DIV CSS 佈局教程網

RegExp 物件與括號用法深度解析:從 match/exec 到貪婪匹配與預搜尋
編輯:關於JavaScript     

正則表達式是 JavaScript 中威力最強也最容易寫錯的工具之一。本文從 RegExp 物件的建立方式說起,一路講到括號捕獲、貪婪與非貪婪、反向引用、預搜尋,最後整理常用方法與屬性,力求形成一份可以反覆查閱的完整參考。

一、RegExp 物件的兩種建立方式

最直接的方式是字面值,用斜槓把表達式包起來:

var reg1 = /'\w+'/g;

當表達式需要動態拼接時,就必須改用建構函式:

var reg2 = new RegExp('\'\\w+\'', 'g');

兩者的差別在於轉義層級。字面值中反斜線只需寫一次;而建構函式的第一個參數是字串,字串本身要經過一層解析,因此引號與反斜線都需要二次轉義。同時注意,字串形式不需要(也不能)用斜槓包起來。

無論哪種方式,最終都會產生一個新的 RegExp 物件並賦值給變數。

二、match() 與 exec() 的異同

1. 使用方式不同

String.prototype.match(RegExp);   // match 是字串的方法
RegExp.prototype.exec(String);    // exec 是正則物件的方法

2. 未加 g 時,兩者結果相同

無匹配時回傳 null;有匹配時回傳一個陣列:array[0] 是整體匹配的字串,array[1]、array[2]……依序對應括號捕獲的子字串。同時陣列還帶有兩個屬性:array.index 表示匹配起始位置,array.input 表示被搜尋的原始字串。

3. 加上 g 之後,兩者行為分道揚鑣

match 會一次回傳所有匹配結果組成的陣列,每項就是一個匹配到的字串。此時括號捕獲的子字串不復存在,陣列也不再帶有 index 與 input 屬性。

exec 的行為則與沒有 g 時幾乎一樣,每次只回傳一個匹配結果,但會更新 RegExp 物件的 lastIndex 屬性,記錄下次搜尋的起始位置。當再也找不到匹配時,lastIndex 會被重置為 0。因此可以用迴圈搭配 lastIndex 取出全部結果:

var testStr = "now test001 test002";
var re = /test(\d+)/ig;
var r = "";

while (r = re.exec(testStr)) {
  console.log(r[0] + " " + r[1]);
}

也可以用 testStr.match(re),但加了 g 之後只能拿到全部匹配字串,無法取得括號中的子結果。

三、正則的基本構成規則

1. 普通字元

字母、數字、漢字、下劃線,以及沒有被賦予特殊意義的標點符號。表達式中的普通字元在匹配時只對應一個相同字元。例如表達式 c 匹配字串 abcde,結果為成功,匹配內容是 c,位置從 2 到 3。

2. 轉義字元

不便直接書寫的字元用反斜線引入:

  • \r、\n:回車與換行
  • \t:定位字元
  • \\:代表反斜線本身
  • \^、\$、\.:分別匹配 ^、$、. 這些本身有特殊意義的字元

3. 能匹配多種字元的表達式

  • \d:任意一個數字 0~9
  • \w:任意字母、數字或下劃線
  • \s:任意空白字元(空格、定位字元、換頁等)
  • .:除換行符以外的任意單一字元

注意:這些表達式雖然能匹配多種字元中的任意一個,但一次只能匹配一個。就像撲克牌中的鬼牌可以代替任何一張牌,但只能代替一張。

4. 自訂字元集合

  • [ab5@]:匹配 a、b、5、@ 中的任意一個
  • [^abc]:匹配 a、b、c 之外的任意字元
  • [f-k]:匹配 f 到 k 之間的任意字母
  • [^A-F0-3]:匹配 A~F、0~3 之外的任意字元

5. 次數修飾符

  • {n}:重複 n 次,如 \w{2} 等同 \w\w
  • {m,n}:至少 m 次、最多 n 次,如 ba{1,3} 可匹配 ba、baa、baaa
  • {m,}:至少 m 次,如 \w\d{2,} 可匹配 a12、_456、M12344
  • ?:0 次或 1 次,等同 {0,1}
  • +:至少 1 次,等同 {1,}
  • *:0 次或任意次,等同 {0,}

6. 錨點與邊界

  • ^:匹配字串起始位置,本身不消耗字元
  • $:匹配字串結束位置,本身不消耗字元
  • \b:匹配單字邊界,即 \w 與非 \w 之間的縫隙
  • \B:匹配非單字邊界

因此 ^aaa 只能匹配以 aaa 開頭的字串,aaa$ 只能匹配以 aaa 結尾的字串,而 \bend\b 能在 weekend,endfor,end 中精準找出最後那個 end。

7. 關係符號

  • |:左右兩側的「或」關係
  • ( ):一是讓括號內的表達式能被整體修飾次數,二是讓括號內匹配到的內容能被單獨取出

四、貪婪模式與非貪婪模式

帶有 {m,n}、{m,}、?、*、+ 的表達式,預設會盡可能多地匹配,這稱為貪婪模式。

以字串 dxxxdxxxd 為例:

  • (d)(\w+) 中,\w+ 會吞掉第一個 d 之後的全部內容 xxxdxxxd。
  • (d)(\w+)(d) 中,\w+ 會匹配 xxxdxxx——它本來也能吃掉最後一個 d,但為了讓整個表達式匹配成功,必須「讓出」這個字元。

在次數修飾符後再加一個 ?,就切換為非貪婪(又稱勉強)模式,會盡可能少地匹配:

  • (d)(\w+?) 中,\w+? 只匹配了一個 x。
  • (d)(\w+?)(d) 中,為了讓後面的 d 能匹配上,\w+? 不得不擴展到 xxx。

最典型的對比是處理 HTML:

// 貪婪:一次匹配從第一個 <td> 到最後一個 </td>
/<td>(.*)<\/td>/

// 非貪婪:逐個匹配每個 <td>...</td>
/<td>(.*?)<\/td>/

抓取 HTML 標籤內容時,幾乎總應該使用非貪婪寫法。

五、括號捕獲與反向引用

括號內的子表達式匹配到的字串會被記錄下來,一方面可在結果陣列中單獨取得,另一方面可以在匹配過程中透過 \1、\2 反向引用。編號規則是:左括號出現順序越靠前,編號越小;若括號互相嵌套,外層先編號。

// 引號配對:左引號是 ' 則右引號也必須是 '
/('|")(.*?)\1/

// 要求某個 \w 字元至少連續出現 5 次
/(\w)\1{4,}/

// 匹配成對的 HTML 標籤,標籤名必須一致
/<(\w+)\s*(\w+=(['"]).*?\3)?\s*>.*?<\/\1>/

注意 /(\w)\1{4,}/ 與 /\w{5,}/ 的區別:前者要求「同一個字元連續出現」,後者只要求「五個單字字元」。

六、預搜尋(Lookaround)

預搜尋與 ^、$、\b 類似,都是對某個位置附加條件,本身不消耗任何字元。

正向預搜尋

  • (?=xxxxx):所在位置的右側必須能匹配 xxxxx
  • (?!xxxxx):所在位置的右側必須不能匹配 xxxxx
// 只匹配 "Windows " 且後面緊接 NT 或 XP
/Windows (?=NT|XP)/

// 只匹配 do,且後面不是 \w
/do(?!\w)/

反向預搜尋

  • (?<=xxxxx):所在位置的左側必須能匹配 xxxxx
  • (?<!xxxxx):所在位置的左側必須不能匹配 xxxxx
// 只取出前後各四位數字之外的中间八位
/(?<=\d{4})\d+(?=\d{4})/

需要留意的是, Safari 舊版本與部分老引擎不支援反向預搜尋,使用時應確認目標環境。

七、其他通用規則

十六進位轉義

  • \xXX:以兩位十六進位表示字元,如 \x20 代表空格
  • \uXXXX:以四位十六進位表示任意 Unicode 字元

大寫即取反

  • \S:非空白字元
  • \D:非數字字元
  • \W:非字母、數字、下劃線

非捕獲括號:(?:xxxxx) 只用於分組或次數修飾,不記錄匹配內容,也不佔用反向引用編號,在不需要取值的場景下能提升可讀性與效能。

/(?:(\w)\1)+/

八、RegExp 與 String 的常用方法

RegExp 物件方法

  • exec(str):回傳第一個匹配結果陣列;搭配 g 時可反覆呼叫以取得後續匹配。
  • test(str):回傳布林值,判斷是否存在匹配。

String 物件方法

  • match(re):回傳匹配結果陣列;加 g 時回傳全部匹配字串。
  • search(re):回傳第一個匹配的索引,找不到則為 -1。
  • replace(re, str):替換匹配部分。$1、$2 可引用括號捕獲的內容。
  • split(re):以匹配部分作為分隔符切割字串,回傳陣列。
var str = "user13userddduser345";

"user13userddduser345".match(/user\d/g);   // ["user1", "user3"]
"user13userddduser345".search(/user\d/);   // 0
"user13userddduser345".replace(/u(se)r\d/g, "$1"); // "se3userdddse45"
"user13userddduser345".split(/user\d/);    // ["", "3userddd", "45"]

要注意 replace 的第一個參數如果是字串而非正則,只會替換第一處;且字串形式無法使用 g,必須用正則物件才能全域替換。

九、常用屬性

  • lastIndex:下一次匹配的起始位置。只有加了 g 才會在每次 exec 後遞進,不適合手動修改。
  • source:回傳表達式的原始字串。
  • index(結果陣列上):當前匹配的起始位置。
  • input(結果陣列上):被搜尋的原始字串。

十、實戰範例

驗證使用者名稱為 2~4 個漢字

function checkForm(obj) {
  var username = obj.username.value;
  var regx = /^[\u4e00-\u9fa5]{2,4}$/;
  if (!regx.test(username)) {
    alert("Invalid username!");
    return false;
  }
  return true;
}

去除 HTML 標籤,取得純文字

function toPlainText(htmlStr) {
  return htmlStr.replace(/<[^>]*>/g, "");
}

十一、關於 g 與 m 的常見誤解

g 的作用:

  • exec:加 g 後需反覆呼叫才能依序取得所有匹配。
  • test:加不加 g 沒有區別。
  • match:加 g 一次回傳所有匹配。
  • replace:加 g 才會替換全部。
  • split 與 search:加不加 g 結果相同。

m 的作用:只影響 ^ 與 $。不加 m 時,^ 只匹配整個字串的開頭、$ 只匹配結尾;加上 m 後,^ 還能匹配每個換行之後的位置,$ 還能匹配每個換行之前的位置。對其他模式而言,m 沒有任何影響。

十二、實踐建議

  1. 要求「整個字串都符合」時,用 ^ 與 $ 包住表達式,例如 /^\d+$/。
  2. 要求匹配「完整單字」時,用 \b 包住,例如 /\b(if|while|else|void|int)\b/。
  3. 避免寫出能匹配空字串的表達式,否則會無限成功卻毫無結果。例如不要寫 /\d*.?\d*/,更好的寫法是 /\d+.?\d*|.\d+/。
  4. 避免讓能匹配空字串的子表達式被無限次重複,這可能導致棧溢位或死迴圈。
  5. 合理選擇貪婪與非貪婪:處理標記語言時優先非貪婪。
  6. 使用 | 時,盡量讓左右兩側不會匹配同一段內容,避免交換順序後結果改變。

正則表達式的學習曲線較陡,但一旦掌握「不消耗字元的錨點」與「消耗字元的表達式」這條主線,其餘規則都只是排列組合。建議把本文當作隨查手冊,遇到具體問題時再回頭對照相應章節。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved