這裡整理的是正則表達式中常用且相對簡單的語法,而非全部。掌握這些已足以應付日常開發。正則表達式不只用在 ECMAScript,Java、.NET、Unix 工具也都有各自的實作,本文以 ECMAScript 為基準。
普通字元:字母、數字、底線、漢字以及所有沒有特殊意義的字元,如 ABC123,比對時匹配與之相同的字元。
特殊字元(必要時以反斜線跳脫):
| 字元 | 含義 | 字元 | 含義 |
|---|---|---|---|
| \a | 響鈴符 = \x07 | ^ | 匹配字串開始位置 |
| \f | 換頁符 = \x0C | $ | 匹配字串結束位置 |
| \n | 換行符 = \x0A | () | 標記子表達式的開始與結束 |
| \r | 回車符 = \x0D | [] | 自定義字元組合比對 |
| \t | 定位字元 = \x09 | {} | 修飾比對次數的符號 |
| \v | 垂直定位字元 = \x0B | . | 匹配除換行符外的字元 |
| \e | ESC 符 = \x1B | ? | 匹配 0 或 1 次 |
| \b | 匹配單詞的開始或結束 | + | 匹配 1 或多次 |
| \B | 匹配非單詞開始/結束的位置 | * | 匹配 0 或多次 |
| \d | 匹配數字 | | | 左右兩邊表達式的「或」關係 |
| \D | 匹配任意非數字字元 | {n} | 匹配 n 次 |
| \s | 匹配任意空白字元 | {n,} | 匹配至少 n 次 |
| \S | 匹配任意非空白字元 | {n,m} | 匹配 n 到 m 次 |
| \w | 匹配字母、數字、底線或漢字 | [^x] | 匹配除 x 外的所有字元 |
| \W | 匹配任意非字母、數字、底線、漢字 | [0-9] / [f-m] | 數字/字母範圍比對 |
| \xXX | 兩位十六進位表示 | \uXXXX | 四位十六進位表示 |
這些特殊字元大致可分為八類:
(1)不便書寫字元:響鈴(\a)、換頁(\f)、換行(\n)、回車(\r)、定位(\t)、ESC(\e)。
(2)十六進位字元:兩位(\x02)、四位(\x012B)、任意位(\x{A34D1})。
(3)位置字元:字串開始(^)、字串結束($)、單詞開始與結束(\b)、單詞中間(\B)。
(4)次數字元:0 或 1 次(?)、1 或多次(+)、0 或多次(*)、n 次({n})、至少 n 次({n,})、n 到 m 次({n,m})。
(5)修飾字元:修飾次數({})、自定義組合比對([])、子表達式(())。
(6)反義字元:透過大小寫反義(\b 與 \B、\d 與 \D、\s 與 \S、\w 與 \W);透過 [^] 反義([^x]、[^aeiou]);其他特例如 \n 與 . 也構成反義。
(7)範圍字元:數字範圍([0-9])、字母範圍([f-m])。
(8)邏輯字元:表示「或」(|)。
(1)使用反斜線跳脫單一字元。
(2)使用 \Q...\E,把區間內的字元全部視為普通字元。
(3)使用 \U...\E,同上,並將小寫字母轉為大寫比對。
(4)使用 \L...\E,同上,並將大寫字母轉為小寫比對。
當表達式含有次數字元時,預設會盡可能匹配更多字元。例如用 l*n 匹配 "linjisong" 時,會匹配到 "linjison" 而不是 "lin",這就是貪婪模式。在次數字元後加上 ? 可切換為懶惰模式,即盡可能少匹配,例如 *? 表示重複 0 次或多次但盡可能少。
(1)用小括號把表達式包起來,可作為一個整體處理,達到分組目的。
(2)預設情況下,每個分組會自動獲得一個組號,依左括號順序從 1 開始編號。
(3)引擎會把括號內比對到的內容保存下來,可用反斜線加組號引用,如 \1 代表第一個分組比對到的文字。
(4)也可以自訂組名,語法是 (?<name>exp),此時反向引用可寫成 \k<name>。
(5)若不希望保存比對內容、也不分配組號,語法是 (?:exp)。
(6)括號還有一些特殊語法:
| 分類 | 語法 | 說明 |
|---|---|---|
| 捕獲 | (exp) | 比對 exp,並捕獲文字到自動命名的組裡 |
| (?<name>exp) | 比對 exp,並捕獲文字到名為 name 的組裡,也可寫成 (?'name'exp) | |
| (?:exp) | 比對 exp,不捕獲文字,也不分配組號 | |
| 零寬斷言 | (?=exp) | 比對 exp 前面的位置 |
| (?<=exp) | 比對 exp 後面的位置 | |
| (?!exp) | 比對後面不是 exp 的位置 | |
| (?<!exp) | 比對前面不是 exp 的位置 | |
| 註解 | (?#comment) | 不影響比對處理,僅供閱讀說明 |
(1)字面值:var exp = /pattern/flags;
A、pattern 是任何正則表達式;B、flags 有三種:g 表示全域模式、i 表示忽略大小寫、m 表示多行模式。
(2)RegExp 內建構造函數:var exp = new RegExp(pattern, flags);
使用構造函數時,pattern 與 flags 都是字串形式,因此跳脫字元需要雙重跳脫:
| 字面值 | 構造函數 |
|---|---|
| /\[bc\]at/ | "\\[bc\\]at" |
| /\.at/ | "\\.at" |
| /name\/age/ | "name\\/age" |
| /\d.\d{1,2}/ | "\\d.\\d{1,2}" |
| /\w\\helllo\\123/ | "\\w\\\\hello\\\\123" |
說明:ES3 使用字面值時會共享一個 RegExp 實例,使用 new RegExp(pattern,flags) 則會為每個表達式建立一個實例;ES5 規定每次都建立新實例。
(1)exec()
A、接受一個參數,即要套用模式的字串,回傳第一個比對項資訊的陣列,沒有比對時回傳 null。
B、回傳的陣列是 Array 實例,但額外帶有 input 與 index 屬性,分別表示套用正則的字串,以及比對項在字串中的位置。
C、陣列第 1 項是與整個模式比對到的字串,其餘各項是與各分組比對到的字串(若沒有分組,則陣列只有 1 項)。
D、即使設定了 g,每次呼叫 exec() 仍只回傳一個比對項;差別在於設定了 g 時,多次呼叫的起始搜尋位置會往後推進,未設定 g 則每次都從頭搜尋。
(2)test()
接受一個字串參數,比對成功回傳 true,否則回傳 false。
下面這個例子出自 PhoneGap 原始碼,用於格式化字串:
var pattern = /(.*?)%(.)(.*)/;
var str = 'lin%%jisong';
var match = pattern.exec(str);
console.info(match.join(','));// lin%%jisong,lin,%,jisong
var pattern2 = /(.*)%(.)(.*)/;
var match2 = pattern2.exec(str);
console.info(match2.join(','));// lin%%jisong,lin%,j,isong
分析:兩個 pattern 都包含三個分組,第 2、3 個分組相同。第 2 個分組 (.) 比對任意一個非換行字元,第 3 個分組 (.*) 貪婪地盡可能多比對非換行字元。差別在第 1 個分組:pattern 用的是 (.*?)(懶惰模式,盡可能少比對),pattern2 用的是 (.*)(貪婪模式,盡可能多比對)。
因此在「必須保留一個 % 供表達式中的 % 比對」這個前提下,pattern 的第 1 個分組匹配成 "lin",而 pattern2 的第 1 個分組則把 "lin%" 一起吃進去了。理解到這裡,上面的輸出結果就不難解釋了。