正則表達式(regular expression)描述的是一種字串比對的模式。它能用來檢查某段文字是否包含特定子字串、把符合條件的片段替換掉,或從中取出感興趣的內容。它的組成方式跟數學表達式很像:用元字符與運算符合併小型表達式,堆疊出更複雜的規則。
它由普通字符(例如 a 到 z)與具特殊意義的元字符共同構成,充當一個模板,拿來與搜尋的字串做比對。
使用時機上有一個實務上很好用的判斷:做驗證時需要從頭到尾完整匹配;做搜尋時只要部分匹配即可。
語法為 [可選字符列表],用來規定某一位字符的候選範圍。重點有兩條:無論裡面放了多少字符,只會選中一個;而且一定要選一個。
[0123456789][0123456789][0123456789][0123456789][0123456789][0123456789] // 六位數字
當候選字符連續時,可以用 - 表示區間來簡化:
[0-9]:一位數字。[a-z]:一位小寫字母;[A-Z]:一位大寫字母。[A-Za-z]:一位字母,大小寫皆可。[0-9a-zA-Z]:一位字母或數字。反選寫法為 [^不能選的字符列表],例如 [^47] 代表除了 4 和 7 以外的任何字符。要留意 ^ 只有在放句首時才表示「除了」。
為常見字符集提供的簡寫:
\d 等價於 [0-9],一位數字。\w 等價於 [0-9a-zA-Z_],一位字母、數字或底線。\s 匹配任何空白字符,包含空格、定位字元、換行等,等價於 [ \f\n\r\t\v]。. 匹配除了換行以外的任何單一字符。大寫形式是小寫的反義:\D 非數字、\W 非字母數字底線、\S 非空白。另有 \t(定位字元)、\n(換行)、\r(回車)、\v(垂直定位字元)。
舉幾個組合的例子:a.[0-9] 表示 a 後面接任意一個字符再接一個數字;^.{3}$ 表示長度恰為三的任意字串。
用來規定相鄰字符集可出現的次數。
確定數量有三種:{n} 必須重複 n 次;{n,m} 最少 n 次最多 m 次;{n,} 至少 n 次,上限不限。例如 /^\d{6}$/ 就是六位數字。
不確定數量也有三種:* 有無皆可、次數不限,等同 {0,};+ 至少一次,等同 {1,};? 有無皆可但最多一次,等同 {0,1}。另外 () 用於分組,| 表示左右兩個表達式任選其一。
實例練習。手機號規則是第一位為 1、第二位為 [34578]、之後必須是九位數字:
/^1[34578]\d{9}$/
若還要允許 +86 或 0086 前綴,且前綴可有可無、與號碼之間的空白不限:
/(\+86|0086)?\s*1[34578]\d{9}/
身分證號的例子:\d{15}(\d\d[0-9Xx])?,前十五位為數字,第十六、十七位必須是數字,最後一位可以是數字或 X,而後三位可有可無、最多出現一次。
^表達式:必須以該規則開頭。表達式$:必須以該規則結尾。所以移除開頭空白是 ^\s*,移除結尾空白是 \s*$,兩端都處理則是 ^\s*|\s*$。做驗證時養成前加 ^ 後加 $ 的習慣,才能確保完整匹配,例如 ^\d{6}$ 只接受恰好六位數字。
預判會在正式比對前先預讀整段字串做初步檢查,若預判不通過就不再往下驗證。
(?=表達式):先確認字串滿足某條件,常用於表達「而且」。(?!表達式):先確認字串不滿足某條件,常用於表達「不能」。例如「六位以上、由字母數字組成、首字母不能是數字、必須至少含一個大寫字母、必須至少含一個數字」,可以拆成幾段預判來組合:[a-zA-Z][a-zA-Z0-9]{5,} 負責前兩項,(?![a-z0-9]+$) 保證不會全由小寫與數字組成,(?![a-zA-Z]+$) 保證不會全由字母組成。
所謂特殊字符就是帶有專屬含義的字符,例如 *.txt 裡的 *。若要查找的是這些字符本身,必須在前面加上反斜線做轉義。
$:匹配輸入結尾;要匹配 $ 本身用 \$。():標記子表達式的起訖,子表達式可供日後取用;本身用 \( 與 \)。*:前面的子表達式零次或多次;本身用 \*。+:前面的子表達式一次或多次;本身用 \+。.:除換行外任一字符;本身用 \.。[:中括號表達式的起點;本身用 \[。?:零次或一次,或指明非貪婪限定符;本身用 \?。\:把下一個字符標記為特殊字符、原義字符、向後參照或八進位轉義。^:匹配輸入開頭,在方括號中則表示不取該集合;本身用 \^。{:限定符表達式的起點;本身用 \{。|:兩項之間的選擇;本身用 \|。方括號內部的字符不需要轉義。
預設情況下 *、+、? 都是貪婪的,會盡可能多地匹配文字。只要在限定符後面再加一個 ?,就能切換成非貪婪(又稱最小匹配)。
舉個 HTML 解析的例子。要抓 H1 標題:
<h1>Chapter 1 - Introduction to Regular Expression</h1>
用 /<.*>/ 會從最前面的 < 一路吃到最後一個 >,整段都被匹配;改成 /<.*?>/ 就只匹配 <h1>。抓取網頁中的 a 標籤時同理:
<a\s+(.*?)href\s*=\s*["']([^"']*)["']
以下是幾條在表單驗證中經常出現的規則,右側為對應說明。
/^[0-9]{1,20}$/。^ 與 $ 成對使用代表整串完全匹配,而非只比對子字串。_ 和 .:/^[a-zA-Z]{1}([a-zA-Z0-9]|[._]){4,19}$/。/^[a-zA-Z]{1,30}$/。/^(\w){6,20}$/。+ 或數字開頭,中間允許 - 與空白:/^[+]{0,1}(\d){1,3}[ ]?([-]?((\d)|[ ]){1,12})+$/。/^https?:\/\/.+$/。另外,直接限制輸入框可輸入的字符型態,常見作法是監聽鍵盤或貼上事件,把不合法的字符即時濾掉,例如只允許數字就用 value.replace(/[^\d]/g, ''),只允許中文則用 /[^\u4E00-\u9FA5]/g。
var expression = /pattern/flags;
標志有三種:g 全域模式,會套用到整串而非找到第一個就停;i 忽略大小寫;m 多行模式,一行結尾後仍繼續往下找。
var pattern1 = /at/g; // 匹配所有 at var pattern2 = /[bc]at/i; // 匹配第一個 bat 或 cat,忽略大小寫 var pattern3 = /.at/gi; // 匹配所有以 at 結尾的三字符組合,忽略大小寫
var expression = new RegExp("[bc]at", "i");
傳入構造函數的兩個參數都是字串,因此所有元字符都必須雙重轉義。例如字面量 /\[bc\]at/ 對應的字串寫法是 "\\[bc\\]at"。
兩種建立方式並不等價:正則字面量會共享同一個 RegExp 實例,而構造函數每次呼叫都會產生全新的實例。
exec() 接受一個參數,即要比對的字串,回傳包含第一個比對結果的陣列,找不到則回傳 null。回傳陣列帶有兩個屬性:index 是比對位置,input 是被比對的字串。
即使設定了全域模式,exec() 每次也只回傳一個結果;但設定了 g 之後,每次呼叫都會接續上次位置往後找,lastIndex 隨之遞增,因此想取出全部結果需要迴圈呼叫。非全域模式下 lastIndex 則保持不變。
var text = "000-00-0000";
var pattern = /\d{3}-\d{2}-\d{4}/;
if (pattern.test(text)) {
alert("格式符合");
}
test() 回傳布林值,常用於 if 條件中判斷使用者輸入是否合法。若要求整串完全匹配,別忘了加上 ^ 與 $。