JavaScript高级程序设计（第3版）学习笔记12——正则表达式

　　前面在分析PhoneGap源码的时候，曾经总结过一次正则表达式的用法，为了不同系列文章的完整性，这里将那里的总结迁移过来。需要指出的是，这里只是总结了正则表达式的常用的且比较简单的语法，而不是全部语法，在我看来，掌握了这些常用语法，已经足够应对日常应用了。正则表达式不只是应用在ECMAScript中，在JAVA、.Net、Unix等也有相应应用，这篇文章则是以ECMAScript中的正则表达式为基础总结的。
一、正则表达式基础

1、普通字符：字母、数字、下划线、汉字以及所有没有特殊意义的字符，如ABC123。在匹配时，匹配与之相同的字符。

2、特殊字符：（需要时，使用反斜杠“\”进行转义）

字符	含义	字符	含义	字符	含义	字符	含义
\a	响铃符 = \x07	^	匹配字符串的开始位置	\b	匹配单词的开始或结束	{n}	匹配n次
\f	换页符 = \x0C	$	匹配字符串的结束位置	\B	匹配不是单词开始和结束的位置	{n,}	匹配至少n次
\n	换行符 = \x0A	()	标记一个子表达式的开始和结束	\d	匹配数字	{n,m}	匹配n到m次
\r	回车符 = \x0D	[]	自定义字符组合匹配	\D	匹配任意不是数字的字符	[0-9]	匹配0到9中任意一个数字
\t	制表符 = \x09	{}	修饰匹配次数的符号	\s	匹配任意空白字符	[f-m]	匹配f到m中任意一个字母
\v	垂直制表符 = \x0B	.	匹配除换行符外的字符	\S	匹配任意非空白字符
\e	ESC符 = \x1B	?	匹配0或1次	\w	匹配字母或数字或下划线或汉字
\xXX	使用两位十六进制表示形式，可与该编号的字符匹配	+	匹配1或多次	\W	匹配任意不是字母、数字、下划线和汉字的字符
\uXXXX	用四位十六进制表示形式，可与该编号的字符匹配	*	匹配0或多次	[^x]	匹配除x外的所有字符
\x{XXXXXX}	使用任意位十六进制表示形式，可与该编号的字符匹配	|	左右两边表达式之间“或”关系	[^aeiou]	匹配除aeiou外的所有字符

上面列举的这些特殊字符，可以大致的分为： 

（1）不便书写字符：如响铃符（\a）、换页符（\f）、换行符（\n）、回车符（\r）、制表符（\t）、ESC符（\e）

（2）十六进制字符：如两位（\x02）、四位（\x012B）、任意位（\x{A34D1}）

（3）表示位置字符：如字符串开始（^）、字符串结束（$）、单词开始和结束（\b）、单词中间（\B）

（4）表示次数字符：如0或1次（?）、1或多次（+）、0或多次（*）、n次（{n}）、至少n次（{n,}）、n到m次（{n,m}）

（5）修饰字符：如修饰次数（{}）、自定义组合匹配（[]）、子表达式（()）

（6）反义字符：

　　（A）通过大小写反义：如\b和\B、\d和\D、\s和\S、\w和\W

　　（B）通过[^]反义：如[^x]、[^aeiou]

　　（C）其它特例：如\n和.也构成反义

（7）范围字符：如数字范围（[0-9]）、字母范围（[f-m]）

（8）逻辑字符：如表示或（|）

3、转义

（1）使用反斜杠“\”转义单个字符

（2）使用“\Q...\E”转义，将表达式中间出现的字符全部作为普通字符

（3）使用“\U...\E”转义，将表达式中间出现的字符全部作为普通字符，并且将小写字母转换成大写匹配

（4）使用“\L...\E”转义，将表达式中间出现的字符全部作为普通字符，并且将大写字母转换为小写匹配

4、贪婪模式与懒惰模式

　 　如果正则表达式中含有次数字符时，一般情况下，会尽可能匹配更多的字符，比如用l*n来匹配linjisong的话，会匹配linjison，而不是 lin，这种模式也就是正则表达式的贪婪模式；相对应的，可以通过添加字符“？”来设置为懒惰模式，也即尽可能匹配更少字符。如*?表示重复0次或多次， 但尽可能少重复。

5、分组和反向引用

（1）用小括号（()）将表达式包含，可以使得表达式作为一个整体来处理，从而达到分组的目的。

（2）默认情况下，每个分组会自动获取一个组号，按照左括号的顺序，从1向后编号。

（3）引擎在处理时，会将小括号内部表达式匹配的内容保存下来，以方便在匹配过程中或匹配结束后进一步处理，可以使用反斜杠和组号来引用这个内容，如\1表示第一个分组匹配的文本。

（4）也可以自定义组名，语法是(?<name>exp)，这个时候反向引用时，还可以使用\k<name>。

（5）也可以不保存匹配内容，也不分配组号，语法是(?:exp)。

（6）小括号有一些其他特殊语法，这里列举几种，不再深入讨论：

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

到此，对于理解常用的正则表达式已经足够了，若想继续学习正则表达式的，可以参考正则表达式30分钟入门教程。下面再熟悉一下Javascript中的正则表达式实现。

二、Javascript中的正则表达式对象RegExp

1、创建正则表达式

（1）使用字面量：语法 var exp = /pattern/flags;

　　A、pattern是任何正则表达式

　　B、flags有三种：g表示全局模式、i表示忽略大小写、m表示多行模式

（2）使用RegExp内置构造函数：语法 var exp = new RegExp(pattern, flags);

　　A、使用构造函数时，pattern和flags都是字符串形式，所以对于转义字符需要双重转义，例如：

字面量	构造函数
/\[bc\]at/	"\\[bc\\]at"
/\.at/	"\\.at"
/name\/age/	"name\\/age"
/\d.\d{1,2}/	"\\d.\\d{1,2}"
/\w\\helllo\\123/	"\\w\\\\hello\\\\123"

说明：ECMAScript 3使用字面量时会共享一个RegExp实例，使用new RegExp(pattern,flags)会为每个正则表达式创建一个实例；ECMAScript 5规定每次都创建新实例。

2、实例属性

（1）global：布尔值，表示是否设置了g标志。

（2）ignoreCase：布尔值，表示是否设置了i标志。

（3）multiline：布尔值，表示是否设置了m标志。

（4）lastIndex：整数，表示开始搜索下一次匹配项的字符位置，从0算起。

（5）source：字符串，表示按照字面量形式创建的字符串模式，即便实例使用构造函数创建，存储的也是字面量形式的字符串模式。

3、实例方法

（1）exec()方法

　　A、一个参数，即要应用模式的字符串，返回第一个匹配项信息的数组，没有匹配时返回null。

　　B、返回的数组是Array实例，但还额外有input和index属性，分别表示应用正则表达式的字符串和匹配项在字符串中的位置。

　　C、匹配时，在返回的数组中，第1项是与整个模式匹配的字符串，其他项是与模式中的分组匹配的字符串（如果没有分组，则返回数组只有1项）。

　　D、对于exec()，即使设置了g，每次返回的也是一个匹配项，不同的是，设置了g，多次调用exec的开始搜索位置不同，没有设置g，每次都从开始搜索。

（2）test()方法

　　接受一个字符串参数，匹配返回true，不匹配返回false。

三、实例分析

下面看一个出自PhoneGap源码中用于格式化的正则表达式

var pattern = /(.*?)%(.)(.*)/;

var str = 'lin%%jisong';

var match = pattern.exec(str);

console.info(match.join(','));//lin%%jisong,lin,%,jisong



var pattern2 = /(.*)%(.)(.*)/;

var match2 = pattern2.exec(str);

console.info(match2.join(','));//lin%%jisong,lin%,j,isong

分析：这里pattern和pattern2都包含三个分组，第2、3个分组相同，第2个分组(.)匹配任意一个非换行字符，第3个分组(.*)尽可能多（贪婪模式）的匹配任意非换行字符，pattern中的第1个分组(.*?)尽可能少（懒惰模式）的匹配任意非换行字符，而pattern2中的第1个分组(.*)则是尽可能多（贪婪模式）的匹配任意非换行字符了。因此在保证整个模式匹配成功（从而需要保留一个%字符用于匹配正则表达式中的%）的前提下，pattern中第1个分组匹配成了lin，而pattern2中第1个分组匹配成了lin%，分析到这里上例中的输出也就不难理解了。