JavaScript与正则表达式

先介绍正则表达式在JavaScript中的使用，然后用介绍正则表达式，并用JavaScript做测试，旨对常用的正则表达式做一下记录。

本文参考来源：

深入浅出之正则表达式（一）

深入浅出之正则表达式（二）

JavaScript中正则表达式

相爱相杀——正则与浏览器间的爱恨情仇

对各字符集编码范围的总结

正则表达式有两种创建方式：字面量和RegExp对象

var r = /ab\+c/ ;    //字面量创建方式

var reg = new RegExp('ab\\+c')  //RegExp对象

这两种创建方式是等价的，都可以调用 test，exec方法：正则对象.test(str),正则对象.exec(str)，区别在于字面量写法是在编译的时候新建正则表达式，RegExp创建对象是在运行的时候新建正则表达式;

正则对象创建后有两个属性：

lastIndex:下一次匹配开始的索引位置，使用g参数时会有用到
source：模式文本，只读属性

上面两个正则对象，初始时lastIndex=0，source=‘ab\\+c’,如果使用过之后，lastIndex会改变。

reg.lastIndex  //0
reg.test('ab+c');
reg.lastIndex //4

正则匹配之后的结果，有匹配到字符串和所有被记住的子字符串，index属性，默认以0开始匹配搜索，input属性，匹配的初始字符串;以reg为例

var regArray = reg.exec('ab+caa');  // regArray :[ 'ab+c', index: 0, input: 'ab+caa' ]

var regArray = /(a)(b)/g.exec('abcdab')  // regArray:[ 'ab', 'a', 'b', index: 0, input: 'abcdab' ]  ,数组中的顺序是整体匹配串，子匹配串，从左到右，从外到内

String也有四个可以使用正则对象的方法： match,search,replace,split

match：匹配时，模式串的lastIndex无效

var s_match = '_x_x';
var r1 = /x/g;
var r11 = /x/;
var r2 = /y/;
s_match.match(r1); //['x','x'];全局模式下会是所有匹配的结果
s_match.match(r2); //null
s_match.match(r11) //['x',index:1,input:'_x_x'],

search：返回第一个满足条件的匹配结果在字符串中的位置，同时会忽略模式串中参数g的作用

'_x_y'.search('x'); //1
'_x_y'.search('y'); //3

split：str.split(separator,[limit]); 按照正则的方式分割字符串

'a ,b,c  ,d'.split(',');  //[ 'a ', 'b', 'c  ', 'd' ]
'a, b,   c,d'.split(/,\s*/) //[ 'a', 'b', 'c', 'd' ]
//如果匹配模式含有括号，则括号匹配的部分也会作为数组成员返回
'aaa*a*'.split(/(a*)/) ; [ '', 'aaa', '*', 'a', '*' ]

replace：按照某种模式替换字符串，第一个参数是正则对象，第二个参数可以是被替换的普通字符串，可以使用$符号替换字符串，可以是函数

'aaa'.replace('a','b');  //baa，用b替换a一次
'aaa'.replace(/a/g,'b'); //bbb，用b替换a，全局替换

$& 匹配的子字符串
$`匹配结果前面的文本
$'匹配结果后面的文本
$n匹配的第n个子字符串

'abc'.replace('b','[$`-$&-$\']');  //a[a-b-c]c
"boy".replace(/\w+/g,"$&-$&");  //boy-boy
'javascript'.replace(/script/,"$& != $`"); //javascript != java,$&=script $`=java ,替代script
'javascript'.replace(/s/,"$' != $`"); // javacript != javacript
'javascript'.replace(/java/,"$&$' is "); //javascript is script

replace第二个参数是函数，函数的第一个参数是每次匹配的全部文本（$&）,中间的参数是子表达式匹配的字符串，倒数第二个参数是匹配文本字符串开始匹配的下标，最后一个参数是原匹配文本，这于正则匹配结果的index和input属性是对应的。

'i am a boy!'.replace(/(^|\s)([a-z])/g,function(m,p1,p2,p3,p4){
//m: i p1:  p2: i p3: 0 p4: i am a boy!
return p1+p2.toUpperCase();
})

这个匹配结果是每个单词的首字母大写。

正则表达式：

1.正则表达式中有十二个特殊字符，也称作元字符

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

如果在模式串中匹配他们，需要用'\'进行转义。

2.正则表达式中不可显示的字符（了解）：

\t 表示tab
\r 表示回车符
\n 表示换行,windows中换行用\r\n,Linux中\n.Max中\r
\f 换页符
\a alert字符
\e escape字符
\b 回退字符
\v 垂直制表符
\O 空字符

3.字符集

用[ ]这种形式来表示，字符集也有四个元字符 "]\^-"，分别是字符集定义的结束，转义，取反，范围定义

^:必须要在[ 后面才有取反的意义，不过他们都必须要在特定的位置。

"^x".match(/[x^]/g) //[ '^', 'x' ]，这里^当做普通字符处理匹配，所以可以匹配到两个结果
"^x".match(/[^x]/g) //[ '^' ]   ，取反不匹配x，所以结果只有^一个字符

-:需要在两个字符中间，同时前一个字符的ascii要小于后面的字符。

"a-x".match(/[-x]/g)   //[ '-', 'x' ]
"a-x".match(/[a-x]/g)  //[ 'a', 'x' ]
"a-x".match(/[x-]/g)   //[ '-', 'x' ]
"a-x".match(/[x-a]/g)  //报错

\和]也是类似的，只不过要注意对\和]进行转义，自己可以动手试试。

字符集中也有一些元字符：
. [^\n\r] 匹配除了换行和回车的任意字符,字母或者汉字
\d [0-9]
\w word单词 [a-zA-z_0-9]
\s 空白符,如[\t\n\f\r]
[\S] = [^\s],那么 [\s\S]就是匹配任意字符了包括回车换行，于‘.’不同。
[\W]= [^\w] 单词字符
[\D] = [^\d],[^0-9]

4.选择符 |，类似或的意思，可以匹配多个模式

"abcdx".match(/[a|x]/g) //[ 'a', 'x' ]
"abcdx".match(/[x|a]/) //[ 'a', index: 0, input: 'abcdx' ]

匹配模式中[ ]字符集要不要都可以，匹配是从匹配文本开头匹配，也是惰性的，不是全局匹配情况，匹配到一个就会返回。

5.简单量词于惰性

? 出现零次或一次
* 出现零次或多次
+ 出现一次或多次
{n} 对应0次或n次
{n,m} 至少出现n次，不超过m次
{n,} 出现n次以上
上面简单量词都是贪婪的，贪婪在于每次匹配都尽可能长的匹配，如同在找到匹配的初始位置后，一口吞掉这个文本字符，然后一点一点回溯

"example:
a
b
p标签".match(/<.+>/) 
//[ '
a
b
',index: 8,input: 'example:
a
b
p标签' ]

这个过程是：找到<的位置后，匹配到末尾‘签’，然后一点一点回溯到第二组p标签的>

如果要匹配一组

标签,就需要用惰性匹配，在+的后面加上?，可以用惰性去掉贪婪性

"example:
a
b
p标签".match(/<.+?>/)
//[ '
', index: 8, input: 'example:
a
b
p标签' ]

*也是可以用?去掉贪婪性

6.单词边界和零宽度

首先需要说一下字符和位置的关系，在正则眼中，n个字符，n+1个位置，位置是可以被匹配到的，匹配位置时不消耗字符，单词边界匹配到的就是位置而不是字符，\b 匹配到的字符长度为0，匹配一个单词的开头和结尾，有一下几种情况：

1) 在字符串的第一个字符前的位置(如果字符串的第一个字符是一个“单词字符”)
2) 在字符串的最后一个字符后的位置(如果字符串的最后一个字符是一个“单词字符”)
3) 在一个“单词字符”和“非单词字符”之间，其中“非单词字符”紧跟在“单词字符”之后
4) 在一个“非单词字符”和“单词字符”之间，其中“单词字符”紧跟在“非单词字符”后面

如果一个子表达式匹配的是位置而不是字符，或者匹配到的结果不保留到最终的结果，那么这个子表达式就是零宽度，如/a(?=b)/ 匹配ab，但是只将a存入结果，(?=b)就是零宽度，本质代表一个位置。零宽度是非互斥的，位置是可以多个匹配的，比如/\b\ba/是可以匹配a的，虽然正则表达式里面有2个\b，但可以同时匹配到位置0。

7.组与向后引用

只有()才能形成组，[]定义字符集，{}定义重复操作；

\n 是第n个匹配的引用组 \0是，引用整个正则匹配的结果，一般只在替换的时候有用到，向后引用不能用于字符集内部，也就是
(a)[\1b] 是不能对a进行引用的，先看一个向后引用的例子：

'bbaxaxaxx'.match(/([a-c])x\1x\1/) //[ 'axaxa', 'a', index: 2, input: 'bbaxaxaxx' ]

这里\1是对([a-c])的引用，\1引用的结果都是相同的，在引用时，编号也是从左到右，从外到内的。

对于重复组的操作，引用只取最后一个的值：

'abc=abc'.match(/([abc]+)=\1/)  //[ 'abc=abc', 'abc', index: 0, input: 'abc=abc' ]
'abc=cab'.match(/([abc])+=\1/)  //[ 'abc=c', 'c', index: 0, input: 'abc=cab' ]

([abc])+ 这个组重复，引用只取最后一次匹配c

\0 引用整个组只能用作替换：

'abcababcab'.replace(/(ab)c\1/,'\0test') //testabcab
'abcababcab'.replace(/(ab)c\1/g,'\0test') //testtest

\0在替换的时候引用整个匹配的结果

向后引用会降低引擎的速度，因为需要存储匹配的组，如果不需要向后引用，可以告诉引擎某个组不匹配，?:

'GetValue'.match(/Get(?:Value)?/)  //这里?:是告诉引擎，对于组，不需要提供匹配值向后引用。

8.向后查看和向前查看（环视）

否定式向前查看：q(?!xx)
肯定式向前查看：q(?=xx)
否定式向后查看的语法： (? 肯定式向后查看的语法： (?<=xx)

例：<<(?>将会匹配一个没有“a”作前导字符的“b”。
JavaScript只支持向前查看。
匹配的是：后(前)面满足(不满足)匹配规则的位置。

"hhh-123-123hh4444-3".split(/-(?=\d+$)/)

这个例子，是以'-'来分割字符串，后半段是数字，那么就需要在‘-’ 符号向前查看，是否满足数字的要求，同时前面也可能有“-”.
这种查看也是不消耗字符的，只匹配位置，也是一种零宽度断言，在不需要匹配字符，同时又要确定匹配位置的时候需要用到。

9.原子组和防止回溯

比如字符串：‘1,2,3,4,5,6,7,8,9,10,11,12’，用^(.*?,){11}P 取匹配的时候就会有大量的回溯，匹配失败，为了避免这种回溯，一种办法是用更加精确的匹配方式，用取反
字符集代替'.' 

'1,2,3,4,5,6,7,8,9,10,11,P'.match(/^(.*?,){11}P/)  //如果没有匹配成功就会大量回溯
[ '1,2,3,4,5,6,7,8,9,10,11,P',
  '11,',   //match到的之后保留最后一次匹配的结果
  index: 0,
  input: '1,2,3,4,5,6,7,8,9,10,11,P' ]

这个例子如果没有匹配成功会有大量的回溯，不过可能不是很明显，可以看一下这个例子：

var str = 'JavaScript is the best language in the world.'
var reg = '/(.+.+)+X/'
ret.test(str);

运行这个例子，打开任务管理器看cup运行情况就知道。

用一种精确的匹配方式：.好匹配除 \r\n以为的字符，那么用取反字符集来代替

'1,2,3,4,5,6,7,8,9,10,11,P'.match(/^([^,\r\n]*,){11}P/)

还有一个种方式是原子组，原子组被认为是单一的正则表达式，匹配失败后整体回退到原子组前面的位置回溯，(?>正则表达式)，上面的^(.*?,){11}P 可以写成

^(?>(.*?,){11})P，不过JavaScript不支持原子组。我们可以用另外一种凡是代替，用环视或者零宽度断言和向后引用组来模拟代替：

'1,2,3,4,5,6,7,8,9,10,11,P'.match(/^(?=((.*?,){11}))\1P/)  //匹配结果同上

/^(?=((.*?,){11}))\1P/ 这个匹配中向前查看一个组((.*?,){11}) ，这个相当于原子组，只匹配位置不匹配字符，我们用\1来引用这个组匹配字符，就可以达到效果。