现代 JavaScript 教程：正则表达式字符类 \d、\s、\w 与反向类实战指南-优快云博客

【免费下载链接】zh.javascript.info

现代 JavaScript 教程（The Modern JavaScript Tutorial），以最新的 ECMAScript 规范为基准，通过简单但足够详细的内容，为你讲解从基础到高阶的 JavaScript 相关知识。

项目地址： https://gitcode.com/gh_mirrors/zh/zh.javascript.info

字符类（Character classes）是正则表达式中最基础、最高频的一类特殊符号，它允许我们用一两个字符去匹配一整组候选字符。本篇文章以本项目 zh.javascript.info 中《正则表达式》章节的字符类一文为骨架，结合仓库中相邻章节的源码与示例，系统讲解 \d、\s、\w 三大核心类、其反向类 \D、\S、\W、点号 . 的特殊语义以及 s 修饰符的用法。学完本篇，你将能够仅用几行正则表达式完成"从混合文本中提取纯数字电话号码"这类典型的数据清洗任务，并理解字符类与后续的集合和范围、Unicode 属性之间的递进关系。

从一个真实任务出发：提取纯数字电话号码

我们有一个电话号码 "+7(903)-123-45-67"，希望把它转换成纯数字形式：79031234567。直接手写循环逐个字符判断当然可行，但正则表达式提供了一条更简洁的路径：找出所有数字并拼接，或者删掉所有非数字。而这两条路分别依赖字符类与其反向类。

在动手之前，先回顾一下正则表达式的两种创建语法（详见模式与修饰符）：

regexp = new RegExp("pattern", "flags"); // 较长语法，适合动态生成
regexp = /pattern/g;                      // 斜线字面量语法，最常见

两者的本质都是内建类 RegExp 的实例。斜线语法更常用，因为它在代码中一目了然；new RegExp 则用于模式字符串在运行时才确定（例如来自 prompt 输入）的场景。

三大核心字符类：\d、\s、\w

字符类是一种特殊的符号，匹配"特定集合中的任何符号"。最常用的有三个：

字符类	名称来源	匹配内容
`pattern:\d`	digit	数字：`0` 到 `9` 的任意一位
`pattern:\s`	space	空格符号：空格、制表符 `\t`、换行符 `\n`，以及少数稀有字符如 `\v`、`\f`、`\r`
`pattern:\w`	word	"单字"字符：拉丁字母、数字、下划线 `_`

关于 \w 需要特别注意：它只覆盖拉丁字母，不包含非拉丁字母（如西里尔字母、中文象形文字）。这一点在本仓库后续的集合和范围一节中有更精确的说明——\w 本质上就是简写形式的 [a-zA-Z0-9_]，而 \d 等价于 [0-9]，\s 等价于 [\t\n\v\f\r ] 外加少量罕见的 Unicode 空格字符。理解这层"简写"关系，是后面理解集合与排除范围的基础。

用 \d 提取电话号码中的数字

先找到第一个数字。注意：没有修饰符 g 时，正则表达式只返回第一个匹配项：

let str = "+7(903)-123-45-67";
let regexp = /\d/;

alert( str.match(regexp) ); // 7

加上修饰符 g（global，全局搜索），str.match(regexp) 返回由所有匹配项组成的数组：

let str = "+7(903)-123-45-67";
let regexp = /\d/g;

alert( str.match(regexp) ); // 7,9,0,3,1,2,3,4,5,6,7
alert( str.match(regexp).join('') ); // 79031234567

这里用到了两个关键点：其一，g 修饰符决定 match 返回"全部匹配项数组"还是"第一个匹配项（含详细信息）"；其二，match 在没有匹配项时返回的是 null 而非空数组（详见模式与修饰符），因此拿到结果后若不确定是否有匹配，可用 || [] 兜底。上例中我们直接对数组调用 .join('')，成功拼出纯数字电话号码。

字符类可与普通字符自由组合

正则表达式可以同时包含常规符号和字符类。pattern:\d\s\w 表示"数字 + 空格字符 + 单字字符"，例如能匹配 match:1 a。

再看一个更贴近真实业务的例子：pattern:CSS\d 匹配 CSS 后面紧跟一位数字的字符串：

let str = "Is there CSS4?";
let regexp = /CSS\d/;

alert( str.match(regexp) ); // CSS4

多个字符类连用也是常见手法，例如 pattern:\s\w\w\w\w\d 在 "I love HTML5!" 中匹配出 ' HTML5'：

alert( "I love HTML5!".match(/\s\w\w\w\w\d/) ); // ' HTML5'

该匹配过程（每个正则表达式字符类对应一个结果字符）可以用仓库中的示意图直观呈现：

$正则表达式 \s\w\w\w\w\d 匹配 "I love HTML5!" 中 " HTML5" 的字符类对应关系$

反向类：\D、\S、\W

对于每个字符类，都有一个反向类：字母相同、改为大写，表示"匹配所有其他字符"。

反向类	匹配内容
`pattern:\D`	非数字：除 `\d` 之外的任何字符，例如字母
`pattern:\S`	非空格符号：除 `\s` 之外的任何字符
`pattern:\W`	非单字字符：除 `\w` 之外的任何字符，例如非拉丁字母或空格

回到开头的电话号码任务。用反向类可以写出第二种解法：找出所有非数字 \D 并替换为空字符串。str.replace(regexp, replacement) 在带有 g 修饰符时会替换所有匹配项，否则只替换第一处：

let str = "+7(903)-123-45-67";
alert( str.replace(/\D/g, "") ); // 79031234567

于是"提取纯数字"有了两条对称的思路——match(/\d/g).join('') 与 replace(/\D/g, "")。前者"取正"，后者"取反"，两者都依赖字符类与反向类的互补关系。后续集合和范围中的排除范围 [^\d] 与 \D 作用相同、[^\s] 与 \S 作用相同，正是同一思想的延续。

点号（.）：匹配"任何字符"

点 pattern:. 是特殊的字符类，匹配除换行符之外的任何字符。

alert( "Z".match(/./) ); // Z

放在正则表达式中间时，它能"填"任意一个字符位：

let regexp = /CS.4/;

alert( "CSS4".match(regexp) ); // CSS4
alert( "CS-4".match(regexp) ); // CS-4
alert( "CS 4".match(regexp) ); // CS 4（空格也是一个字符）

必须强调：点表示"任何字符"，而不是"缺少字符"——它必须实际消费一个字符。若中间没有字符可匹配，整个模式就会失败：

alert( "CS4".match(/CS.4/) ); // null，没有匹配项，因为这里没有与点匹配的字符

修饰符 s：让点号也能匹配换行符

默认情况下，点不匹配换行符 \n。因此 pattern:A.B 无法匹配 "A\nB"：

alert( "A\nB".match(/A.B/) ); // null（无匹配项）

在很多场景（例如跨行文本解析）中，我们希望点能匹配包括换行符在内的任何字符。这正是修饰符 s（dotall 模式）的职责——关于该修饰符的定义可参见模式与修饰符中的修饰符清单：

alert( "A\nB".match(/A.B/s) ); // A\nB（匹配了！）

历史兼容提示：IE 浏览器不支持 s 修饰符。幸运的是有经典替代方案——用互补类组合 [\s\S] 来匹配"任何字符"（该模式将在集合和范围中正式介绍）：

alert( "A\nB".match(/A[\s\S]B/) ); // A\nB（匹配了！）

[\s\S] 的字面含义是"空格字符或非空格字符"，合起来即"任何字符"。同理，还可以使用 [\d\D]，甚至 [^]（匹配任何字符，除了什么都没有）。这种写法还有额外好处：当同一模式中既需要"普通点"（不含换行）又需要"万能点"时，可以用 [\s\S] 表达后者，而 . 保持默认语义。

易错点：正则表达式中的空格同样重要

日常阅读中我们常常忽略空格——字符串 1-5 与 1 - 5 对我们"看起来差不多"。但正则表达式是严格按字符逐一匹配的，空格也是一个字符，与其他字符同等重要。

试图用 \d-\d 匹配 "1 - 5" 会失败：

alert( "1 - 5".match(/\d-\d/) ); // null，没有匹配项！

原因很简单：模式中没有给两边的空格预留位置。修复方式是在正则表达式中显式写入空格，或用 \s 类：

alert( "1 - 5".match(/\d - \d/) ); // 1 - 5，现在可以了
alert( "1 - 5".match(/\d\s-\s\d/) ); // 1 - 5，也可以

因此，在正则表达式里添加或删除空格，都会改变匹配行为。这也是后续章节反复强调的"所有字符都重要"的体现——它同样适用于我们正在阅读的集合和范围与 Unicode：修饰符 "u" 和类 \p{...} 等进阶主题。

字符类的边界与下一步：Unicode 属性

本章介绍的七个符号（\d、\D、\s、\S、\w、\W、.）覆盖了 ASCII 世界的大多数场景，但它们并不是全部。

JavaScript 的字符串采用 Unicode 编码，每个字符都携带大量属性：它属于哪种语言的字母、是否是标点符号、是否是货币符号等。仅凭 \w 无法匹配中文、西里尔文等非拉丁文字（这一点在集合和范围的"多语言 \w"示例中得到了进一步印证：那里用 [\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}] 组合出了跨语言的单词字符）。要按这些属性搜索，需要修饰符 u 配合 \p{...} 语法——这正是下一篇：Unicode：修饰符 "u" 和类 \p{...} 的主题，它会让 \p{L}（任何语言的字母）、\p{Sc}（货币符号）等强大工具登场，并且修正代理对（surrogate pair）导致的"半个字符"问题。

总结

字符类一览：

pattern:\d —— 数字（等价于 [0-9]）。
pattern:\D —— 非数字。
pattern:\s —— 空格符号、制表符、换行符（等价于 [\t\n\v\f\r ] 及少量 Unicode 空格）。
pattern:\S —— 除 \s 之外。
pattern:\w —— 拉丁字母、数字、下划线 '_'（等价于 [a-zA-Z0-9_]）。
pattern:\W —— 除 \w 之外。
pattern:. —— 带修饰符 s 时匹配任何字符；否则匹配除换行符 \n 之外的任何字符。

实战要点回顾：

用 str.match(/\d/g) 收集全部数字、str.replace(/\D/g, "") 删除全部非数字，均可把 "+7(903)-123-45-67" 清洗为 "79031234567"；
字符类可与普通字符、多个字符类自由拼接（如 CSS\d、\s\w\w\w\w\d）；
点号必须消费一个字符，s 修饰符或 [\s\S] 可让它匹配换行符；
正则表达式中的空格是实打实的字符，别忽略它。

这些符号是后续一切正则进阶（集合范围、量词、分组、前瞻后瞻）的地基，建议配合正则表达式章节中的任务与解法（例如"查找时间 HH:MM"这类需要同时运用数字类与边界判断的练习）动手验证，加深理解。