飞起来的正则表达式


最近在研读一本巨著《JavaScript忍者秘籍》,里面有一篇涉及到了正则表达式。

我在以前也曾经写过一篇正则表达式相关的文章《JavaScript与PHP中正则》,这次再做些补充。

书中的源码可以在此下载。我将源码放到了线上,如果不想下载,可以直接访问在线网址,修改页面名就能访问到相应示例代码。

 

一、术语与操作符

1)精确匹配

如果一个字符不是特殊字符或操作符,则表示该字符必须在表达式中出现。

例如“/test/”,就表示“t”后面跟着“e”,“e”后面跟着“s”,“s”后面跟着“t”。

 

2)匹配一类字符

很多时候是想匹配一个有限字符集中的某一个字符。

例如“[abc]”,就是要匹配“a”、“b”或“c”中的任意一个字符。

例如“[^abc]”,就是除了“a”、“b”、“c”之外的任意字符。

例如“[a-m]”,就是从“a”到“m”之间的任意字符。

 

3)转义

并不是所有字符和其字符字面量都是等价的。

例如匹配“$”、“.”这种特殊字符,需要添加“\”反斜杠,“\$”、“\.”。

 

4)匹配开始与匹配结束

经常需要确保模式匹配一个字符串的开始,或者一个字符串的结束。

“/^test/”表示以“test”开始,“/test$/”表示以“test”结尾。

 

5)重复出现

1. “?”表示出现一次或不出现,例如“/t?est/”可以匹配“test”或“est”。

2. “+”表示出现一次或多次,例如“/t+est/”可以匹配“test”、“ttest”。

3. “*”表示出现零次或多次,例如“/t*est/”可以匹配“est”、“test”。

4. “{number}”表示指定出现的次数,例如“/a{4}/”可以匹配“aaaa”。

5. “{number,number}”两个数字表示重复次数区间,例如“/a{1,3}/”可以匹配“aa”、“aaa”或“aaaa”。

6. “{number,}”次数区间的第二个数字可选,表示一个开区间。例如“/a{1,}/”匹配连续2个“a”或更多的“a”。

7. 重复操作默认是贪婪匹配,如果要非贪婪(只做一次匹配)的可以在操作符后面加“?”,例如“*?”、“+?”。

 

6)预定义字符类

有一些字符是不可能用字面量字符来表示的(例如回车)。

还有一些经常想匹配的字符类,例如小数位数或一组空白字符。

 

7)分组

如果将操作符应用于一组术语,可以添加小括号。

例如“/(ab)+/”匹配一个或多个“ab”字符串。

当用括号进行分组的时候,就创建了捕获(capture)。

 

8)或操作符

可以用“|”表示或的关系。

例如“/a|b/”匹配“a”或“b”。

 

9)反向引用

在反斜杠后面加一个要引用的捕获数量,该数字从1开始,例如“\1”、“\2”。

例如“/<(\w+)>(.+)<\/\1>/”匹配“<b>strong</b>”,不用反向引用是无法做到的。

 

二、匹配捕获的片段

1)执行简单的捕获

从“filter:alpha(opacity=50);”字符串中提取透明度值,可以查看在线结果

function getOpacity(elem) {
  var filter = elem.style.filter;
  return filter ? //#2
    filter.indexOf("opacity=") >= 0 ?
    (parseFloat(filter.match(/opacity=([^)]+)/)[1]) / 100) + "" :
    "" :
    elem.style.opacity;
}

window.onload = function() {
  assert(getOpacity(document.getElementById("opacity")) == "0.5", "The opacity of the element has been obtained.");
};

match返回的第一个索引的值总是该匹配的完整结果,然后是每个后续捕获结果。

 

2)用全局表达式进行匹配

当应用全局表达式(g),返回值依然是一个数组,匹配所有可能的结果,而不仅仅是第一个匹配结果,在线实例查看

var html = "<div class='test'><b>Hello</b> <i>world!</i></div>";

var results = html.match(/<(\/?)(\w+)([^>]*?)>/); //#1

assert(results[0] == "<div class='test'>", "The entire match.");
assert(results[1] == "", "The (missing) slash.");
assert(results[2] == "div", "The tag name.");
assert(results[3] == " class='test'", "The attributes.");

var all = html.match(/<(\/?)(\w+)([^>]*?)>/g); //#2

assert(all[0] == "<div class='test'>", "Opening div tag.");
assert(all[1] == "<b>", "Opening b tag.");
assert(all[2] == "</b>", "Closing b tag.");
assert(all[3] == "<i>", "Opening i tag.");
assert(all[4] == "</i>", "Closing i tag.");
assert(all[5] == "</div>", "Closing div tag.");

在进行局部匹配时,只有一个实例被匹配了,并且该匹配的捕获结果也返回了。

在进行全部匹配时,返回的是匹配结果的列表。

我们可以用“exec”方法,在全局正则匹配之时,恢复捕获。在线实例查看

var html = "<div class='test'><b>Hello</b> <i>world!</i></div>";
var pattern = /<(\/?)(\w+)([^>]*?)>/g, match;
var num = 0;

while ((match = pattern.exec(html)) !== null) { //#1
  assert(match.length == 4, "Every match finds each tag and 3 captures.");
  num++;
}

assert(num == 6, "3 opening and 3 closing tags found.");

exec方法保存了上次调用的状态,这样每个后续调用就可以继续下去了,直到全局匹配。每一个调用返回的都是下一个匹配及其匹配内容。

match中的内容如下,这里就显示两个,其他类似的,下面的index就是当前字符串开始匹配的索引值。

 

3)捕获的引用

有两种方法可以引用捕获到的匹配结果:自身匹配,替换字符串。

1. 自身匹配

var html = "<b class='hello'>Hello</b> <i>world!</i>";

var pattern = /<(\w+)([^>]*)>(.*?)<\/\1>/g; //#1

var match = pattern.exec(html);
console.log(match);

assert(match[0] == "<b class='hello'>Hello</b>",
  "The entire tag, start to finish.");
assert(match[1] == "b", "The tag name.");
assert(match[2] == " class='hello'", "The tag attributes.");
assert(match[3] == "Hello", "The contents of the tag.");

match = pattern.exec(html);

使用了“\1”引用了表达式的第一个捕获,在本例中该捕获是标签名称,查看在线实例

2.替换字符串

替换字符串“replace”方法,与反向引用不一样,这里使用“$1”、“$2”语法表示每个捕获的数字。

assert("fontFamily".replace(/([A-Z])/g, '-$1').toLowerCase() 
    == 'font-family', 'Convert the camelCase into dashed notation');

 

4)没有捕获的分组

小括号有双重责任:分组操作与捕获。但如果有大量的分组,就会引起不必要的捕获,查看在线实例

var pattern = /((?:ninja-)+)sword/; //1

var ninjas = "ninja-ninja-sword".match(pattern);

assert(ninjas.length == 2, "Only one capture was returned.");
assert(ninjas[1] == "ninja-ninja-",
  "Matched both words, without any extra capture.");

该表达式只会为外层的括号创建捕获。