正则表达式

正则表达式：对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来对字符串的进行匹配。

用途

• 检查一个字符串中是否含有某种子串
• 将匹配的某种子串做替换
• 从某个字符串中取出符合某个条件的子串

应用

• 表单验证，验证字符的合法性，如邮箱是否合法，手机号是否合法等等。
• 信息过滤，如论坛帖子或者评论中的非法字符，例如 sql 注入、js 脚本注入、煽动性的言论
• 信息采集，采集别人网站上面的内容，例如整页采集时 筛选出需求的部分
• 信息替换
• 页面伪静态的规则（url 重写）

正则语法-元字符

元字符：一些具有特殊含义的特殊符号

普通字符：所有大写和小写字母、所有数字、所有标点符号和一些其他符号

正则表达式三步走

• 匹配符（查什么）（等价符，字符簇，修饰符，转义符）
• 限定符（查多少）
• 定位符（从哪查）

限定符

限定符（量词）：指定正则表达式的一个给定组件必须出现多少次才能满足匹配

#	说明	举例	等价写法
*	0 次或多次	zo* z zoo	{0,}
+	1 次或多次	zo+ zo zoo	{1,}
?	0 次或 1 次	do(es)? do doxy does	{0,1}
{n}	n 次	o{2} food
{n,}	至少 n 次	o{2,} fooood
{n,m}	最少 n 次最多 m 次	o{1,3} fooo

n,m 非负整数 n<=m，逗号和 n，m 之间不能有空格

贪婪匹配：尽可能去多的情况（默认）

非贪婪匹配：？加在其他限定符之后，应用：匹配 div

等价符

#	说明	等价写法
.	匹配除换行符之外的任何单个字符 匹配'\n'，(.|\n)
\d	数字字符	[0-9]
\D	非数字字符	[^0-9]
\w	字母、数字、下划线	[A-Za-z0-9]
\W	非字母、数字、下划线	[^a-za-z0-9]
\s	任何空白字符（空格、制表符、换页符等）	[\f\n\r\t\v]
\S	非任何空白字符（空格、制表符、换页符等）	[^\f\n\r\t\v]
\n	换行符	\x0a 和 \cJ
\r	回车符	\x0d 和 \cM
\t	制表符	\x09 和 \cl

定位符

#	说明
^	字符串开始位置
$	字符串结束位置
\b	单词边界（单词和空格间位置）
\B	非单词边界

设置 RegExp 对象的 Multiline 属性，$和^ 还会与 \n 或 \r 匹配。

字符簇

字符簇：匹配满足条件的一个字符。[]

#	说明	举例
[xyz]	字符集合，所包含的任意字符	[abc] plain -> a
[^xyz]	负值字符集合，未包含的任意字符	[^abc] plain -> p,l,i,n
[a-z]	字符范围，指定范围内任意字符
[^a-z]	负字符范围，不在指定范围内的任意字符
x|y	或，匹配 x 或 y	z|food z food (z|f)ood zood food

[0-9] 查找任何从 0 至 9 的一个数字

[a-z] 查找任何从小写 a 到小写 z 的字符。

[A-Z] 查找任何从大写 A 到大写 Z 的字符。

[A-z] 查找任何从大写 A 到小写 z 的字符。包括 [ \ ]^_` 等六个字符

[A-Za-z]查找任何从大写 A 到小写 z 的字符，不包括 [ \ ]^_` 等六个字符

修饰符

修饰符写在正则表达式末尾/之后，可以一次性使用多个修饰符

#	说明
i	大小写不敏感（默认区分大小写）
g	全局匹配
m	多行匹配（^$匹配每行开始和结束）

转义字符

#	说明
\	将下一个字符标记为转义符

[]$.*?+|^{}()需要加转义字符

js 中正则对象

正则对象两种定义方式

var pattern = /[a-z]/ //将正则表达式直接当做对象使用。
var pattern = new RegExp(/[a-z]/) //实例化RegExp对象

test 方法

检测目标字符串和正则表达式是否匹配。匹配返回 true，不匹配返回 false

exec 方法

执行一个正则匹配，只匹配一次。匹配返回数组类型结果，不匹配 null

• 即使使用了全局匹配修饰符 g，也匹配一次
• 但是多次执行，下一次执行从上一次匹配结束位置开始

lastIndex 属性

上一次匹配结束的位置，即下一次匹配开始的位置

• 没有更多匹配（全局修饰）lastIndex 重置为 0
• test 和 exec 方法默认匹配一次，匹配后 lastIndex 重置为 0
• 使用了全局修饰符 g，lastIndex 不会重置为 0

var str = 'php1js22'
//var pattern = /[a-z]/;//匹配小写字母字符串
var pattern = /[a-z]/g //全局匹配小写字母字符串
var res1 = pattern.exec(str)
console.log(res1) //["p"] 只匹配一次，返回数组
console.log(pattern.lastIndex) //1  下一次匹配开始的位置
var res2 = pattern.exec(str)
console.log(res2) //["h"] //从位置1开始匹配

String 对象的正则方法

match 方法

stringObj.match(regex)：在字符串中检索匹配正则表达式 regex 的子串；

匹配，返回包含匹配结果的一个数组；不匹配返回 null

• 不带全局修饰符 g，则只匹配一次
• 带全局修饰符 g，则匹配所有结果

replace 方法

stringObj.replace(regex, replacement)：在字符串中检索匹配正则表达式 regex 的子串，并替换为指定的字符串 replacement；

• 同 match

$1：表匹配第一个子表达式

$2：第二个子表达式，以此类推

search 方法

stringObj.search(regex)：在字符串中搜索符合正则表达式的结果。

找到结果返回结果的起始位置，停止向后检索；如果没有匹配结果，返回-1.

忽略全局标识符 g

split 方法

stringObj.split(regex)：把一个字符串分割成字符串数组, 返回一个数组

分组/捕获和反向引用

捕获和反向引用的语法的解释：

子表达式 在正则表达式中，通过一对圆括号括起来的内容，我们就称之为“子表达式”。如： var reg = /\d(\d)\d/gi;

捕获（分组）

在正则表达式中，子表达式匹配到相应的内容时，系统会自动捕获这个行为，

然后将子表达式匹配到的内容放入系统的缓存区中。我们把这个过程就称之为“捕获”。

反向引用 在正则表达式中，我们可以使用\n（n>0，正整数，代表系统中的缓冲区编号） 来获取缓冲区中的内容，我们把这个过程就称之为“反向引用”。

在正则语法中，用“\1”来引用前面的捕获（使用子表达式匹配的结果）。用\2 表示第二个捕获的内容….

在正则语法外（如 replace 时），用“$1”来引用前面的捕获。

var str = '1122 3434 5566 7879 9887'
//匹配连续四个数字，第一和第二数字相同，第三和第四数字相同
var res = str.match(/(\d)\1(\d)\2/g)
console.log(res)
//匹配连续四个数字，第一和第三数字相同，第二和第四数字相同
var res = str.match(/(\d)(\d)\1\2/g)
console.log(res)
//匹配连续四个数字，第一和第三数字相同
var res = str.match(/(\d)\d\1\d/g)
console.log(res)
//匹配连续四个数字，第一和第二数字相同，第三和第四数字相同，并将相同的数字只保留一个
var res = str.replace(/(\d)\1(\d)\2/g, '$1$2')
console.log(res)

禁止引用

(?:正则)： 这个小括号中的内容不能够被引用

var str = '1122 3434 5566 7879 9887'
var res = str.match(/(?:\d)(\d)\1\d/g)
console.log(res) //9887

环视

正则表达式中，用于查找某些内容之前或者之后的东西，叫做环视。

环视通常也叫做预查、断言或者零宽断言。

正向肯定预查

也叫 顺序肯定环视

语法：?=

every(?=n) 匹配任何其后紧接指定字符串 n 的字符串。

//匹配后面字符为10的win
var str = 'win7 win8 win10'
var res = str.match(/win(?=10)/g)
console.log(res) //["win"]

正向否定预查

也叫 顺序否定环视

语法：?!

every(?!n) 匹配任何其后没有紧接指定字符串 n 的字符串。

//匹配后面字符不为10的win
var str = 'win7 win8 win10'
var res = str.match(/win(?!10)/g)
console.log(res) //["win", "win"]

(?!B)[A-Z]这种写法，其实它是[A-Z]范围里，排除 B 的意思，前置的(?!B)只是对后面数据的一个限定，从而达到过滤匹配的效果。

var str = 'abcd1234'
var res = str.match(/(?!c)[a-z]/g)
console.log(res) //["a", "b", "d"]
//匹配非c字符

练习：从一堆图片地址中，找出符合条件的图片地址。

var arr = ['img/20181013/a.jpg', 'img/20181014/b.png', 'image/20181014/a.jpg', 'image/20181013/b.png', '20181013/c.png']

匹配 img 开头的图片地址

;/^img.*(jpg|png|gif)$/g

匹配不以 image 开头的图片地址

;/^(?!image).*(jpg|png|gif)$/

反向肯定预查

语法：?<=

匹配前面有 "rt " 的字符序列 test

(?<=rt )test

Start "test"
Start a test
Start "test"
test Start
some Start "test"
some Start some test
Start some
Start abc

双引号为匹配值

反向否定预查

语法：?<!

匹配前面没有"rt "的字符序列 test

(?<!rt) test

Start test
Start a "test"
Start test
test Start
some Start test
some Start some "test"
Start some
Start abc

应用

科学计数法

;/\d(?:\.(\d*))?e([+-]\d+)/
// \d 科学计数法首位
// (?:\.(\d*))? - ?:取消外层捕获， (\d*):捕获小数点后数字
// ([+-]\d+) - 捕获e之后数字

检测手机号格式

手机号特点：11 位，纯数字，1 开头， [23 位号段，具体咨询各大运营商]

简单版（限制前两位）：1 开头，第二位 3-9，后面 9 位数字

;/^1[3-9]\d{9}$/

精确版（限制前三位）：（如果出现新的手机号段，则不适用，需更新）

示例：

13[0-9]开头、14[579]开头、15[0-3,5-9]开头、166 开头、17[0135678]开头、18[0-9]开头、19[89]开头

;/^1(3[0-9]|4[579]|5[0-3,5-9]|6[6]|7[0135678]|8[0-9]|9[89])\d{8}$/

检测邮箱格式

邮箱特点：

2342.3s_-df@sina.com.cn

通用的邮箱的特点：

简单版：必须有@ 正则 /@/

var pattern = /@/

精确版：

必须有@和.

@前面是邮箱名，要求至少一个字符，要求是数字、字母、下划线、[还可以用.-]，但是开头必须是数字字母下划线

@和点之间：是一个域名，要求至少一个字符，可以是数字字母中横线，要求开头是数字或字母

点后面：要求是至少一个字符，必须是字母

点xxx，这部分可以出现一次，也可以出现多次

最后一个点后面，字符长度为 2-6 的字母

var pattern = /^\w[\w\.-]*@[0-9a-z][0-9a-z-]*(\.[a-z]+)*\.[a-z]{2,6}$/i

结巴问题

匹配重复字符，保留一个

var str = '今今今天晚晚晚晚晚晚上吃吃吃吃吃吃鸡'
//今天晚上吃鸡
var res = str.replace(/([\u4E00-\u9FA5])\1+/g, '$1')
console.log(res)

括号取值转点取值

对象括号取值转为点取值

regexp：\['(.+?)'\]
replace：.$1

test["a"] => test.a

标题降级或升级

将 ## => # ，二级标题转一级标题

search：^##([^#])
replace：#$1

## => #

匹配中文

[\u4E00-\u9FA5]

完整的 Unicode 编码表：http://blog.csdn.net/hherima/article/details/9045861

匹配不包含某个串

找到不包含某些字符串(如 test)

^((?!test).)*$

"asdasdaea"
testa
asdasd test
"asdasd"
"qweqwe"