DIV CSS 佈局教程網

JavaScript 學習小結(7):RegExp 正規表達式完整指南
編輯:關於JavaScript     

在 JavaScript 中,正規表達式由 RegExp 物件表示,RegExp 即 Regular Expression 的縮寫。最簡單的模式可以只是一個字元,複雜的模式則能包含更多字元,用於解析、格式檢查、取代等。建立方式有兩種:使用 RegExp() 建構函式,或使用字面量語法。

1. RegExp 簡介

正規表達式(在程式碼中常簡寫為 regex、regexp 或 RE)是用單一字串來描述、比對一組符合某個語法規則的字串搜尋模式。它可以用於文字搜尋與文字取代。

當你在文字中搜尋資料時,可以用搜尋模式描述你要查的內容。也就是說,正規表達式是描述字元模式的物件,能對字串做模式比對、檢索與取代,是處理字串最強力的工具。

直白地說,它就是「規則表達式」——表達了某種電腦能理解、但人不容易讀懂的規則,適用於所有文字搜尋與取代的場合。

2. 常用字串方法

  • charAt():取得字串指定位址的字元。
  • split():分割字串,回傳陣列。
  • search():尋找某字元首次出現的位置,搭配正則更好用;找不到回傳 -1。
  • match():尋找指定字元並回傳。不搭配正則時只回傳首次出現的那個;搭配正則且開啟全域比對時,以陣列回傳所有符合項;找不到回傳 null。
  • replace():取代字元,回傳新字串。搭配正則可一次取代所有符合項。
 <script>
var str='abcdefgca';
alert(str.charAt());      //返回某一位的字符,此處為 d
alert(str.search('z'));   //查找首次出現的位置,此處為 -1
alert(str.match('c'));    //只返回第一次出現的 c,不再向後匹配
alert(str.replace('a','i')); //返回 ibcdefgca,只替換第一個 a

var str='--aaa--cd';
var arr = str.split('-'); //返回 ["", "", "aaa", "", "", "cd"]
alert(arr);
</script>

實例:不用正則找出字串中所有數字

思路:遍歷字串,把數字字元累積到一個暫存字串中;遇到非數字且暫存有值時,就把它推入陣列並清空暫存。迴圈結束後還要再判斷一次,因為最後一段數字可能還沒被推入。

 <script>
var str = 'abc d aa c zz -=-=s-';
var arr = [];
var num = '';

for(var i=0; i<str.length; i++){
  if(str.charAt(i) >= '0' && str.charAt(i) <= '9'){
    num += str.charAt(i);
  } else {
    if(num){
      arr.push(num);
      num = '';
    }
  }
}
if(num){
  arr.push(num);
  num = '';
}
alert(arr);
</script>

邏輯清楚,但程式碼不短。改用正則,一個表達式就能取代這一切。

3. 使用正則

建構語法:

 var re = new RegExp('模式', '修飾符');

模式即表達式本體,修飾符用於指定全域比對、忽略大小寫等行為。這寫法就是典型的 new 建構物件——但正則真正的實力不在這裡,日常實作幾乎都採用另一種更簡潔的字面量風格:

 var re = /模式/修飾符;

這種寫法簡潔得多,也正好符合正則「該短就短」的性格。

修飾符

修飾符用於全域比對與忽略大小寫:

  • i:ignore,忽略大小寫
  • g:global,全域比對
 <script>
var str='AbCdEFgiX';
var reg = new RegExp('abc', 'i');
alert(str.match(reg)); // 返回 AbC

var re = /efg/i;
alert(str.match(re));  // 返回 EFg
</script>

4. 方括號與元字元

方括號

① 任意字元 表達式:[abc]

比對方括號中的任一字元,[] 在此處是「或」的意思。

 <script>
var str='apc xpc ppc bpc spc opc';
var re = /[apx]pc/g;   // a、p、x 中任一個出現皆可
alert(str.match(re));  // 返回 apc, ppc, xpc
</script>

② 範圍比對

  • [0-9]:任一 0~9 的數字
  • [a-z]:任一 a~z 的字元
  • [A-z]:任一 大寫A~小寫z 的字元
  • [A-Z]:任一 大寫A~大寫Z 的字元

③ 排除比對

  • [^abc]:任一不在括號中的字元
  • [^a-z]:任一非字母字元,含數字、符號、中文、外文
  • [^0-9]:任一非數字字元
 <script>
var str='ot out o.t o t o`t ot ot';
var re = /o[^0-9]t/g; // o 與 t 中間除了數字,什麼都可以
alert(str.match(re)); // 返回 out, o.t, o t, o`t
</script>

④ 選擇比對 表達式:(a|b|c),比對 a 或 b 或 c。

⑤ 組合模式 例如 [a-z0-9A-Z] 表示任意大小寫字母與數字;[^a-z0-9] 表示除了字母數字以外什麼都可以。

元字元(轉義字元)

元字元是帶有特殊意義的字元:

  • . 單一字元,代表任意字元(不含換行與行結束符)。容易出問題,不建議使用。
  • \w 單字字元,含英文、數字、底線,等同 [a-z0-9_]
  • \W 非單字字元,等同 [^a-z0-9_]
  • \d 數字,等同 [0-9]
  • \D 非數字,等同 [^0-9]
  • \s 空白字元,含空格、回車、定位、換行、換頁等不可見字元
  • \S 非空白字元
  • \b 位於單字開頭或結尾的邊界比對,未比中則回傳 null
  • \B 非單字邊界的比對,即比對位置的左右字元同屬單字或同屬非單字;字串首尾視為非單字,未比中則回傳 null
  • \n 換行符
  • \f 換頁符
  • \r 回車符
  • \t 定位字元

5. 量詞

量詞就是數量詞,用於指定出現次數:

  • * 零次或任意次,等同 {0,}。範圍太廣、不夠精確,不推薦。
  • ? 零次或一次,等同 {0,1}。例:/10?/g 全域搜尋 1,含其後緊跟的零或一個 0。
  • + 一次或任意次,等同 {1,}。例:/\w+/g 搜尋至少一個單字字元。
  • {n} 正好 n 次。例:/\d{4}/g 搜尋含四位數的數字。
  • {n,} 至少 n 次,上限不限。例:/\d{3,}/g
  • {n,m} 至少 n 次、最多 m 次。例:/\d{3,4}/g

常用比對模式

  • ^a 任何以 a 開頭的字元,表示行首。例:/^\d/ 以數字開頭
  • a$ 任何以 a 結尾的字元,表示行尾。例:/\d$/ 以數字結尾
  • ?=a 任何其後緊跟 a 的字元。例:/a(?=b)/g 搜尋 a 後緊跟 b 的情形
  • ?!a 任何其後沒有緊跟 a 的字元。例:/c(?!d)/g

6. 字串與正則搭配

search() 搭配正則

實例:找出字串中第一次出現數字的位置。

 <script>
var str = 'asdf zxcvbnm';
var re = /\d/;         // 元字元 \d 代表數字
alert(str.search(re)); // 返回第一個數字出現的位置
</script>

match() 搭配正則

 <script>
var str = 'asdf zxcvm';

var re = /\d/;   // 未指定要找幾個,找到一處就返回
alert(str.match(re));

re = /\d/g;      // 加上 g,會回傳所有符合的單一數字
alert(str.match(re));

re = /\d\d/g;    // 指定兩位一組,但位數不一定固定
alert(str.match(re));

re = /\d+/g;     // 用 + 表示「若干位」,這才是正解
alert(str.match(re));
</script>

實例:用正則找出字串中所有數字

 <script>
var str = ' abc d aa c zz -=-=s-';
alert(str.match(/\d+/g));  // 元字元 \d 也可用 [0-9] 代替
alert(str.match(/[0-9]+/g));
</script>

正則就是這樣強大的字串比對工具,一行抵上一堆迴圈。

replace() 搭配正則

 <script>
var str = 'abc zaaz deaxcaa';
alert(str.replace('a', 1));   // 只把第一個 a 換成 1
var re = /a/g;
alert(str.replace(re, 1));    // 所有 a 都換成 1
</script>

實例:簡易敏感詞過濾

敏感詞指的是法律不允許出現的詞語,涵蓋範圍很廣:危害國家安全、違反憲法基本原則、散布謠言、擾亂社會秩序、色情暴力賭博、誹謗騷擾、粗俗猥褻等等。最常見的莫過於日常口語中攻擊他人的詞。以下列舉幾個網路用語作為示範。

 <!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>JavaScript實例</title>
<script>
window.onload = function (){
  var oBtn = document.getElementById('btn');
  var oTxt = document.getElementById('txt');
  oBtn.onclick = function (){
    // 這裡的 | 在正則中表示「或」
    var re = /元芳|萌萌哒|然並卵|毛線|二貨|城會玩/g;
    oTxt.value = oTxt.value.replace(re, '***');
  };
};
</script>
</head>
<body>
<textarea id="txt" rows="5" cols="30"></textarea><br>
<input id="btn" type="button" value="過濾"><br>
<textarea id="txt2" rows="5" cols="30"></textarea>
</body>
</html>

在第一個文字框輸入含敏感詞的句子,點擊過濾即可看到效果。

此外,支援正則的字串方法還包括 split(),可把字串依模式切分成陣列。

7. RegExp 物件方法

(1) test()

用於檢測字串是否符合某個模式,即判斷是否含有某子字串。含有則回傳 true,否則 false。

語法:RegExpObject.test(str)

等價寫法:re.exec(str) != null。

 <script>
var str = 'The best things in life are free, like hugs, smiles, friends, kisses, family, love and good memories.';
alert(/i/.test(str)); // true
alert(/z/.test(str)); // false
</script>

(2) exec()

用於檢索字串中的正則比對結果,回傳一個陣列存放結果;未找到則回傳 null。搭配迴圈可提取全部或指定位置的資料。

語法:RegExpObject.exec(str)

exec() 是 test() 的升級版——不只檢測,還能直接提取結果。

 <script>
var str = 'good good study day day up';
var re = /good/;
var arr = re.exec(str);
console.log(arr);        // ["good"],展開後含 index 與 input 屬性
console.log(arr.index);  // 匹配文本第一個字元的位置
console.log(arr.input);  // 被檢索的字串
</script>

若找到匹配,回傳陣列:第 0 個元素是整個比對結果,第 1 個是與第 1 個子表達式匹配的內容,以此類推。此外還有兩個屬性:index 記錄匹配首字元位置,input 記錄被檢索的字串。

什麼是子表達式?就是正則中包含在圓括號中的部分:

 <script>
var str = 'good good study day day up';

var re = /g(o+)d/;
var arr = re.exec(str);
console.log(arr);        // ["good", "oo"],長度 2
console.log(arr.length); // 2

var reg = /(o+)/;
var arr2 = reg.exec(str);
console.log(arr2);       // ["oo", "oo"]
console.log(arr2.length);// 2
</script>

子表達式是整個表達式的一部分,必須用 () 包起來。一個表達式可有多個子表達式,也支援多層嵌套。把表達式拆成多個子表達式,是為了能把它們當作獨立元素使用——既可隨整個表達式一起回傳,也能單獨取出。括號中還可用 | 做多重選擇,順序依括號出現的先後排列。

若使用全域比對,exec() 會記住位置並從 lastIndex 續找:

 <script>
var str = 'good good study day day up';
var re = /good/g;
var arr;
do{
  arr = re.exec(str);
  console.log(arr);
  console.log(re.lastIndex);
} while(arr !== null)
// 第一次:["good"],lastIndex 為 4
// 第二次:["good"],lastIndex 為 9
// 第三次:null,lastIndex 歸 0
</script>

全局模式下,exec() 會從 lastIndex 指定的位置開始檢索;比中後把 lastIndex 設為匹配文本下一個字元的位置,因此可以反覆呼叫來遍歷所有結果。找不到時回傳 null 並把 lastIndex 重置為 0。

務必注意:若要在比對完一個字串後接著檢索新字串(仍用舊的 re),必須手動把 lastIndex 重設為 0,否則會從上次的位置續找而漏掉開頭。

無論是否全局模式,exec() 都會回傳完整的細節;而 String.match() 在全局模式下回傳的資訊少得多。因此可以說,迴圈中反覆呼叫 exec() 是取得全局模式完整比對資訊的唯一方式。

(3) compile()

用於在腳本執行期間編譯正則表達式,也可用來改變並重新編譯,主要作用是切換比對模式。

語法:RegExpObject.compile(模式, 修飾符)

 <script>
var str = 'Today is a beautiful day, Day day happy!';
var re = /day/gi;
str = str.replace(re, '天');
console.log(str); // To天 is a beautiful 天, 天 天 happy!

var reg = /(to)?day/gi;
reg.compile(reg);
str = str.replace(reg, '日');
console.log(str); // 日 is a beautiful 日, 日 日 happy!
</script>

8. 正則的撰寫思路

正則也叫規則表達式,寫作流程與寫 JavaScript 一樣:先想清楚再動手。最重要的是搞明白它要表達什麼規則——先仔細端詳目標的外觀,看它長什麼樣、以什麼格式存在,再依這個格式去寫表達式。

實務經驗是:直接把格式描述成表達式,往往不會一次就達到預期。但好消息是主框架已經在了,只需找出哪裡沒符合預期,在框架上微調即可。

以手機號為例:台灣手機號碼為 10 位數字、開頭是 0,其後第二位依電信商而異,剩下 8 位是任意數字。於是先規定開頭、再限定第二位、最後放寬其餘位數,主框架就完成了。若還有 +886 這類特殊寫法要支援,再對框架做補強即可。

說起來簡單,實際上手卻不容易——症結就在於這種「一般人看不懂」的表達方式。自己寫的時候清楚明白,過一陣子回頭看卻完全不認得。這是熟能生巧的過程,多寫多推敲自然就順了。

更重要的是思路:讓程式碼始終跟著「要達成什麼目的」走,怎麼簡單怎麼來(不是偷工減料,而是清楚知道什麼需要、什麼不需要)。有了這層思路,程式碼就能保持清晰簡潔,除錯與優化也都跟著變容易。

(1) 驗證 QQ 號

思路:QQ 號全是數字且首位不為 0,可寫 /^[1-9]/。常見位數為 5~10 位,用 {n,m} 限制:整串寫成 /\d{5,10}/。但首位既已限定,後面就該是 4~9 位,所以改成 /\d{4,9}/,最後再鎖住結尾不能是非數字。

 <!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>JavaScript實例</title>
<script>
window.onload = function (){
  var oBtn = document.getElementById('btn');
  oBtn.onclick = function (){
    var oTxt = document.getElementById('txt').value;
    var re = /^[1-9]\d{4,9}$/;
    if(re.test(oTxt)){
      alert("格式正確");
    } else {
      alert('輸入錯誤');
    }
  };
};
</script>
</head>
<body>
<input id="txt" type="text" placeholder="請輸入QQ">
<input id="btn" type="button" value="驗證">
</body>
</html>

(2) 驗證 Email

思路:先端詳 email 的外觀,例如 abc123_@ss789.xyz。大致可分五部分:若干字母數字底線、一個 @、若干字母數字、一個點、最後若干字母。對應寫法:

  • 第一部分:\w+(若干英文、數字、底線)
  • 第二部分:@
  • 第三部分:[a-z0-9]+
  • 第四部分:\.——點在正則中代表任意字元,必須轉義
  • 第五部分:[a-z]+

整理後:/\w+@[a-z0-9]+\.[a-z]+/i

 <!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>JavaScript實例</title>
<script>
window.onload = function (){
  var oBtn = document.getElementById('btn');
  var oTxt = document.getElementById('txt');
  oBtn.onclick = function (){
    var re = /\w+@[a-z-]+\.[a-z]+/i;
    if(re.test(oTxt.value)){
      alert('合法郵箱');
    } else {
      alert('非法郵箱');
    }
  };
};
</script>
</head>
<body>
<input id="txt" type="text" placeholder="請輸入郵箱">
<input id="btn" type="button" value="驗證">
</body>
</html>

拿 abc123_@ss789.xyz 來測,回傳「合法」。但換成 正則abc123_@ss789.xyz 也回傳合法——這顯然不對。

原因出在 test() 的特性:只要字串中的某一部分符合,就回傳 true。解法是加上行首行尾 ^...$,強制整串都要被檢測:

 var re = /^\w+@[a-z-]+\.[a-z]+$/i;

再測一次,第一個合法、第二個非法,這個表達式才算到位。

當然它仍不夠嚴謹。現今網站多數會提供後綴下拉選單(如 @qq.com),若要求使用者自行輸入完整信箱,就得對後綴做白名單限定,否則 abc@随便.随便 這種也會通過。

最後一個觀念:前端驗證不可能做到完美,寫得再嚴謹也容易被繞過。格式檢查的職責在於「引導使用者正確輸入」,真正的資料驗證永遠該由後端把關。前端先擋掉明顯錯誤,再搭配後端確認,才是事半功倍的做法。

9. RegExp 常用方法速查

1. test() RegExpObject.test(string) 判斷 string 中是否有符合表達式的內容,有則 true,否則 false。

 var patt1 = new RegExp("e");
document.write(patt1.test("The best things in life are free")); // true

2. exec() RegExpObject.exec(string) 檢索指定值,回傳被找到的內容;未發現則回傳 null。

 var str = "cat2,hat8";
var reg = /c(at)\d/;   // 有分組
console.info(reg.exec(str)); // ["cat2", "at"]

3. match() string.match(RegExpObject) 與 exec 類似,都回傳陣列,但兩點差異:正則中有 g 時,match 回傳所有匹配,而 exec 永遠只回傳第一個匹配的資訊;沒有 g 但有分組時,兩者結果相同。

 var someText = "web2.0 .net2.0";
var pattern = /(\w+)(\d)\.(\d)/g;
var outCome_exec = pattern.exec(someText); // ["web2.0","web","2","0"]
var outCome_matc = someText.match(pattern); // ["web2.0","net2.0"]

4. search() stringObject.search(regexp) 回傳第一個匹配的起始位置。

5. replace() stringObject.replace(regexp/substr, replacement) 回傳替換後的新字串。第一參數為字串時只換第一個;為含 g 的正則時全部替換。回呼函式也能當第二參數:

 function fn() {
  for(var i = 0; i < arguments.length; i++){
    alert("第"+(i+1)+"個參數的值:"+arguments[i]);
  }
}
var str = '<div id="{wo}" >{ni}</div>';
str.replace(/\{([a-z]+)\}/ig, fn);

6. split() stringObject.split(separator, howmany) 第一參數是字串或正則,第二參數限制回傳陣列的最大長度。

 var str = "cat2,hat8";
var reg = /at/;
console.info(str.split(reg));     // ["c", "2,h", "8"]
console.info(str.split(reg, 2));  // ["c", "2,h"]

7. compile() 用於改變 RegExp,既可改檢索模式,也可增刪第二參數。

 var patt1 = new RegExp("e");
document.write(patt1.test("The best things in life are free")); // true
patt1.compile("d");
document.write(patt1.test("The best things in life are free")); // false

8. $1~$99 的捕獲群組

 var str = "alert.login.verifyfailed=Your email or password is incorrect!";
var reg = /^alert\.\w*(?:\.\w*)=((?:\w*[ !\.])*)$/;
var out = str.match(reg);
console.info(out);

9. 測試 RegExp 屬性

 function demo(){
  var str = "abcdd abcsszabcdddccabAbcddABCEE";
  var regex = /a(bc)/gi;
  var t = null;
  while(t = regex.exec(str)){
    var result = "index = " + t.index + ", match = " + t[0] + ", group = " + t[1];
    result += "/n$1=" + RegExp.$1 + ", lastMatch=" + RegExp.lastMatch
            + ", leftContext=" + RegExp.leftContext;
    alert(result);
  }
}

正則的學習曲線確實陡,但它換來的是程式碼上難以替代的簡潔度。多寫、多推敲、多留意邊界條件,自然就上手了。

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