03标准对象-02-RegExp 正则表达式

1、基本概念 和 定义

用一种描述性的语言来给字符串定义一个规则，你可以形象地理解正则表达式是一个“框”，凡是符合大小形状条件的字符串，都算是“匹配“了。
JS中有两种方式定义正则表达式：通过 /正则表达式/ 写出来；
通过 new RegExp(' 正则表达式 ') 创建RegExp对象

var re1 = /ABC\-001/;

var re2 = new RegExp('ABC\\-001');  //这里的两个\\因为转义，实际上是一个\

re1; // /ABC\-001/

re2; // /ABC\-001/

[/code]

2、匹配规则

在正则表达式中，如果直接给出字符，表示精确匹配，其他的根据规则不同匹配不同内容。特殊符号用转义字符 \ 表示。
例如我们想匹配如 ' 010-12345 ' 这样的号码，我们的正则表达式可以是： \d{3}\-\d{3, 8}：短横线前要求3个数字，之后要求3到8个数字。

2.1 匹配内容

\d	匹配一个数字
\w	匹配一个字母或数字
\s	匹配一个空格
.	（点）可以匹配任意字符

2.2 基本匹配

*	表示任意个字符（包括0个）
+	表示至少一个字符
?	表示0个或1个字符
{n}	表示n个字符
{n,m}	表示n-m个字符

2.3 高级匹配

要做更精确地匹配，可以使用中括号 [ ] 表示范围

[0-9a-zA-Z\_]	匹配一个数字、字母或者下划线
[0-9a-zA-Z\_]+	匹配至少由一个数字、字母或下划线组成的字符串，如 'a100', '0_Z'
[a-zA-Z\_\$][0-9a-zA-Z\_\$]*	可以匹配由字母或下划线、$开头，后接任意一数字、字母、下划线、$组成的字符串，也就是JS允许的变量名
[a-zA-Z\_\$][0-9a-zA-Z\_\$]{0, 19}	相比以上，更加精确地限制了变量的长度是1-20个字符（前面1个字符，后面最多19个字符）
A | B	匹配A或B，如 (J | j)S 可以匹配 'JS' 或 'jS'
^	表示行的开头，如 ^\d 表示必须数字开头
$	表示行的结尾，如 \d$ 表示必须以数字结尾

3、正则表达式的应用

3.1 切分字符串

//正常的切分代码：无法识别连续的空格

'a b   c'.split(' '); // ['a', 'b', '', '', 'c']

//正则表达式切分代码：无论空格数量都可以正常分割

'a b   c'.split(/\s+/); // ['a', 'b', 'c'] --> 匹配至少一个空格

//即使有逗号 , 也可以试试

'a,b, c  d'.split(/[\s\,]+/); // ['a', 'b', 'c', 'd'] --> 匹配至少一个空格或逗号

//再试下分号 ;

'a,b;; c  d'.split(/[\s\,\;]+/); // ['a', 'b', 'c', 'd'] --> 匹配至少一个空格、逗号或分号

[/code]

3.2 分组（子串提取）

正则表达式还可以提取子串，用括号 ( ) 表示的就是要提取的分组。
比如：^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：

var re = /^(\d{3})-(\d{3,8})$/;

re.exec('010-12345'); // ['010-12345', '010', '12345']

re.exec('010 12345'); // null

[/code]
如果正则表达式中定义了组，可以在RegExp对象中使用exec()方法提取子串，匹配成功后，返回一个Array，第一个元素是正则表达式匹配到的整个字符串，后面的字符串表示匹配成功的子串；匹配失败会返回null。
对于提取子串，再看一个长点的例子：

var re = /^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$/;

re.exec('19:05:30'); // ['19:05:30', '19', '05', '30']

[/code]
上面的正则表达式可以识别合法的时间，但有些时候，正则表达式也无法完全做到验证，比如识别日期，像2-30此类还识别不了，或者写出来非常困难。

3.3 贪婪匹配

正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。

var re = /^(\d+)(0*)$/;

re.exec('102300'); // ['102300', '102300', '']

//由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了。

[/code]
必须让 \d+ 非贪婪匹配，才能把后面的0匹配出来，加个 ? 就可以让 \d+ 采用非贪婪匹配：

var re = /^(\d+?)(0*)$/;

re.exec('102300'); // ['102300', '1023', '00']

[/code]

3.4 全局搜索

g	表示全局匹配
i	表示忽略大小写
m	表示多行匹配

var r1 = /test/g;

// 等价于:

var r2 = new RegExp('test', 'g');

[/code]
全局匹配可以多次执行exec()方法来搜索一个匹配的字符串。当我们指定g标志后，每次运行exec()，正则表达式本身会更新lastIndex属性，表示上次匹配到的最后索引：

var s = 'JavaScript, VBScript, JScript and ECMAScript';

var re=/[a-zA-Z]+Script/g;

// 使用全局匹配:

re.exec(s); // ['JavaScript']

re.lastIndex; // 10

re.exec(s); // ['VBScript']

re.lastIndex; // 20

re.exec(s); // ['JScript']

re.lastIndex; // 29

re.exec(s); // ['ECMAScript']

re.lastIndex; // 44

re.exec(s); // null，直到结束仍没有匹配到

[/code]

4、思维拓展练习

4.1 尝试写一个验证Email地址的正则表达式

Email地址验证的正则表达式，要求只能字母开头

'use strict';

var re = /^[a-zA-Z][a-zA-Z\d\_\.]*@[a-zA-Z\d]+\.[a-zA-Z]{2,3}$/;

// 测试:

var

i,

success = true,

should_pass = ['someone@gmail.com', 'bill.gates@microsoft.com', 'tom@voyager.org', 'bob2015@163.com'],

should_fail = ['test#gmail.com', 'bill@microsoft', 'bill%gates@ms.com', '@voyager.org'];

for (i = 0; i < should_pass.length; i++) {

if (!re.test(should_pass[i])) {

alert('测试失败: ' + should_pass[i]);

success = false;

break;

}

}

for (i = 0; i < should_fail.length; i++) {

if (re.test(should_fail[i])) {

alert('测试失败: ' + should_fail[i]);

success = false;

break;

}

}

if (success) {

alert('测试通过!');

}

[/code]

4.2 验证并提取出带名字的Email地址

'use strict';

var re = /^\<([a-zA-Z\s]+)\>\s([a-zA-Z][a-zA-Z\d\_\.]*@[a-zA-Z\d]+\.[a-zA-Z]{2,3})$/;

// 测试:

var r = re.exec('<Tom Paris> tom@voyager.org');

if (r === null || r.toString() !== ['<Tom Paris> tom@voyager.org', 'Tom Paris', 'tom@voyager.org'].toString()) {

alert('测试失败!');

}

else {

alert('测试成功!');

}

[/code]