选择项,自表达式分组,引用前一子表达式的特殊字符
- 选择项的尝试匹配次序是从左到右,直到发现匹配项,若左边成功匹配就忽略右边的项。
- 正则表达式中圆括号的作用:
a. 把单独的项组成子表达式,以便于可以像处理独立单元一样,用`\|`,`*`,`+`或者`?`等等来对单元内的项进行处理
b. 在完整的模式中定义子模式
c. 允许在同一正则表达式的后部,引用前面的子表达式
| 字 符 | 含 义 |
| :------- | :----------------------------------------------------------- |
| \| | 选择:匹配该符号左/右的子表达式 |
| `(...)` | 组合+记忆:将几个项组合成为一个单元,该单元可通过\| * + ?等符号加以修饰,且可以记住和这个相匹配的字符串,供以后的引用使用 |
| `(?:..)` | 只组合不记忆:把项组合到一个单元,但不记忆与该组相匹配的字符 |
| `\n` | 和第n个分组第一次匹配的字符相匹配,组是圆括号中的子表达式(也有可能嵌套的),组索引是从左到右的左括号数,”(?:形式的分组不编码” |
- 例:
- `/ab|cd|ef/`:可以匹配”ab”,也可以匹配”cd”,还可以匹配”ef”
- `/\d{3}|[a-z]{4}/`:可以匹配3个数字,或者4个小写字母
- `(/[a-z]+(\d+)/)`:匹配一个或多个小写字母后跟随了一位或多位数字,使用括号包裹后,可以从检索到的匹配中抽取数字了
### 5.指定匹配位置
> 正则表达式的锚,将模式定位在搜索字符串的特定位置上
| 字 符 | 含 义 |
| :---- | :----------------------------------------------------------- |
| `^` | 匹配字符串的开头,在多行检索中,匹配一行的开头 |
| `$` | 匹配字符串的结尾,在多行检索中,匹配一行的结尾 |
| `\b` | 匹配一个单词边界,简言之,就是位于字符\w和\W之间的位置,或位于字符\w和字符串的开头或结尾之间的位置(需要注意:[\b]匹配的是退格符) |
| `\B` | 匹配非单词边界的位置 |
- 例:
- `/^JavaScript$/`:匹配”JavaScript”单词
- `/\B[Ss]cript/`:与”JavaScript”和”/postscript”匹配,但不与”script”与”Script”.
# (三)常用的正则表达式
以下内容转载自:http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html
## 一、校验数字的表达式
1. 数字:`^[0-9]*$`
2. n位的数字:`^\d{n}$`
3. 至少n位的数字:`^\d{n,}$`
4. m-n位的数字:`^\d{m,n}$`
5. 零和非零开头的数字:`^(0|[1-9][0-9]*)$`
6. 非零开头的最多带两位小数的数字:`^([1-9][0-9]*)+(.[0-9]{1,2})?$`
7. 带1-2位小数的正数或负数:`^(\-)?\d+(\.\d{1,2})?$`
8. 正数、负数、和小数:`^(\-|\+)?\d+(\.\d+)?$`
9. 有两位小数的正实数:`^[0-9]+(.[0-9]{2})?$`
10. 有1~3位小数的正实数:`^[0-9]+(.[0-9]{1,3})?$`
11. 非零的正整数:`^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$`
12. 非零的负整数:`^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$`
13. 非负整数:`^\d+$ 或 ^[1-9]\d*|0$`
14. 非正整数:`^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$`
15. 非负浮点数:`^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$`
16. 非正浮点数:`^((-\d+(\.\d+)?)|(0+(\.0+)?))$` 或 `^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$`
17. 正浮点数:`^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$` 或 `^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$`
18. 负浮点数:`^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$` 或 `^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$`
19. 浮点数:`^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$`
## 二、校验字符的表达式
1. 汉字:`^[\u4e00-\u9fa5]{0,}$`
2. 英文和数字:`^[A-Za-z0-9]+$` 或 `^[A-Za-z0-9]{4,40}$`
3. 长度为3-20的所有字符:`^.{3,20}$`
4. 由26个英文字母组成的字符串:`^[A-Za-z]+$`
5. 由26个大写英文字母组成的字符串:`^[A-Z]+$`
6. 由26个小写英文字母组成的字符串:`^[a-z]+$`
7. 由数字和26个英文字母组成的字符串:`^[A-Za-z0-9]+$`
8. 由数字、26个英文字母或者下划线组成的字符串:`^\w+$` 或 `^\w{3,20}$`
9. 中文、英文、数字包括下划线:`^[\u4E00-\u9FA5A-Za-z0-9_]+$`
10. 中文、英文、数字但不包括下划线等符号:`^[\u4E00-\u9FA5A-Za-z0-9]+$` 或 `^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$`
11. 可以输入含有^%&’,;=?$\”等字符:`[^%&',;=?$\x22]+`
12. 禁止输入含有~的字符:`[^~\x22]+`
## 三、特殊需求表达式
1. Email地址:`^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$`
2. 域名:`[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?`
3. InternetURL:`[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$`
4. 手机号码:`^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$`
5. 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX):`^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$`
6. 国内电话号码(0511-4405222、021-87888822):`\d{3}-\d{8}|\d{4}-\d{7}`
7. 身份证号(15位、18位数字):`^\d{15}|\d{18}$`
8. 短身份证号码(数字、字母x结尾):`^([0-9]){7,18}(x|X)?$` 或 `^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$`
9. 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):`^[a-zA-Z][a-zA-Z0-9_]{4,15}$`
10. 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):`^[a-zA-Z]\w{5,17}$`
11. 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):`^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$`
12. 日期格式:`^\d{4}-\d{1,2}-\d{1,2}`
13. 一年的12个月(01~09和1~12):`^(0?[1-9]|1[0-2])$`
14. 一个月的31天(01~09和1~31):`^((0?[1-9])|((1|2)[0-9])|30|31)$`
15. 钱的输入格式:
- 有四种钱的表示形式我们可以接受:”10000.00” 和 “10,000.00”, 和没有 “分” 的 “10000” 和 “10,000”:`^[1-9][0-9]*$`
- 这表示任意一个不以0开头的数字,但是,这也意味着一个字符”0”不通过,所以我们采用下面的形式:`^(0|[1-9][0-9]*)$`
- 一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:`^(0|-?[1-9][0-9]*)$`
- 这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:`^[0-9]+(.[0-9]+)?$`
- 必须说明的是,小数点后面至少应该有1位数,所以”10.”是不通过的,但是 “10” 和 “10.2” 是通过的:`^[0-9]+(.[0-9]{2})?$`
- 这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:`^[0-9]+(.[0-9]{1,2})?$`
- 这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样:`^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$`
- 1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:`^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$`
备注:这就是最终结果了,别忘了”+”可以用”* “替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
16. xml文件:`^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$`
17. 中文字符的正则表达式:`[\u4e00-\u9fa5]`
18. 双字节字符:`[^\x00-\xff]` (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))
19. 空白行的正则表达式:`\n\s*\r` (可以用来删除空白行)
20. HTML标记的正则表达式:`<(\S*?)[^>]*>.*?</\1>|<.*? />` (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)
21. 首尾空白字符的正则表达式:`^\s*|\s*$或(^\s*)|(\s*$)` (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)
22. 腾讯QQ号:`[1-9][0-9]{4,}` (腾讯QQ号从10000开始)
23. 中国邮政编码:`[1-9]\d{5}(?!\d)` (中国邮政编码为6位数字)
24. IP地址:`\d+\.\d+\.\d+\.\d+` (提取IP地址时有用)
25. IP地址:`((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))`
# (四)参考资料
[JavaScript高级程序设计](http://www.ituring.com.cn/book/946)
[正则表达式-理论基础篇](http://blog.guowenfh.com/2015/12/01/Regexp-basis/)
[最全的常用正则表达式大全](http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html)