js 正则表达式详解

一、概述

正则表达式（regular expression）是一种表达文本模式（即字符串结构）的方法，有点像字符串的模板，常常用来按照“给定模式”匹配文本。
正则表达式用于对字符串模式匹配及检索替换，是对字符串执行模式匹配的强大工具。
JavaScript 的正则表达式体系是参照 Perl 5 建立的。

二、语法

新建正则表达式有两种方法：

一种是使用RegExp构造函数。
另一种是使用字面量，以斜杠表示开始和结束。

var regex = new RegExp('xyz', 'i');
// 等价于
var regex = /xyz/i;

三、修饰符（实例属性）

1、修饰符：

修饰符	描述
i	执行对大小写不敏感的匹配。
g	执行全局匹配（查找所有匹配而非在找到第一个匹配后停止，换言之：下一次搜索的位置从上一次匹配成功结束的位置开始）。
m	执行多行匹配。
u	(ES6 )含义为“Unicode 模式”，用来正确处理大于\uFFFF的 Unicode 字符。也就是说，会正确处理四个字节的 UTF-16 编码。
y	(ES6 )“粘连”（sticky）修饰符：y修饰符的作用与g修饰符类似，也是全局匹配，后一次匹配都从上一次匹配成功的下一个位置开始。不同之处在于，g修饰符只要剩余位置中存在匹配就可，而y修饰符确保匹配必须从剩余的第一个位置开始，这也就是“粘连”的涵义。

2、实例属性：

正则对象的实例属性分成两类。

（1）一类是修饰符相关，用于了解设置了什么修饰符。

RegExp.prototype.ignoreCase： 返回一个布尔值，表示是否设置了 i 修饰符。
RegExp.prototype.global： 返回一个布尔值，表示是否设置了 g 修饰符。
RegExp.prototype.multiline： 返回一个布尔值，表示是否设置了 m 修饰符。
RegExp.prototype.flags： （ES6）返回一个字符串，包含了已经设置的所有修饰符，按字母排序。

这四个属性都是只读的，如下代码：

var r = /abc/igm;
r.ignoreCase // true
r.global // true
r.multiline // true
r.flags // 'gim'

（2）另一类是与修饰符无关的属性，主要是下面两个。

RegExp.prototype.lastIndex： 返回一个整数，表示下一次开始搜索的位置。该属性可读写，但是只在进行连续搜索时有意义，详细介绍请看后文。
RegExp.prototype.source： 返回正则表达式的字符串形式（不包括反斜杠），该属性只读。

var r = /abc/igm;r.lastIndex // 0
r.source // "abc"

四、实例方法

1、test()

正则实例对象的test方法返回一个布尔值，表示当前模式是否能匹配参数字符串。

（1）如果正则表达式带有g修饰符，则每一次test方法都从上一次结束的位置开始向后匹配。

var r = /x/g;
var s = '_x_x';// lastIndex的解释看上文实例属性的第二种情况的概述r.lastIndex // 0
r.test(s) // truer.lastIndex // 2
r.test(s) // truer.lastIndex // 4
r.test(s) // false

（2）带有g修饰符时，可以通过正则对象的lastIndex属性指定开始搜索的位置。

var r = /x/g;
var s = '_x_x';r.lastIndex = 4;
r.test(s) // falser.lastIndex // 0
r.test(s)

上面代码指定从字符串的第五个位置开始搜索，这个位置为空，所以返回false。同时，lastIndex属性重置为0，所以第二次执行r.test(s)会返回true。

（3） 注意： 带有g修饰符时，正则表达式内部会记住上一次的lastIndex属性，这时不应该更换所要匹配的字符串，否则会有一些难以察觉的错误。

var r = /bb/g;
r.test('bb') // true
r.test('-bb-') // false

上面代码中，由于正则表达式 r 是从上一次的lastIndex位置开始匹配，导致第二次执行test方法时出现预期以外的结果，言外之意就是第二次执行test方法时lastIndex不是从0开始，是接着上一次的位置开始匹配。

（4）如果正则模式是一个空字符串，则匹配所有字符串。

new RegExp('').test('abc')
// true

2、exec()

正则实例对象的 exec() 方法，用来返回匹配结果。如果发现匹配，就返回一个数组，成员是匹配成功的子字符串，否则返回 null。

var s = '_x_x';
var r1 = /x/;
var r2 = /y/;r1.exec(s) // ["x"]
r2.exec(s) // null

注意： 如果正则表示式包含圆括号（即含有“ () 又被称为 组匹配 ”），则返回的数组会包括多个成员。第一个成员是整个匹配成功的结果，后面的成员就是圆括号对应的匹配成功的组。也就是说，第二个成员对应第一个括号，第三个成员对应第二个括号，以此类推。整个数组的 length 属性等于组匹配的数量再加1。

var s = '_x_x';
var r = /_(x)/;r.exec(s) // ["_x", "x"]

上面代码的exec()方法，返回一个数组。第一个成员是整个匹配的结果，第二个成员是圆括号匹配的结果。

exec()方法的返回数组还包含以下两个属性：

input： 整个原字符串。
index： 模式匹配成功的开始位置（从0开始计数）。

var r = /a(b+)a/;
var arr = r.exec('_abbba_aba_');arr // ["abbba", "bbb"]arr.index // 1
arr.input // "_abbba_aba_"

五、字符串实例方法

字符串的实例方法之中，有4种与正则表达式有关。

String.prototype.match()： 返回一个数组，成员是所有匹配的子字符串。
String.prototype.matchAll()： ES2020 增加的方法，可以一次性取出所有匹配。不过，它返回的是一个遍历器（Iterator），而不是数组。
String.prototype.search()： 按照给定的正则表达式进行搜索，返回一个整数，表示匹配开始的位置。
String.prototype.replace()： 按照给定的正则表达式进行替换，返回替换后的字符串。
String.prototype.split()： 按照给定规则进行字符串分割，返回一个数组，包含分割后的各个成员。

1、match()、matchAll()（ES2020新增）

（1）match()

如果正则表达式带有 g修饰符，则该方法与正则对象的exec方法行为不同，会一次性返回所有匹配成功的结果。

var s = 'abba';
var r = /a/g;s.match(r) // ["a", "a"]
r.exec(s) // ["a"]

注意： 设置正则表达式的lastIndex属性，对match方法无效，匹配总是从字符串的第一个字符开始。

var r = /a|b/g;
r.lastIndex = 7;
'xaxb'.match(r) // ['a', 'b']
r.lastIndex // 0

（2）matchAll()

如果一个正则表达式在字符串里面有多个匹配，现在一般使用g修饰符或y修饰符，在循环里面逐一取出。

var regex = /t(e)(st(\d?))/g;
var string = 'test1test2test3';var matches = [];
var match;
while (match = regex.exec(string)) {matches.push(match);
}matches
// [
//   ["test1", "e", "st1", "1", index: 0, input: "test1test2test3"],
//   ["test2", "e", "st2", "2", index: 5, input: "test1test2test3"],
//   ["test3", "e", "st3", "3", index: 10, input: "test1test2test3"]
// ]

上面代码中，while循环取出每一轮的正则匹配，一共三轮。

ES2020 增加了String.prototype.matchAll()方法，可以一次性取出所有匹配。不过，它返回的是一个遍历器（Iterator），而不是数组。

const string = 'test1test2test3';
const regex = /t(e)(st(\d?))/g;for (const match of string.matchAll(regex)) {console.log(match);
}
// ["test1", "e", "st1", "1", index: 0, input: "test1test2test3"]
// ["test2", "e", "st2", "2", index: 5, input: "test1test2test3"]
// ["test3", "e", "st3", "3", index: 10, input: "test1test2test3"]

上面代码中，由于string.matchAll(regex)返回的是遍历器，所以可以用for...of循环取出。相对于返回数组，返回遍历器的好处在于，如果匹配结果是一个很大的数组，那么遍历器比较节省资源。

遍历器转为数组是非常简单的，使用…运算符和Array.from()方法就可以了。

// 转为数组的方法一
[...string.matchAll(regex)]// 转为数组的方法二
Array.from(string.matchAll(regex))

2、search()

字符串对象的 search 方法，返回第一个满足条件的匹配结果在整个字符串中的位置。如果没有任何匹配，则返回 -1。

'_x_x'.search(/x/)
// 1

3、replace()

str.replace(search, replacement)

字符串对象的replace方法可以替换匹配的值。它接受两个参数，第一个是正则表达式，表示搜索模式，第二个是替换的内容（第二个参数也可以是有返回值的函数）。

replace方法的一个应用，就是消除字符串首尾两端的空格。

var str = '  #id div.class  ';str.replace(/^\s+|\s+$/g, '')
// "#id div.class"

注意： 字符串自身有去空格的方法： trim()去除字符串两端的空格、trimStart()消除字符串头部的空格、trimEnd()消除尾部的空格。它们返回的都是新字符串，不会修改原始字符串。

replace方法的第二个参数可以使用美元符号$，用来指代所替换的内容。

$&：匹配的子字符串。
$`：匹配结果前面的文本。
$'：匹配结果后面的文本。
$n：匹配成功的第n组内容，n是从1开始的自然数。
$$：指代美元符号$。

'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1')
// "world hello"'abc'.replace('b', '[$`-$&-$\']')
// "a[a-b-c]c"//第一个例子是将匹配的组互换位置，第二个例子是改写匹配的值。

replace方法的第二个参数还可以是一个函数，将每一个匹配内容替换为函数返回值。

'3 and 5'.replace(/[0-9]+/g, function (match) {return 2 * match;
})
// "6 and 10"var a = 'The quick brown fox jumped over the lazy dog.';
var pattern = /quick|brown|lazy/ig;a.replace(pattern, function replacer(match) {return match.toUpperCase();
});
// The QUICK BROWN fox jumped over the LAZY dog.

4、split()

字符串对象的 split 方法按照正则规则分割字符串，返回一个由分割后的各个部分组成的数组。

str.split(separator, [limit])

该方法接受两个参数，第一个参数是正则表达式，表示分隔规则，第二个参数是返回数组的最大成员数。

// 非正则分隔
'a,  b,c, d'.split(',')
// [ 'a', '  b', 'c', ' d' ]// 正则分隔，去除多余的空格
'a,  b,c, d'.split(/, */)
// [ 'a', 'b', 'c', 'd' ]// 指定返回数组的最大成员
'a,  b,c, d'.split(/, */, 2)
[ 'a', 'b' ]

六、匹配规则（各类字符）

1、点字符（.)

点字符（.）匹配除了回车（\r）、换行(\n) 、行分隔符（\u2028）和段分隔符（\u2029）以外的所有字符。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/

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（`^` 、`$`）

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（`|`）

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// 多个选择符可以联合使用。匹配fred、barney、betty之中的一个
/fred|barney|betty/

4、转义符（`\`）

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、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
\u4e00-\u9fa5 匹配中文字符。例如：/^[\u4e00-\u9fa5]{2,5}$/ 表示为2-5位中文字符

6、预定义模式 (某些常见模式的简写方式，比特殊字符常用的多)

\d 匹配0-9之间的任一数字，相当于[0-9]
\D 匹配所有0-9以外的字符，相当于[^0-9]
\w 匹配任意的字母、数字和下划线，相当于[A-Za-z0-9_]
\W 除所有字母、数字和下划线以外的字符，相当于[^A-Za-z0-9_]
\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]
\S 匹配非空格的字符，相当于[^ \t\r\n\v\f]
\b 匹配词的边界
\B 匹配非词边界，即在词的内部

7、字符类 (`[]`、`[^]`、`连字符（-）`)

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

脱字符（^）：
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
/[^abc]/.test('bbc') // false

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。

连字符（-）：
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： 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。

8、重复类（`{}`）

模式的精确匹配次数，使用大括号（{}）表示。

{n}表示只重复 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
/lo{2,5}k/.test('looook') // true

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。

9、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

10、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。

除了贪婪模式，还有非贪婪模式，即最小可能匹配。只要一发现匹配，就返回结果，不要往下检查。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"]

上面例子中，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，+?表示只要发现一个a，就不再往下匹配了。

还有其他几种非贪婪模式，如下：

+?：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*/) // ["abb"]
'abb'.match(/ab*?/) // ["a"]'abb'.match(/ab?/) // ["ab"]
'abb'.match(/ab??/) // ["a"]

11、组匹配（`（）`）

（1）概述（捕获分组）

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
/(fred)+/.test('fredfred') // true

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(.)/);
m
// ['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）。

在例举一个例子。

/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。

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。