DIV CSS 佈局教程網

JavaScript 正則表達式全解:從元字符到 replace 的進階用法
編輯:JavaScript基礎知識     

定義方式

在 JavaScript 中建立正則表達式有兩種寫法,這裡以「匹配形如 <%XXX%> 的字串」為例:

1、建構函式

var reg = new RegExp('<%[^%>]+%>', 'g');

2、字面量

var reg = /<%[^%>]+%>/g;

常見的修飾符有三個:

  • g:global,全文搜尋;不加上時,找到第一個結果就會停。
  • i:ignore case,忽略大小寫;預設是大小寫敏感。
  • m:multiple lines,多行模式,會改變 ^ 與 $ 的含義,讓它們在每一行的行首與行尾都能匹配,而不只是整個字串的起訖。

元字符

正則之所以讓人望而生畏,一個重要原因是轉義字元多、組合變化繁多。但真正具特殊意義的元字符其實並不多:

( [ { \ ^ $ | ) ? * + .

並非每個元字符在任何位置都有特殊含義,同一個符號在不同組合中角色各異。以下分類說明。

預定義特殊字元

\t 水平定位字元、\r carriage return、\n 換行、\f 換頁、\cX 對應 Ctrl+X 的控制字元、\v 垂直定位字元、\0 空字元。

字元類

一般情況下,正則的一個字元(轉義字元算一個)對應字串中的一個字元。例如 ab\t 的含義就是「a、b、一個定位字元」三者依序相接:

但我們可以用元字符 [] 建構一個「類」。所謂類,指的是「符合某些特徵的一組字元」,是泛指而非特指:

[] 的組合可以建立一個類;再搭配元字符 ^,還能建立反向類(負向類),表示「不屬於某類」的字元。例如 [^abc] 就是「除了 a、b、c 以外的字元」:

範圍類

若想匹配單個數字,照上面的邏輯得寫成 [0123456789];要匹配字母就更囧了。為此正則提供了範圍寫法,用 x-y 連接兩個字元,表示從 x 到 y 之間的任意字元(閉區間,含 x 與 y)。於是匹配小寫字母變得非常乾脆:

類內部可以連寫,因此要匹配所有英文字母,寫成 [a-zA-Z] 即可:

預定義類

既然自己攏類這麼麻煩,正則乾脆提供了幾個約定好的常用類:

. 等價於 [^\n\r],即除了換行與 carriage return 之外的所有字元;\d 等價 [0-9];\D 等價 [^0-9];\s 等價 [ \t\n\x0B\f\r],即空白符;\S 為非空白符;\w 等價 [a-zA-Z_0-9],即單詞字元;\W 則是它的反向類。

有了這些,寫法立刻精簡。例如要匹配「ab + 一個數字 + 任意字元」,直接寫 ab\d. 就好:

邊界

正則還提供了幾個邊界匹配字元:^ 表示以某內容開頭,$ 表示以某內容結尾,\b 是單詞邊界(指 [a-zA-Z_0-9] 之外的交界位置),\B 則是非單詞邊界。

看一個不太嚴謹的郵箱匹配(切勿照抄,小括號的功用後面才會談到):\w+@\w+\.(com)$

量詞

前面的規則都是一一對應的。若想匹配連續出現 20 次的數字,難不成要寫 \d\d\d\d...?為此正則引入了量詞:

? 出現零次或一次;+ 一次或多次;* 零次或多次;{n} 恰好 n 次;{n,m} n 到 m 次;{n,} 至少 n 次。

幾個實際例子:

(/\w+\b Byron/).test('Hi Byron');      // true
(/\w+\b Byron/).test('Welcome Byron'); // true
(/\w+\b Byron/).test('HiByron');       // false

以及 \d+\.\d{1,3},用來匹配小數位數 1~3 位的數字:

貪婪模式與非貪婪模式

善於思考的人可能會問:像 {3,5} 這種量詞,若字串中連續出現十次,它到底每次抓 3 個還是 5 個?3、4、5 都滿足條件啊。

答案是:量詞預設會盡可能多地匹配,這就是所謂的貪婪模式。

'123456789'.match(/\d{3,5}/g);  // ["12345", "6789"]

相對地,非貪婪模式會盡可能少匹配,一旦成功就不再繼續嘗試。寫法很簡單,在量詞後面加一個 ?:

'123456789'.match(/\d{3,5}?/g); // ["123", "456", "789"]

分組

有時我們希望量詞作用在多個字元上。例如要匹配「Byron 出現 20 次」,若寫成 Byron{20},實際匹配的是「Byro 後接 20 個 n」。要讓 Byron 成為一個整體,用 () 分組即可:

若要匹配「Byron 或 Casper 出現 20 次」,再搭配「或」的符號 |:

圖中出現的 #1 是什麼?使用分組的正則會把匹配到的內容也放進分組裡,預設依數字編號,可透過編號取出捕獲的內容——這在需要針對特定匹配項做處理時非常有用。

若出現分組巢狀,外層組的編號會排在前面:

有些時候我們不需要捕獲某些分組,只要在組內加上 ?: 即可。這並不影響該組參與匹配,只是不再分配編號:

補充一句:C# 等語言的分組還能指定名稱,JavaScript 在 ES2018 之前不支援(現在可寫成 (?<name>...))。

前瞻

exp1(?=exp2):匹配後面緊接著 exp2 的 exp1。
exp1(?!exp2):匹配後面不是 exp2 的 exp1。

有點抽象,看例子 good(?=Byron):

(/good(?=Byron)/).exec('goodByron123'); // ['good']
(/good(?=Byron)/).exec('goodCasper123'); // null
(/bad(?=Byron)/).exec('goodCasper123');  // null

也就是說,exp1(?=exp2) 要求同時滿足兩個條件:出現 exp1,且緊接在後的是 exp2。exp1(?!exp2) 道理相同,只是把第二個條件反過來。

(/good(?!Byron)/).exec('goodByron123'); // null
(/good(?!Byron)/).exec('goodCasper123'); // ['good']
(/bad(?!Byron)/).exec('goodCasper123');  // null

語法鋪墊完畢,接下來看 RegExp 實例本身的成員。

RegExp 實例有五個屬性:

  1. global:是否全域搜尋,預設 false。
  2. ignoreCase:是否忽略大小寫,預設 false。
  3. multiline:是否多行搜尋,預設 false。
  4. lastIndex:目前這個模式下次從哪個位置開始找;每次成功匹配後,它都會隨之更新。
  5. source:正則本身的文字字串。

除了用來預先編譯以加快執行的 compile(),最常用的是下面兩個方法。

regObj.test(strObj)

測試字串中是否存在符合模式的內容,有則回傳 true,否則 false。

var reg = /\d+\.\d{1,2}$/g;
reg.test('123.45');  // true
reg.test('0.2');     // true
reg.test('a.34');    // false
reg.test('34.5678'); // false

regObj.exec(strObj)

在字串中搜尋符合模式的內容。找到時回傳一個結果陣列,否則回傳 null。除了陣列元素與 length,exec() 還帶兩個屬性:index 是匹配文本首字元的位置,input 則是被搜尋的原始字串。

呼叫非全域 RegExp 的 exec() 時,回傳陣列第 0 項是整體匹配文本,第 1 項是第一個子表達式的匹配結果,第 2 項是第二個,依此類推。

呼叫全域 RegExp 的 exec() 時,會從 lastIndex 指定的位置開始搜尋;匹配成功後,lastIndex 被設為匹配文本最後一個字元的下一個位置。因此可以反覆呼叫 exec() 來遍歷所有匹配;一旦找不到,就回傳 null 並把 lastIndex 歸零。

var reg = /\d/g;
var r = reg.exec('a1b2c3');
console.log(reg.lastIndex); // 2
r = reg.exec('a1b2c3');
console.log(reg.lastIndex); // 4

兩次執行的結果視窗:

把它放進迴圈,就能逐一走訪:

var reg = /\d/g;
while (r = reg.exec('a1b2c3')) {
  console.log(r.index + ':' + r[0]);
}
// 輸出
// 1:1
// 3:2
// 5:3

接受 RegExp 參數的字串方法

strObj.search(regObj)

回傳第一個匹配項的起始索引。search() 不執行全域匹配,會忽略 g 標誌,也忽略 lastIndex,永遠從頭找起。

'a1b2c3'.search(/\d/g); // 1
'a1b2c3'.search(/\d/);  // 1

strObj.match(regObj)

回傳一個或多個匹配文本,但 g 標誌的有無會讓結果天差地遠。

沒有 g 時只匹配一次。找不到回傳 null;找到則回傳陣列,第 0 項是整體匹配文本,其餘各項是子表達式的匹配結果,此外還附帶 index(匹配起始位置)與 input(原字串)兩個屬性。

var r = 'aaa123456'.match(/\d/);

有 g 時執行全域搜尋,回傳的陣列只裝所有匹配到的子字串,沒有 index 與 input 屬性。

var r = 'aaa123456'.match(/\d/g);

strObj.replace(regObj, replaceStr)

最常見的用法是傳入兩個字串,但這種寫法有個明顯缺陷:只會替換第一處。

'abcabcabc'.replace('bc', 'X'); // aXabcabc

把第一個參數換成正則,威力就出來了:

'abcabcabc'.replace(/bc/g,  'X'); // aXaXaX
'abcaBcabC'.replace(/bc/gi, 'X'); // aXaXaX

若正則帶有分組,第二個參數中可以用 $1~$9 取出對應的捕獲內容。例如把 1<%2%>34<%567%>89 中的 <%x%> 換成 @#x#@:

'1<%2%>34<%567%>89'.replace(/<%(\d+)%>/g, '@#$1#@');
// "1@#2#@34@#567#@89"

不少 JS 模板函式正是靠這招做字串替換。

strObj.replace(regObj, function(){})

把第二個參數換成函式,replace 的表達力會再上一層。前面只能把匹配換成固定內容,那如果我想把字串中所有數字都用小括號包起來呢?

'2398rufdjg9w45hgiuerhg83ghvif'.replace(/\d+/g, function(r){
  return '(' + r + ')';
});
// "(2398)rufdjg(9)w(45)hgiuerhg(83)ghvif"

這個函式會在每次替換時被呼叫,相當於替換的回呼。它其實有四個參數:

  1. 匹配字串
  2. 正則的分組內容(沒有分組就沒有這個參數)
  3. 匹配項在字串中的 index
  4. 原字串
'2398rufdjg9w45hgiuerhg83ghvif'.replace(/\d+/g, function(a, b, c){
  console.log(a + '\t' + b + '\t' + c);
  return '(' + a + ')';
});
// 0       2398rufdjg9w45hgiuerhg83ghvif
// 10      2398rufdjg9w45hgiuerhg83ghvif
// 12      2398rufdjg9w45hgiuerhg83ghvif
// 22      2398rufdjg9w45hgiuerhg83ghvif

這裡沒有分組,所以印出來的三欄分別是匹配內容、index 與原字串。再看一個帶分組的例子——把 <%%> 的外殼去掉,讓 <%1%><%2%><%3%> 變成 123:

'<%1%><%2%><%3%>'.replace(/<%([^%>]+)%>/g, function(a, b, c, d){
  console.log(a + '\t' + b + '\t' + c + '\t' + d);
  return b;
});
// 123
// <%1%>  1  0   <%1%><%2%><%3%>
// <%2%>  2  5   <%1%><%2%><%3%>
// <%3%>  3  10  <%1%><%2%><%3%>

掌握這組參數,replace 幾乎能處理任何複雜的字串替換需求。

strObj.split(regObj)

我們常用 split 把字串切成陣列:

'a,b,c,d'.split(','); // ["a", "b", "c", "d"]

和 replace 一樣,遇到複雜的切分規則時,交給正則會輕鬆很多:

'a1b2c3d'.split(/\d/); // ["a", "b", "c", "d"]

這樣就能以數字為界切字串了。讀完這兩篇筆記,日常會用到的 JavaScript 正則大致都能應付——比如要在前端把某個 div 裡英文段落的單詞首字母都轉成大寫,你現在應該已經知道從何下手。

參考

司徒正美《JavaScript 正則表達式》、Regexper

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