# RegExp 字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取`@`前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。 正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。 所以我们判断一个字符串是否是合法的Email的方法是： 1. 创建一个匹配Email的正则表达式； 2. 用该正则表达式去匹配用户的输入来判断是否合法。 因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。 在正则表达式中，如果直接给出字符，就是精确匹配。用`\d`可以匹配一个数字，`\w`可以匹配一个字母或数字，所以： * `'00\d'`可以匹配`'007'`，但无法匹配`'00A'`； * `'\d\d\d'`可以匹配`'010'`； * `'\w\w'`可以匹配`'js'`； `.`可以匹配任意字符，所以： * `'js.'`可以匹配`'jsp'`、`'jss'`、`'js!'`等等。 要匹配变长的字符，在正则表达式中，用`*`表示任意个字符（包括0个），用`+`表示至少一个字符，用`?`表示0个或1个字符，用`{n}`表示n个字符，用`{n,m}`表示n-m个字符： 来看一个复杂的例子：`\d{3}\s+\d{3,8}`。 我们来从左到右解读一下： 1. `\d{3}`表示匹配3个数字，例如`'010'`； 2. `\s`可以匹配一个空格（也包括Tab等空白符），所以`\s+`表示至少有一个空格，例如匹配`' '`，`'\t\t'`等； 3. `\d{3,8}`表示3-8个数字，例如`'1234567'`。 综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。 如果要匹配`'010-12345'`这样的号码呢？由于`'-'`是特殊字符，在正则表达式中，要用`'\'`转义，所以，上面的正则是`\d{3}\-\d{3,8}`。 但是，仍然无法匹配`'010 - 12345'`，因为带有空格。所以我们需要更复杂的匹配方式。 ## 进阶 要做更精确地匹配，可以用`[]`表示范围，比如： * `[0-9a-zA-Z\_]`可以匹配一个数字、字母或者下划线； * `[0-9a-zA-Z\_]+`可以匹配至少由一个数字、字母或者下划线组成的字符串，比如`'a100'`，`'0_Z'`，`'js2015'`等等； * `[a-zA-Z\_\$][0-9a-zA-Z\_\$]*`可以匹配由字母或下划线、$开头，后接任意个由一个数字、字母或者下划线、$组成的字符串，也就是JavaScript允许的变量名； * `[a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}`更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。 `A|B`可以匹配A或B，所以`[J|j]ava[S|s]cript`可以匹配`'JavaScript'`、`'Javascript'`、`'javaScript'`或者`'javascript'`。 `^`表示行的开头，`^\d`表示必须以数字开头。 `$`表示行的结束，`\d$`表示必须以数字结束。 你可能注意到了，`js`也可以匹配`'jsp'`，但是加上`^js$`就变成了整行匹配，就只能匹配`'js'`了。 ## RegExp 有了准备知识，我们就可以在JavaScript中使用正则表达式了。 JavaScript有两种方式创建一个正则表达式： 第一种方式是直接通过`/正则表达式/`写出来，第二种方式是通过`new RegExp('正则表达式')`创建一个RegExp对象。 两种写法是一样的： ``` var re1 = /ABC\-001/; var re2 = new RegExp('ABC\\-001'); re1; // /ABC\-001/ re2; // /ABC\-001/ ``` 注意，如果使用第二种写法，因为字符串的转义问题，字符串的两个`\\`实际上是一个`\`。 先看看如何判断正则表达式是否匹配： ``` var re = /^\d{3}\-\d{3,8}$/; re.test('010-12345'); // true re.test('010-1234x'); // false re.test('010 12345'); // false ``` RegExp对象的`test()`方法用于测试给定的字符串是否符合条件。 ## 切分字符串 用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码： ``` 'a b c'.split(' '); // ['a', 'b', '', '', 'c'] ``` 嗯，无法识别连续的空格，用正则表达式试试： ``` 'a b c'.split(/\s+/); // ['a', 'b', 'c'] ``` 无论多少个空格都可以正常分割。加入`,`试试： ``` 'a,b, c d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd'] ``` 再加入`;`试试： ``` 'a,b;; c d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd'] ``` 如果用户输入了一组标签，下次记得用正则表达式来把不规范的输入转化成正确的数组。 ## 分组 除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用`()`表示的就是要提取的分组（Group）。比如： `^(\d{3})-(\d{3,8})$`分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码： ``` var re = /^(\d{3})-(\d{3,8})$/; re.exec('010-12345'); // ['010-12345', '010', '12345'] re.exec('010 12345'); // null ``` 如果正则表达式中定义了组，就可以在`RegExp`对象上用`exec()`方法提取出子串来。 `exec()`方法在匹配成功后，会返回一个`Array`，第一个元素始终是原始字符串本身，后面的字符串表示匹配成功的子串。 `exec()`方法在匹配失败时返回`null`。 提取子串非常有用。来看一个更凶残的例子： ``` var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/; re.exec('19:05:30'); // ['19:05:30', '19', '05', '30'] ``` 这个正则表达式可以直接识别合法的时间。但是有些时候，用正则表达式也无法做到完全验证，比如识别日期： ``` var re = /^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$/; ``` 对于`'2-30'`，`'4-31'`这样的非法日期，用正则还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了。 ## 贪婪匹配 需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的`0`： ``` var re = /^(\d+)(0*)$/; re.exec('102300'); // ['102300', '102300', ''] ``` 由于`\d+`采用贪婪匹配，直接把后面的`0`全部匹配了，结果`0*`只能匹配空字符串了。 必须让`\d+`采用非贪婪匹配（也就是尽可能少匹配），才能把后面的`0`匹配出来，加个`?`就可以让`\d+`采用非贪婪匹配： ``` var re = /^(\d+?)(0*)$/; re.exec('102300'); // ['102300', '1023', '00'] ``` ## 全局搜索 JavaScript的正则表达式还有几个特殊的标志，最常用的是`g`，表示全局匹配： ``` var r1 = /test/g; // 等价于: var r2 = new RegExp('test', 'g'); ``` 全局匹配可以多次执行`exec()`方法来搜索一个匹配的字符串。当我们指定`g`标志后，每次运行`exec()`，正则表达式本身会更新`lastIndex`属性，表示上次匹配到的最后索引： ``` var s = 'JavaScript, VBScript, JScript and ECMAScript'; var re=/[a-zA-Z]+Script/g; // 使用全局匹配: re.exec(s); // ['JavaScript'] re.lastIndex; // 10 re.exec(s); // ['VBScript'] re.lastIndex; // 20 re.exec(s); // ['JScript'] re.lastIndex; // 29 re.exec(s); // ['ECMAScript'] re.lastIndex; // 44 re.exec(s); // null，直到结束仍没有匹配到 ``` 全局匹配类似搜索，因此不能使用`/^...$/`，那样只会最多匹配一次。 正则表达式还可以指定`i`标志，表示忽略大小写，`m`标志，表示执行多行匹配。 ## 小结 正则表达式非常强大，要在短短的一节里讲完是不可能的。要讲清楚正则的所有内容，可以写一本厚厚的书了。如果你经常遇到正则表达式的问题，你可能需要一本正则表达式的参考书。 ## 练习 请尝试写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email： ``` 'use strict'; var re = /^$/; // 测试: var i, success = true, should_pass = ['someone@gmail.com', 'bill.gates@microsoft.com', 'tom@voyager.org', 'bob2015@163.com'], should_fail = ['test#gmail.com', 'bill@microsoft', 'bill%gates@ms.com', '@voyager.org']; for (i = 0; i < should_pass.length; i++) { if (!re.test(should_pass[i])) { alert('测试失败: ' + should_pass[i]); success = false; break; } } for (i = 0; i < should_fail.length; i++) { if (re.test(should_fail[i])) { alert('测试失败: ' + should_fail[i]); success = false; break; } } if (success) { alert('测试通过!'); } ``` 版本二可以验证并提取出带名字的Email地址： ``` 'use strict'; var re = /^$/; // 测试: var r = re.exec('<Tom Paris> tom@voyager.org'); if (r === null || r.toString() !== ['<Tom Paris> tom@voyager.org', 'Tom Paris', 'tom@voyager.org'].toString()) { alert('测试失败!'); } else { alert('测试成功!'); } ```