JS 正则表达式详解 学习笔记

JS 正则表达式:(RegularExpression)

正则表达式的含义：

正则表达式是一种字符串匹配模式，在javascript中的作用主要是用来匹配特定形式的字符。

定义一个正则表达式:

我们想要定义一个正则表达式有两种方法:

1. 正则表达式直接量
2. 创建正则表达式对象

正则表达式直接量:

var reg = /s$/

我们可以使用正则表达式直接量来创建一个正则表达式，其中格式为/xxx/,用两个反斜杠来表示正则表达式创建的格式，反斜杠中间写上我们要匹配的字符文本。

创建正则表达式对象:

var reg2 = new RegExp("s$")

用RegExp构造函数创建正则表达式其实也是很简单的，构造函数接收一个参数，参数类型为字符串类型。传入的字符串就是我们要匹配的字符串的模板。new RegExp()返回一个正则表达式对象。

注意：和js中其他直接量不同，正则表达式的直接量会在代码执行的时候会把/s$/转变成一个RegExp对象，在旧版本的es3中，当执行到同一段正则表达式的时候会返回相同的对象。举个例子:

function createRegExp(){
   
	var reg = /S$/
    return reg
}
var myreg1 = createRegExp()
var myreg2 = createRegExp()
console.log(myreg1 === myreg2)//true

我们定义了一个函数，用来创建一个正则表达式对象。在全局，我们执行了两次createRegExp()构造函数，将生成的正则表达式对象分别存放在myreg1和myreg2中，当我们将其做相等运算时发现，它们指向的是相同的一个对象，也就是说，在es3中，用正则表达式常见的RegExp对象会共享同一个实例。其实这个结论的前提是正则表达式的模式要一致。但是在es5中则是两个相对独立的表达式对象:

console.log(myreg1 === myreg2)//false

myreg1和myreg2是相互独立的，并不都会相互共享内存信息。如:lastIndex后续有讲到。

直接量字符:

当我们想要去匹配非法的字符的时候，比如/的时候，我们需要对字符进行转移。通常的做法是在非法的字符前面加上\,即右斜杠。

在正则表达式中，有一些字符有它自己独特的含义，这些字符有:^ $ . * + = ! : | \ / ( ) [ ] { }等，当我们使用这些符号的时候，它代表的意义已经不是我们字面上所看到的了，假如我们真的只是想单纯的想去匹配这些字符怎么办呢，我们需要对这些字符进行转义，假如我们想要匹配一个+。

var reg = /+/

上面的写法肯定是不行的，原因是它代表特殊的匹配含义，想要单纯的匹配字符我们应该这样:

var reg = /\+/

我们需要用右斜杠将其转义后就可以单纯的匹配+字符了。

字符类:

将直接量字符单独放进方括号[]内可以组成一个字符类。一个字符类可以匹配它所包含的任意字符。我的理解是，字符类相当于一个集合，这个集合里面放着我们定义的字符。例如：

var reg = /[abc]/

注意：不用打逗号来表示分割，即不要[a,b,c]这样的话,也成为了我们字符类里的成员。

上面的表达式的意思是：现在我有一个集合，集合里面放的有a，b,c这三个元素，那么正则表达式就用这个集合里的任意一个元素进行匹配。另外，我们可以用^来否定字符类，^符号在正则表达式的意思类似于我们编程语言中!的意思，即为非，[^abc]表示剔除掉集合中的所有元素，就是匹配集合的补集，除了集合中的元素，其他的元素都可以匹配。

[]表示的是字符类，但是有一点值得注意，一个[]代表一个字符，只不过这个字符可能是集合中的任意一个字符。什么意思呢，比如:

var str = '1234a'
var reg = /[asdfg]/
//现在我们的集合里面有a,s,d,f,g这五个元素，但是在匹配的时候只能和字符串中的一个进行匹配。
//先和str中的1匹配，看自己的集合中有没有这个字符，如果没有再和2匹配，看自己的集合里有没有这个字符
//以此类推，中括号里有五个字符，并不代表它一次能和字符串中的五个字符匹配。而是一个一个的匹配。

字符类可以使用连字符-,来表示字符的范围。如：[a-zA-Z0-9]:表示这个集合里面的元素是大小写字母和数字。每一个[]其实都有一个自己的集合。就算你这样写[(ab)(cd)]他也只是表示他的集合中有(/a/b/)/c/d这六个字符。

在js中，有一些特定的字符类:

• [...]：方括号内的任意字符。也就是说这个集合里的元素是所有的字符。
• [^...]：不在方括号内的任意字符。也就是说是[...]集合的补集，也就相当于这个集合为空，它匹配不了任何字符。
• .：除了换行符和其他Unicode行终止符之外的任意字符。
• \w：任何ASCII组成的单词,等价于：[a-zA-Z0-9]。
• \W：(大写)，任何不是ASCII组成的单词。等价于:[^a-zA-Z0-9]
• \s：任何Unicode空白符。
• \S：任何非Unicode空白符的字符。注意:\w和\S不一样。
• \d：任何ASCII数字。等价于[0-9]。
• \D：除了ASCII数字之外的任何字符，等价于:[^0-9]。
• [\b]：退出直接量（特例）

在方括号内可以写这些特殊转义字符，比如:[\w\s]他代表的含义是匹配任何ASCII组成的单词和任何Unicode空白符。也就是说[\w\s]字符类的集合是\w和\s的并集。

重复：

我们现在学的正则表达式只能匹配单个字符。意思是单个单个的字符匹配，无论是字符类还是使用特定的字符类。它们的区别只是对应集合的差异，在匹配的行为上，都是一次只能对一个字符进行匹配。假如我们要对多个字符进行匹配怎么办。有人会想到，我可以直接/abcd/，这样就可以一次性匹配四个字符了，也就是四个四个的去匹配。这样固然可以，但是有局限性。就是限定死了匹配的内容，只能匹配abcd这四个字。现在我们的需求是匹配两个任意的数字。那么我们应该怎么办呢？我们可以这样写:

var reg = /\d\d/
//这样就可以表示一次性匹配两个数字了

但是这样写有一个缺点，假如我们要同时匹配100个数字，难道我们要写100个\d吗。正则表达式对于重复有自己的相关优化。

下面是正则表达式的重复字符语法:

• {n,m}：匹配前一项至少n次，但不能超过m次。
• {n,}：匹配前一项n次或者更多次。
• {n}：匹配前一项n次。
• ?：匹配前一项0次或者1次，也就是说前一项是可选的，等价于{0,1}。
• +：匹配前一项1次或多次，等价于{1,}。
• *：匹配前一项0次或多次，等价于{0,}。

上面的次不是匹配的次数，而是一次要同时匹配几个字符。即以几个字符为单位去匹配。

我们来解决我们前面提到的需求，此时我们要匹配两个数字(两个两个的匹配，两个数字为一次匹配单位)，则可以这样写:

var reg =/\d{2}/

实例:

这里有几个实例：

var reg1 = /\d{
   2,4}/ //匹配2~4个数字
var reg2 = /\w{
   3}\d?/ //精确匹配三个单词和一个可选数字
var reg3 = /\s+javascript\s+/ //匹配前后都带有一个或者多个空格的"javascript"字符串
var reg4 = /[^(]*/ //匹配0个或者多个的非(的字符

因为*和?允许字符的匹配可以为0，所以它们允许什么都不匹配。

重复的特性：

贪婪匹配：

我们在分析前面正则表达式重复语法的时候发现，大多数的语法都允许我们去匹配多个。现在我们想一个问题，我有一个字符串，然后有一个reg

var str = "aaaa"
var reg = /a+/

此时问题就来了，因为+是允许我们去匹配一个或者多个字符。那么我们是匹配一个还是两个亦或者全部呢？答案是会匹配全部。在一般情况下，正则表达式使用的是贪婪匹配。即尽可能多的匹配。

非贪婪匹配:

假如我们不想进行贪婪匹配，我们可以使用非贪婪匹配，当我们使用非贪婪匹配的时候，只需要在待匹配的字符后面跟随一个?即可。例如:??,+?,*?,{1,3}?。比如正则表达式/\d{2,4}?/他也可以匹配两个或四个数字，但是它会尽可能少的匹配。这里挺有意思的，我们仔细思考什么叫尽可能少的匹配。也就是说在默写特定的情况下即使你使用了?也不能以最少的来匹配。这就引除了一条重要的概念：

正则表达式的模式匹配总是会寻找字符串中第一个可能匹配的位置。

例如：

var str = "aaaab"