正則表達式是 JavaScript 裡最容易被「用到但不真正懂」的功能。本文把 RegExp 的組成拆成四個部分——模式、標志、元字元、實例方法與屬性——並特別把最容易混淆的反向引用與 exec() / match() 的差異講清楚。
ECMAScript 透過 RegExp 型別支援正則表達式,語法為:
var expression = /pattern/flags;
模式(pattern)部分可以是任何簡單或複雜的表達式,裡面可以包含字元類、限定符、分組、向前查找與反向引用。關於 \、^、$、\w、\b 等特殊字元的含義,可以參考 MDN 的「正則表達式特殊字元」整理。
向前查找會「預覽」後面的字元,但不把它們納入匹配結果,也不移動游標位置。它分成兩種:
正向肯定查找 x(?=y):匹配 x,但僅當 x 後面接著 y。
正向否定查找 x(?!y):匹配 x,但僅當 x 後面「不是」y。
'cat mat bat'.replace(/.(?=at)/g, 'A'); // "Aat Aat Aat"
注意 y 只是條件,不會出現在結果裡,這一點後面談反向引用時非常關鍵。
反向引用讓你可以「重複使用前面捕獲組已經匹配到的內容」,寫法是 \number,number 是捕獲組的編號。規則如下:
1、\1 ~ \9 一律解釋為反向引用,而不是八進位碼。
/\b(\w+)\s\1/.exec('s_ s_'); // ["s_ s_", "s_"]
2、若多位數表達式的第一位是 8 或 9(如 \80、\91),則該表達式會被當成普通文字。
/\b(\w+)\s\80/.exec('s_ 800'); // ["s_ 80", "s_"]
3、對於 \10 及更大的編號,若存在對應的捕獲組則視為反向引用,否則解釋為八進位。
/(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)xx\10/.exec('12345678910xx10');
// ["12345678910xx10", "1", "2", ..., "10"]
/(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)xx\11/.exec('12345678910xx10'); // null
4、當捕獲組嵌套時,編號規則是:由外向內、由左至右。
/\b(\w+x(x))\s(\1)/.exec('s_xx s_xxSTOP');
// ["s_xx s_xx", "s_xx", "x", "s_xx"]
5、如果引用了尚未定義的捕獲組,不同引擎行為不一,JavaScript 會直接回傳 null。
/\b(\w+)\s\2/.exec('s_ 8'); // null
幾個實際例子:
// 表連續三個相同的小寫字母,{2} 作用在 \1 身上
/([a-z])\1{2}/.exec('aaa'); // ["aaa", "a"]
// (?=\1\1\1) 是條件而非捕獲組,所以 $2 其實是 (\1) 的內容
/(\w)((?=\1\1\1)(\1))/.exec('aa bbbb'); // ["bb", "b", "b", "b"]
// 加上字面 x 的版本
/(\w)(x(?=\1\1\1)(\1))/.exec('aa bxbbbcb'); // ["bxb", "b", "xb", "b"]
// 可以簡化成:
/(\w)(?=\1\1\1)(\1)/.exec('aa bbbb'); // 匹配「某字元,且後面接著三個同樣字元」
// 引用尚未完成的捕獲組 \2,此時它等於空字串
/(\w)((?=\1\1\1)(\2))/.exec('aa bbbbv'); // ["b", "b", "", ""]
g(global):全域模式,會掃完整個字串,而不是找到第一個就停。
i(ignoreCase):忽略大小寫。
m(multiline):多行模式,^ 與 $ 會對每一行的行首行尾生效。
'cAt mat bAt'.replace(/a/gi, 'B'); // "cBt mBt bBt" var str = 'cat\nmat\nbat'; str.replace(/at/gm, 'AB'); // "cAB\nmAB\nbAB"
以下字元若在模式中要以字面意義出現,都必須加上反斜線:
( [ { \ ^ $ | ) ? * + . ] }
/\[bc\]at/.exec("xx[bc]at"); // ["[bc]at"]
/\.at/.exec("xx.at"); // [".at"]
字面量形式:var re = /pattern/flags;
RegExp 建構函式:接受兩個字串參數(模式、標志)。雖然把字面量傳進去不會報錯,但這麼寫沒有意義。凡是能用字面量定義的,都能用建構函式定義:
new RegExp('[bc]at'); // /[bc]at/
// 不傳參數或傳空字串
new RegExp(); // /(?:)/
new RegExp(''); // /(?:)/
由於建構函式的參數是字串,反斜線會先被字串層解析一次,因此常常需要「雙重轉義」:
var p = /\n/; // 匹配換行符
p.exec("\nxx"); // ["\n"]
var p2 = new RegExp("\\n"); // 字串 "\\n" → 正則 /\n/,同樣匹配換行符
p2.exec("\nxx"); // ["\n"]
new RegExp('\n').exec("\n"); // 字串裡是真正的換行字元 → 正則中是一個實際換行
這個「字串層先轉義一次」的規則,是正則在 JavaScript 裡最容易出錯的地方,特別是反斜線本身在字串中還需要再轉義一次。
global:是否設定了 g。ignoreCase:是否設定了 i。multiline:是否設定了 m。lastIndex:下一次搜尋的起始位置(僅在設定 g 時有意義)。source:以字面量形式回傳模式字串。
new RegExp('\\w').source; // "\\w"
exec() 是專為捕獲組設計的:參數是要比對的字串,回傳一個包含第一個匹配項與各捕獲組的陣列,沒有匹配則回傳 null。它回傳的陣列還額外帶有 index(匹配位置)與 input(被比對的原始字串)兩個屬性。
var arr = /(\w)/.exec('abc');
arr; // ["a", "a"]
arr.index; // 0
arr.input; // "abc"
兩者的關鍵差異有三點:
1、exec() 即使設定了 g,每次呼叫仍只回傳一個匹配項;而字串的 match() 在設定 g 時會回傳全部匹配項,但此時結果陣列裡沒有捕獲組,也沒有 index 與 input。
2、match() 只有在沒有設定 g 時才會回傳捕獲組,此時陣列才帶有 index 與 input。
3、因此不設定 g 時,在同一字串上重複呼叫 exec() 永遠回傳第一個匹配項;設定 g 之後,每次呼叫會沿著上次的位置往後繼續找。
// 全域匹配
'ababcdab'.match(/ab/g); // ["ab", "ab", "ab"]
/ab/g.exec('ababcdab'); // ["ab"]
// 捕獲組比較
'ababcdab'.match(/a(b)/g); // ["ab", "ab", "ab"] ← 沒有捕獲組
var arr = 'ababcdab'.match(/a(b)/); // ["ab", "b"] ← 有捕獲組
arr.index; // 0
arr.input; // 'ababcdab'
// lastIndex 的推進
var p = /a/g, str = 'ababa';
p.exec(str).index; // 0
p.exec(str).index; // 2
test() 接收字串參數,匹配成功回傳 true,否則 false,常用在 if 條件判斷中。
var text = "000-000-000";
var p = /((\d{3})-)\1*\2/;
if (p.test(text)) {
console.log('匹配成功');
}
繼承自 Object 的 toLocaleString() 與 toString() 都會回傳正則表達式的字面量形式字串,跟建立方式無關;valueOf() 則回傳正則物件本身。
var p = /\[new\]bi/; p.toLocaleString(); // "/\[new\]bi/" p.toString(); // "/\[new\]bi/" p.valueOf(); // /\[new\]bi/
建構函式本身帶有一批靜態屬性,適用於作用域中的所有表達式,會隨著最近一次正則操作而更新。它們有長名稱與短名稱($ 前綴)兩種寫法;由於 $ 開頭的名稱多半不是合法識別符,必須用中括號語法存取。
/(.)hort/g.exec('this is a short day'); // ["short", "s"]
RegExp.input; // "this is a short day" 或 RegExp["$_"]
RegExp.lastMatch; // "short" 或 RegExp["$&"]
RegExp.leftContext; // "this is a " 或 RegExp["$`"]
RegExp.rightContext; // " day" 或 RegExp["$'"]
RegExp.lastParen; // "s" 或 RegExp["$+"]
另外還有九個用來存放捕獲組的靜態屬性,以 RegExp.$n(n 為 1~9)存取。呼叫 exec()、test() 或 match() 時會自動填充:
var text = "this is a short summer";
var pattern = /(..)or(.)/g;
if (pattern.test(text)) {
console.log(RegExp.$1); // sh
console.log(RegExp.$2); // t
}
JavaScript 的正則引擎缺少一些進階特性,例如不支援向後查找(lookbehind,部分新版引擎已補上)、具名捕獲組((?<name>...) 搭配 \k<name> 引用)等。另外要提醒的是,這些 RegExp.$n 靜態屬性屬於早期設計的產物,在多執行緒或非同步環境中容易出錯,新專案應優先使用 match() 或 exec() 的回傳值。
以上就是本文的全部內容,希望對大家的學習有所幫助。