所謂正則表達式,就是用某種模式去匹配一類字元的公式;反映在 JavaScript 裡,它就是一個 RegExp 物件。換句話說,RegExp 物件代表一個正則表達式,是對字串執行模式比對的工具。
/pattern/attributesnew RegExp(pattern, attributes)其中 pattern 是必要參數,用於指定要比對的模式;attributes 為選用參數,可包含 g(全域比對)、i(忽略大小寫)、m(多行比對)三個旗標。
兩種寫法何時該用哪一種?當模式是動態產生的(例如來自使用者輸入或迴圈變數)時,只能用建構子語法,因為直接量語法在程式載入時就固定了。
用方括號 [] 可以指定「符合其中任一個字元」或「符合某個連續範圍」:
常見的範圍寫法包括:
/[A-Z]/ // A 到 Z 之間任一個大寫字母 /[a-z]/ // a 到 z 之間任一個小寫字母 /[0-9]/ // 0 到 9 之間任一個數字 /([a-z][A-Z][0-9])+/ // 由「小寫 + 大寫 + 數字」反覆組成的字串,如 aB0
另外別忘了可以用 () 把字串組合成群組——括號內的內容必須同時出現在目標中。因此上一個例子無法匹配 "abc",因為 "abc" 的最後一個字元是字母而非數字。
元字元是那些「在正則中並不代表字面上的自己」的專用字元,用來描述前導字元的出現規則。
最常見的三個是:
+:前導字元必須連續出現一次或多次。例:/fo+/ 可匹配 "fo"、"fool"、"football"。*:前導字元必須出現零次或多次。例:/eg*/ 可匹配 "easy"、"ego"、"egg"。?:前導字元必須出現零次或一次。例:/Wil?/ 可匹配 "Win"、"Wilson"。此外還有 \s(空白)、\S(非空白)、\d(數字)、\w(字母數字底線)、\W(非單字字元)與 .(除換行外的任意字元)等常用寫法,可以把它們視為互為逆運算的兩兩組合來記憶。
當不確定要匹配多少字元時,就用限定符指定次數:
{n}:恰好 n 次。例:o{2} 不匹配 "Bob",但匹配 "food" 的兩個 o。{n,}:至少 n 次。例:o{2,} 可匹配 "foooood" 中的所有 o;o{1,} 等同 o+,o{0,} 等同 o*。{n,m}:至少 n 次、最多 m 次。例:o{1,3} 只取 "fooooood" 的前三個 o;o{0,1} 等同 o?。注意逗號與數字之間不能有空格。例如 /jim {2,6}/ 規定 m 可連續出現 2 到 6 次,因此能匹配 "jimmy"、"jimmmmmy" 等字串。
定位符用來規定模式必須出現在目標字串的哪個位置:
^:必須出現在開頭。例:/^hell/ 匹配 "hell"、"hello"、"hellhound"。$:必須出現在結尾。例:/ar$/ 匹配 "car"、"bar"、"ar"。\b:必須落在單字的邊界上。例:/\bbom/ 匹配以 "bomb"、"bom" 開頭的字;/man\b/ 匹配以 "human"、"woman"、"man" 結尾的字。\B:與 \b 相反,必須落在非邊界位置。使用管線符號 | 可以實現類似程式邏輯中的「或」:
/to|too|2/ // 匹配 "to"、"too" 或 "2"
而否定符 [^] 則規定目標中「不能」出現某字元:
/[^A-C]/ // 匹配 A、B、C 以外的任何字元
要區分兩者:^ 出現在 [] 裡面時是否定運算子;出現在 [] 之外或根本沒有 [] 時,才是定位符。
若要在模式中查找元字元本身,前面加上 \ 即可:
/Th\*/ // 匹配 "Th*" 而不是 "The"
構造好正則之後,它就如同一個數學式,會由左至右依優先序求值,由高到低為:
1. \ 跳脫符
2. () (?:) (?=) [] 圓括號與方括號
3. * + ? {n} {n,} {n,m} 限定符
4. ^ $ \anymetacharacter 位置與順序
5. | 「或」運算
除了比對方法之外,RegExp 物件本身也帶有幾個有用的屬性,其中最實用的是 source(回傳模式字串本身)與 lastIndex(記錄全域比對目前所在位置,是 exec 反覆呼叫時的關鍵)。
JavaScript 1.2 之後提供了功能完整的 RegExp 物件,其中的 test() 方法可以檢驗目標字串是否包含符合的模式,並回傳 true 或 false,因此非常適合用來驗證使用者輸入的電子郵件位址:
<html>
<head>
<script language="Javascript1.2">
function verifyAddress(obj) {
var email = obj.email.value;
var pattern = /^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(\.[a-zA-Z0-9_-])+/;
if (pattern.test(email)) {
alert("電子郵件格式正確!");
return true;
} else {
alert("請重新輸入!");
return false;
}
}
</script>
</head>
<body>
<form onSubmit="return verifyAddress(this);">
<input name="email" type="text">
<input type="submit">
</form>
</body>
</html>
「普通字元」指的是所有沒有被明確指定為元字元的可列印與不可列印字元,包含大小寫字母、數字、標點與符號。最簡單的正則就是單一個普通字元,它只會匹配字串中出現的該字元本身,例如 /a/、/7/、/M/。把多個單字元並排寫在一起就構成更長的模式,例如 /a7M/——這裡沒有任何連接運算子,僅僅是把字元依序放在另一個字元後面而已。
正則的學習曲線在於「符號很多」,但結構其實相當規律。把定位符、字元集合、限定符、群組與跳脫這幾塊分開記憶,再搭配 test/exec/match 等方法實際操作幾次,很快就能上手。