JS必须掌握匹配规则

一、匹配规则

搭配菜鸟教程一起学习更容易理解：https://www.runoob.com/regexp/regexp-tutorial.html

正则表达式在线测试与常用正则表达式：http://c.runoob.com/front-end/854

正则表达式的规则很复杂，下面一一介绍这些规则。

5.1 字面量字符和元字符

大部分字符在正则表达式中，就是字面的含义，比如/a/匹配a，/b/匹配b。如果在正则表达式之中，某个字符只表示它字面的含义（就像前面的a和b），那么它们就叫做“字面量字符”（literal characters）。

		/dog/.test('old dog') // true

上面代码中正则表达式的dog，就是字面量字符，所以/dog/匹配old dog，因为它就表示d、o、g三个字母连在一起。

除了字面量字符以外，还有一部分字符有特殊含义，不代表字面的意思。它们叫做“元字符”（metacharacters），主要有以下几个。

（1）点字符（.) 类似通配

点字符（.）匹配除回车（\r）、换行(\n) 、行分隔符（\u2028）和段分隔符（\u2029）以外的任何单个字符。注意，对于码点大于0xFFFF字符，点字符不能正确匹配，会认为这是两个字符。

	/c.t/        //匹配c和t之间包含任意一个字符的情况,注意：一个.只匹配一个字符

		'cet c2t c-t c.t coot c我t'.match(/c.t/g)
		// ["cet", "c2t", "c-t", "c.t", "c我t"]

		'cet c2t c-t c.t coot c我t'.match(/c..t/g)
		//["coot"]
		

上面代码中，c.t匹配c和t之间包含任意一个字符的情况，只要这三个字符在同一行，比如cat、c2t、c-t等等，但是不匹配coot。

（2）位置字符(^) ($) 开始位置和结束位置

位置字符用来提示字符所处的位置，主要有两个字符。

• ^ 表示字符串的开始位置
• $ 表示字符串的结束位置

	// test必须出现在开始位置
		/^test/.test('test123') // true

	// test必须出现在结束位置
		/test$/.test('new test') // true

	// 从开始位置到结束位置只有test
		/^test$/.test('test') // true
		/^test$/.test('test test') // false
		

（3）选择符（|） 表示’‘或关系’’

竖线符号（|）在正则表达式中表示“或关系”（OR），即cat|dog表示匹配cat或dog。

/11|22/.test('911') // true

上面代码中，正则表达式指定必须匹配11或22。

多个选择符可以联合使用。

	// 匹配fred、barney、betty之中的一个
	/fred|barney|betty/
	

选择符会包括它前后的多个字符，比如/ab|cd/指的是匹配ab或者cd，而不是指匹配b或者c。如果想修改这个行为，可以使用圆括号。

	/a( |\t)b/.test('a\tb') // true
	

上面代码指的是，a和b之间有一个空格或者一个制表符。

其他的元字符还包括\、\*、+、?、()、[]、{}等，将在下文解释。

5.2 转义符（\ 反斜杠）

正则表达式中那些有特殊含义的元字符，如果要匹配它们本身，就需要在它们前面要加上反斜杠。比如要匹配+，就要写成\+。

	/1+1/.test('1+1')
	// false

		/1\+1/.test('1+1')
		// true
		

上面代码中，第一个正则表达式之所以不匹配，因为加号是元字符，不代表自身。第二个正则表达式使用反斜杠对加号转义，就能匹配成功。

正则表达式中，需要反斜杠转义的，一共有12个字符：^、.、[、$、(、)、|、*、+、?、{和\。需要特别注意的是，如果使用RegExp方法生成正则对象，转义需要使用两个斜杠，因为字符串内部会先转义一次。

	(new RegExp('1\+1')).test('1+1')
	// false

	(new RegExp('1\\+1')).test('1+1')
	// true
	

上面代码中，RegExp作为构造函数，参数是一个字符串。但是，在字符串内部，反斜杠也是转义字符，所以它会先被反斜杠转义一次，然后再被正则表达式转义一次，因此需要两个反斜杠转义。

5.3 特殊字符

正则表达式对一些不能打印的特殊字符，提供了表达方法。

• \cX 表示Ctrl-[X]，其中的X是A-Z之中任一个英文字母，用来匹配控制字符。

• [\b] 匹配退格键(U+0008)，不要与\b混淆。

• \n 匹配换行键。

• \r 匹配回车键。

• \t 匹配制表符 tab（U+0009）。

• \v 匹配垂直制表符（U+000B）。

• \f 匹配换页符（U+000C）。

• \0 匹配null字符（U+0000）。

• \xhh 匹配一个以两位十六进制数（\x00-\xFF）表示的字符。

• \uhhhh 匹配一个以四位十六进制数（\u0000-\uFFFF）表示的 Unicode 字符。

5.4 字符类

字符类（class）表示有一系列字符可供选择，只要匹配其中一个就可以了。所有可供选择的字符都放在方括号内，比如[xyz] 表示x、y、z之中任选一个匹配。

		/[abc]/.test('hello world') // false
		/[abc]/.test('apple') // true  a、b、c其中任意一个
		

上面代码中，字符串hello world不包含a、b、c这三个字母中的任一个，所以返回false；字符串apple包含字母a，所以返回true。

有两个字符在字符类中有特殊含义。

（1）脱字符（^ 排除）

如果方括号内的第一个字符是[^]，则表示除了字符类之中的字符，其他字符都可以匹配。比如，[^xyz]表示除了x、y、z之外都可以匹配。

		/[^abc]/.test('bbc news') // true  字符串中包含了a、b、c以为的字符
		/[^abc]/.test('bbc') // false  字符串中没有除了a、b、c以外的字符
		

上面代码中，字符串bbc news包含a、b、c以外的其他字符，所以返回true；字符串bbc不包含a、b、c以外的其他字符，所以返回false。

如果方括号内没有其他字符，即只有[^]，就表示匹配一切字符，其中包括换行符。相比之下，点号作为元字符（.）是不包括换行符的。

		var s = 'Please yes\nmake my day!';

		s.match(/yes.*day/) // null
		s.match(/yes[^]*day/) // [ 'yes\nmake my day']
		

上面代码中，字符串s含有一个换行符，点号不包括换行符，所以第一个正则表达式匹配失败；第二个正则表达式[^]包含一切字符，所以匹配成功。

注意，脱字符只有在字符类的第一个位置才有特殊含义，否则就是字面含义。

（2）连字符（- 字符连续范围）

某些情况下，对于连续序列的字符，连字符（-）用来提供简写形式，表示字符的连续范围。比如，[abc]可以写成[a-c]，[0123456789]可以写成[0-9]，同理[A-Z]表示26个大写字母。

		/a-z/.test('b') // false
		/[a-z]/.test('b') // true
		

上面代码中，当连字号（dash）不出现在方括号之中，就不具备简写的作用，只代表字面的含义，所以不匹配字符b。只有当连字号用在方括号之中，才表示连续的字符序列。

以下都是合法的字符类简写形式。

		[0-9.,]
		[0-9a-fA-F]
		[a-zA-Z0-9-]
		[1-31] // 注意：不代表1到31，只代表1到3
		

上面代码中最后一个字符类[1-31]，不代表1到31，只代表1到3。

连字符还可以用来指定 Unicode 字符的范围。

		var str = "\u0130\u0131\u0132";
		/[\u0128-\uFFFF]/.test(str)
		// true
		

上面代码中，\u0128-\uFFFF表示匹配码点在0128到FFFF之间的所有字符。

另外，不要过分使用连字符，设定一个很大的范围，否则很可能选中意料之外的字符。最典型的例子就是[A-z]，表面上它是选中从大写的A到小写的z之间52个字母，但是由于在 ASCII 编码之中，大写字母与小写字母之间还有其他字符，结果就会出现意料之外的结果。

		/[A-z]/.test('\\') // true
		

上面代码中，由于反斜杠（’\’）的ASCII码在大写字母与小写字母之间，结果会被选中。

5.5 预定义模式 (常见模式简写\d\D\w\W\s\S\b\B)

预定义模式指的是某些常见模式的简写方式。

• \d 匹配0-9之间的任一数字，相当于[0-9]。(数字)
• \D 匹配所有0-9以外的字符，相当于[^0-9]。(非数字)
• \w 匹配任意的字母、数字和下划线，相当于[A-Za-z0-9_]。(字母、数字、下划线)
• \W 除所有字母、数字和下划线以外的字符，相当于[^A-Za-z0-9_]。(非：字母、数字、下划线)
• \s 匹配空格（包括换行符、制表符、空格符等），相等于[ \t\r\n\v\f]。(空格)
• \S 匹配非空格的字符，相当于[^ \t\r\n\v\f]。(非空格)
• \b 匹配词的边界。(单词边界)
• \B 匹配非词边界，即在词的内部。(非单词边界)

下面是一些例子。

		// \s 的例子
		/\s\w*/.exec('hello world') // [" world"]

		// \b 的例子
		/\bworld/.test('hello world') // true
		/\bworld/.test('hello-world') // true
		/\bworld/.test('helloworld') // false

		// \B 的例子
		/\Bworld/.test('hello-world') // false
		/\Bworld/.test('helloworld') // true
		

上面代码中，\s表示空格，所以匹配结果会包括空格。\b表示词的边界，所以world的词首必须独立（词尾是否独立未指定），才会匹配。同理，\B表示非词的边界，只有world的词首不独立，才会匹配。

通常，正则表达式遇到换行符（\n）就会停止匹配。

var html = "<b>Hello</b>\n<i>world!</i>";

	/.*/.exec(html)[0]
	// "<b>Hello</b>"

上面代码中，字符串html包含一个换行符，结果点字符（.）不匹配换行符，导致匹配结果可能不符合原意。这时使用\s字符类，就能包括换行符。

		var html = "<b>Hello</b>\n<i>world!</i>";

		/[\S\s]*/.exec(html)[0]
		// "<b>Hello</b>\n<i>world!</i>"
		

上面代码中，[\S\s]指代一切字符。

5.6 重复类 （ {n} {n,} {n,m} ）

模式的精确匹配次数，使用大括号（{}）表示。{n}表示恰好重复n次，{n,}表示至少重复n次，{n,m}表示重复不少于n次，不多于m次。

		/lo{2}k/.test('look') // true  2个o
		/lo{2,5}k/.test('looook') // true   2到5个o

上面代码中，第一个模式指定o连续出现2次，第二个模式指定o连续出现2次到5次之间。

5.7 量词符（?）（*）（+）

量词符用来设定某个模式出现的次数。

• ? 问号表示某个模式出现0次或1次，等同于{0, 1}。
• * 星号表示某个模式出现0次或多次，等同于{0,}。
• + 加号表示某个模式出现1次或多次，等同于{1,}。

		// t 出现0次或1次
		/t?est/.test('test') // true
		/t?est/.test('est') // true

		// t 出现1次或多次
		/t+est/.test('test') // true
		/t+est/.test('ttest') // true
		/t+est/.test('est') // false

		// t 出现0次或多次
		/t*est/.test('test') // true
		/t*est/.test('ttest') // true
		/t*est/.test('tttest') // true
		/t*est/.test('est') // true
		

5.8 贪婪模式（对量词符可使用非贪婪模式）

上一小节的三个量词符，默认情况下都是最大可能匹配，即匹配直到下一个字符不满足匹配规则为止。这被称为贪婪模式。

		var s = 'aaa';
		s.match(/a+/) // ["aaa"]
		

上面代码中，模式是/a+/，表示匹配1个a或多个a，那么到底会匹配几个a呢？因为默认是贪婪模式，会一直匹配到字符a不出现为止，所以匹配结果是3个a。

如果想将贪婪模式改为非贪婪模式，可以在量词符后面加一个问号。

		var s = 'aaa';
		s.match(/a+?/) // ["a"]
		

上面代码中，模式结尾添加了一个问号/a+?/，这时就改为非贪婪模式，一旦条件满足，就不再往下匹配。

除了非贪婪模式的加号，还有非贪婪模式的星号（*）和非贪婪模式的问号（?）。

• +?：表示某个模式出现1次或多次，匹配时采用非贪婪模式。
• *?：表示某个模式出现0次或多次，匹配时采用非贪婪模式。
• ??：表格某个模式出现0次或1次，匹配时采用非贪婪模式。

		'abb'.match(/ab*b/) // ["abb"]
		'abb'.match(/ab*?b/) // ["ab"]

		'abb'.match(/ab?b/) // ["abb"]
		'abb'.match(/ab??b/) // ["ab"]
		

5.9 修饰符

修饰符（modifier）表示模式的附加规则，放在正则模式的最尾部。

修饰符可以单个使用，也可以多个一起使用。

		// 单个修饰符
		var regex = /test/i;

		// 多个修饰符
		var regex = /test/ig;

（1）g 修饰符 （全局匹配）

默认情况下，第一次匹配成功后，正则对象就停止向下匹配了。g修饰符表示全局匹配（global），加上它以后，正则对象将匹配全部符合条件的结果，主要用于搜索和替换。

		var regex = /b/;
		var str = 'abba';

		regex.test(str); // true
		regex.test(str); // true
		regex.test(str); // true

上面代码中，正则模式不含g修饰符，每次都是从字符串头部开始匹配。所以，连续做了三次匹配，都返回true。

		var regex = /b/g;
		var str = 'abba';

		regex.test(str); // true
		regex.test(str); // true
		regex.test(str); // false

上面代码中，正则模式含有g修饰符，每次都是从上一次匹配成功处，开始向后匹配。因为字符串abba只有两个b，所以前两次匹配结果为true，第三次匹配结果为false。

（2）i 修饰符 （不区分大小写）

默认情况下，正则对象区分字母的大小写，加上i修饰符以后表示忽略大小写（ignoreCase）。

		/abc/.test('ABC') // false
		/abc/i.test('ABC') // true
		

上面代码表示，加了i修饰符以后，不考虑大小写，所以模式abc匹配字符串ABC。

（3）m 修饰符（让^和$识别换行符）

m修饰符表示多行模式（multiline），会修改^和$的行为。默认情况下（即不加m修饰符时），^和$匹配字符串的开始处和结尾处，加上m修饰符以后，^和$还会匹配行首和行尾，即^和$会识别换行符（\n）。

	/world$/.test('hello world\n') // false

	/world$/m.test('hello world\n') // true

上面的代码中，字符串结尾处有一个换行符。如果不加m修饰符，匹配不成功，因为字符串的结尾不是world；加上以后，$可以匹配行尾。

		/^b/m.test('a\nb') // true

上面代码要求匹配行首的b，如果不加m修饰符，就相当于b只能处在字符串的开始处。加上m修饰符以后，换行符\n也会被认为是一行的开始。

5.10 组匹配

（1）概述 （圆括号分组）

正则表达式的括号表示分组匹配，括号中的模式可以用来匹配分组的内容。

		/fred+/.test('fredd') // true +加号表示重复字母d
		/(fred)+/.test('fredfred') // true  +加号表示重复单词fred
		

上面代码中，第一个模式没有括号，结果+只表示重复字母d，第二个模式有括号，结果+就表示匹配fred这个词。

下面是另外一个分组捕获的例子。

		var m = 'abcabc'.match(/(.)b(.)/);
	
		// ['abc', 'a', 'c']

上面代码中，正则表达式/(.)b(.)/一共使用两个括号，第一个括号捕获a，第二个括号捕获c。

注意，使用组匹配时，不宜同时使用g修饰符，否则match方法不会捕获分组的内容。

		var m = 'abcabc'.match(/(.)b(.)/g);
		m // ['abc', 'abc']
		

上面代码使用带g修饰符的正则表达式，结果match方法只捕获了匹配整个表达式的部分。这时必须使用正则表达式的exec方法，配合循环，才能读到每一轮匹配的组捕获。

	
		var str = 'abcabc';
		var reg = /(.)b(.)/g;
	
		while (true) {
 			 var result = reg.exec(str);
  			if (!result) break;
  			console.log(result);
}
	
			// ["abc", "a", "c"]
			// ["abc", "a", "c"]
			

正则表达式内部，还可以用\n引用括号匹配的内容，n是从1开始的自然数，表示对应顺序的括号。

		/(.)b(.)\1b\2/.test("abcabc")
		// true
		

上面的代码中，\1表示第一个括号匹配的内容（即a），\2表示第二个括号匹配的内容（即c）。

下面是另外一个例子。

		/y(..)(.)\2\1/.test('yabccab') // true
		

括号还可以嵌套。

		/y((..)\2)\1/.test('yabababab') // true
		

上面代码中，\1指向外层括号，\2指向内层括号。

组匹配非常有用，下面是一个匹配网页标签的例子。

		var tagName = /<([^>]+)>[^<]*<\/\1>/;

		tagName.exec("<b>bold</b>")[1]
		// 'b'
		

上面代码中，圆括号匹配尖括号之中的标签，而\1就表示对应的闭合标签。

上面代码略加修改，就能捕获带有属性的标签。

		var html = '<b class="hello">Hello</b><i>world</i>';
		var tag = /<(\w+)([^>]*)>(.*?)<\/\1>/g;

		var match = tag.exec(html);

		match[1] // "b"
		match[2] // " class="hello""
		match[3] // "Hello"

		match = tag.exec(html);

		match[1] // "i"
		match[2] // ""
		match[3] // "world"
		

（2）非捕获组

(?:x)称为非捕获组（Non-capturing group），表示不返回该组匹配的内容，即匹配的结果中不计入这个括号。

非捕获组的作用请考虑这样一个场景，假定需要匹配foo或者foofoo，正则表达式就应该写成/(foo){1, 2}/，但是这样会占用一个组匹配。这时，就可以使用非捕获组，将正则表达式改为/(?:foo){1, 2}/，它的作用与前一个正则是一样的，但是不会单独输出括号内部的内容。

请看下面的例子。

	var m = 'abc'.match(/(?:.)b(.)/);
	m // ["abc", "c"]

上面代码中的模式，一共使用了两个括号。其中第一个括号是非捕获组，所以最后返回的结果中没有第一个括号，只有第二个括号匹配的内容。

下面是用来分解网址的正则表达式。

		// 正常匹配
		var url = /(http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;

		url.exec('http://google.com/');
		// ["http://google.com/", "http", "google.com", "/"]

		// 非捕获组匹配
		var url = /(?:http|ftp):\/\/([^/\r\n]+)(\/[^\r\n]*)?/;

		url.exec('http://google.com/');
		// ["http://google.com/", "google.com", "/"]
		

上面的代码中，前一个正则表达式是正常匹配，第一个括号返回网络协议；后一个正则表达式是非捕获匹配，返回结果中不包括网络协议。

（3）先行断言

x(?=y)称为先行断言（Positive look-ahead），x只有在y前面才匹配，y不会被计入返回结果。比如，要匹配后面跟着百分号的数字，可以写成/\d+(?=%)/。

“先行断言”中，括号里的部分是不会返回的。

		var m = 'abc'.match(/b(?=c)/);
		m // ["b"]
		

上面的代码使用了先行断言，b在c前面所以被匹配，但是括号对应的c不会被返回。

（4）先行否定断言

x(?!y)称为先行否定断言（Negative look-ahead），x只有不在y前面才匹配，y不会被计入返回结果。比如，要匹配后面跟的不是百分号的数字，就要写成/\d+(?!%)/。

		/\d+(?!\.)/.exec('3.14')
		// ["14"]
		

上面代码中，正则表达式指定，只有不在小数点前面的数字才会被匹配，因此返回的结果就是14。

“先行否定断言”中，括号里的部分是不会返回的。

		var m = 'abd'.match(/b(?!c)/);
		m // ['b']
		

上面的代码使用了先行否定断言，b不在c前面所以被匹配，而且括号对应的d不会被返回。