ECMAScript 通过RegExp 类型来支持正则表达式。使用下面类似Perl 的语法,就可以创建一个正则表达式。
var expression = / pattern / flags ;
其中的模式(pattern)部分可以是任何简单或复杂的正则表达式,可以包含字符类、限定符、分组、向前查找以及反向引用。每个正则表达式都可带有一或多个标志(flags),用以标明正则表达式的行为。正则表达式的匹配模式支持下列3 个标志。
/* * 匹配字符串中所有"at"的实例 */ var pattern1 = /at/g; /* * 匹配第一个"bat"或"cat",不区分大小写 */ var pattern2 = /[bc]at/i; /* * 匹配所有以"at"结尾的3 个字符的组合,不区分大小写 */ var pattern3 = /.at/gi;
与其他语言中的正则表达式类似,模式中使用的所有元字符都必须转义。正则表达式中的元字符包括:
( [ { \ ^ $ | ) ? * + .]}
这些元字符在正则表达式中都有一或多种特殊用途,因此如果想要匹配字符串中包含的这些字符,就必须对它们进行转义。下面给出几个例子。
/* * 匹配第一个"bat"或"cat",不区分大小写 */ var pattern1 = /[bc]at/i; /* * 匹配第一个" [bc]at",不区分大小写 */ var pattern2 = /\[bc\]at/i; /* * 匹配所有以"at"结尾的3 个字符的组合,不区分大小写 */ var pattern3 = /.at/gi; /* * 匹配所有".at",不区分大小写 */ var pattern4 = /\.at/gi;
在上面的例子中,pattern1 匹配第一个"bat"或"cat",不区分大小写。而要想直接匹配"[bc]at"的话,就需要像定义pattern2 一样,对其中的两个方括号进行转义。对于pattern3 来说,句点表示位于"at"之前的任意一个可以构成匹配项的字符。但如果想匹配".at",则必须对句点本身进行转义,如pattern4 所示。
前面举的这些例子都是以字面量形式来定义的正则表达式。另一种创建正则表达式的方式是使用RegExp 构造函数,它接收两个参数:一个是要匹配的字符串模式,另一个是可选的标志字符串。可以使用字面量定义的任何表达式,都可以使用构造函数来定义,如下面的例子所示。
/* * 匹配第一个"bat"或"cat",不区分大小写 */ var pattern1 = /[bc]at/i; /* * 与pattern1 相同,只不过是使用构造函数创建的 */ var pattern2 = new RegExp("[bc]at", "i");
在此,pattern1 和pattern2 是两个完全等价的正则表达式。要注意的是,传递给RegExp 构造函数的两个参数都是字符串(不能把正则表达式字面量传递给RegExp 构造函数)。由于RegExp 构造函数的模式参数是字符串,所以在某些情况下要对字符进行双重转义。所有元字符都必须双重转义,那些已经转义过的字符也是如此,例如\n(字符\在字符串中通常被转义为\\,而在正则表达式字符串中就会变成\\\\)。下表给出了一些模式,左边是这些模式的字面量形式,右边是使用RegExp 构造函数定义相同模式时使用的字符串。
字面量模式 |
等价的字符串 |
/\[bc\]at/ |
"\\[bc\\]at " |
/\.at/ |
"\\.at " |
/name\/age/ |
"name\\/age " |
/\d.\d{1,2}/ |
"\\d.\\d{1,2} " |
/\w\\hello\\123/ |
"\\w\\\\hello\\\\123 " |
var re = null, i; for (i=0; i < 10; i++){ re = /cat/g; re.test("catastrophe"); } for (i=0; i < 10; i++){ re= new RegExp("cat", "g"); re.test("catastrophe"); }
在第一个循环中,即使是循环体中指定的,但实际上只为/cat/创建了一个RegExp 实例。由于实例属性(下一节介绍实例属性)不会重置,所以在循环中再次调用test()方法会失败。这是因为第一次调用test()找到了"cat",但第二次调用是从索引为3 的字符(上一次匹配的末尾)开始的,所以就找不到它了。由于会测试到字符串末尾,所以下一次再调用test()就又从开头开始了。
第二个循环使用RegExp 构造函数在每次循环中创建正则表达式。因为每次迭代都会创建一个新的RegExp 实例,所以每次调用test()都会返回true。
ECMAScript 5 明确规定,使用正则表达式字面量必须像直接调用RegExp 构造函数一样,每次都创建新的RegExp 实例。IE9+、Firefox 4+和Chrome 都据此做出了修改。
通过这些属性可以获知一个正则表达式的各方面信息,但却没有多大用处,因为这些信息全都包含在模式声明中。例如:
var pattern1 = /\[bc\]at/i; alert(pattern1.global); //false alert(pattern1.ignoreCase); //true alert(pattern1.multiline); //false alert(pattern1.lastIndex); //0 alert(pattern1.source); //"\[bc\]at" var pattern2 = new RegExp("\\[bc\\]at", "i"); alert(pattern2.global); //false alert(pattern2.ignoreCase); //true alert(pattern2.multiline); //false alert(pattern2.lastIndex); //0 aler t(pattern2.source); //"\[bc\]at"运行一下
我们注意到,尽管第一个模式使用的是字面量,第二个模式使用了RegExp 构造函数,但它们的source 属性是相同的。可见,source 属性保存的是规范形式的字符串,即字面量形式所用的字符串。
RegExp 对象的主要方法是exec(),该方法是专门为捕获组而设计的。exec()接受一个参数,即要应用模式的字符串,然后返回包含第一个匹配项信息的数组;或者在没有匹配项的情况下返回null。返回的数组虽然是Array 的实例,但包含两个额外的属性:index 和input。其中,index 表示匹配项在字符串中的位置,而input 表示应用正则表达式的字符串。在数组中,第一项是与整个模式匹配的字符串,其他项是与模式中的捕获组匹配的字符串(如果模式中没有捕获组,则该数组只包含一项)。
请看下面的例子。var text = "mom and dad and baby"; var pattern = /mom( and dad( and baby)?)?/gi; var matches = pattern.exec(text); alert(matches.index); // 0 alert(matches.input); // "mom and dad and baby" alert(matches[0]); // "mom and dad and baby" alert(matches[1]); // " and dad and baby" aler t(matches[2]); // " and baby"运行一下
这个例子中的模式包含两个捕获组。最内部的捕获组匹配"and baby",而包含它的捕获组匹配"anddad"或者"and dad and baby"。当把字符串传入exec()方法中之后,发现了一个匹配项。因为整个字符串本身与模式匹配,所以返回的数组matchs 的index 属性值为0。数组中的第一项是匹配的整个字符串,第二项包含与第一个捕获组匹配的内容,第三项包含与第二个捕获组匹配的内容。
对于exec()方法而言,即使在模式中设置了全局标志(g),它每次也只会返回一个匹配项。在不设置全局标志的情况下,在同一个字符串上多次调用exec()将始终返回第一个匹配项的信息。而在设置全局标志的情况下,每次调用exec()则都会在字符串中继续查找新匹配项,如下面的例子所示。
var text = "cat, bat, sat, fat"; var pattern1 = /.at/; var matches = pattern1.exec(text); alert(matches.index); //0 alert(matches[0]); //cat alert(pattern1.lastIndex); //0 matches = pattern1.exec(text); alert(matches.index); //0 alert(matches[0]); //cat alert(pattern1.lastIndex); //0 var pattern2 = /.at/g; var matches = pattern2.exec(text); alert(matches.index); //0 alert(matches[0]); //cat alert(pattern2.lastIndex); //3 matches = pattern2.exec(text); alert(matches.index); //5 alert(matches[0]); //bat alert(pattern2.lastIndex); //8运行一下
这个例子中的第一个模式pattern1 不是全局模式,因此每次调用exec()返回的都是第一个匹配项("cat")。而第二个模式pattern2 是全局模式,因此每次调用exec()都会返回字符串中的下一个匹配项,直至搜索到字符串末尾为止。此外,还应该注意模式的lastIndex 属性的变化情况。在全局匹配模式下,lastIndex 的值在每次调用exec()后都会增加,而在非全局模式下则始终保持不变。
IE 的JavaScript 实现在lastIndex 属性上存在偏差,即使在非全局模式下,lastIndex 属性每次也会变化。
正则表达式的第二个方法是test(),它接受一个字符串参数。在模式与该参数匹配的情况下返回true;否则,返回false。在只想知道目标字符串与某个模式是否匹配,但不需要知道其文本内容的情况下,使用这个方法非常方便。因此,test()方法经常被用在if 语句中,如下面的例子所示。
var text = "000-00-0000"; var pattern = /\d{3}-\d{2}-\d{4}/; if (pattern.test(text)){ alert("The pattern was matched."); }
在这个例子中,我们使用正则表达式来测试了一个数字序列。如果输入的文本与模式匹配,则显示一条消息。这种用法经常出现在验证用户输入的情况下,因为我们只想知道输入是不是有效,至于它为什么无效就无关紧要了。
RegExp 实例继承的toLocaleString()和toString()方法都会返回正则表达式的字面量,与创建正则表达式的方式无关。例如:
var pattern = new RegExp("\\[bc\\]at", "gi"); alert(pattern.toString()); // /\[bc\]at/gi alert(pattern.toLocaleString()); // /\[bc\]at/gi运行一下
即使上例中的模式是通过调用RegExp 构造函数创建的,但toLocaleString()和toString()方法仍然会像它是以字面量形式创建的一样显示其字符串表示。
正则表达式的valueOf()方法返回正则表达式本身。
RegExp 构造函数包含一些属性(这些属性在其他语言中被看成是静态属性)。这些属性适用于作用域中的所有正则表达式,并且基于所执行的最近一次正则表达式操作而变化。关于这些属性的另一个独特之处,就是可以通过两种方式访问它们。换句话说,这些属性分别有一个长属性名和一个短属性名(Opera 是例外,它不支持短属性名)。下表列出了RegExp 构造函数的属性。
长属性名 短属性名 说 明multiline $* 布尔值,表示是否所有表达式都使用多行模式。IE和Opera未实现此属性rightContext $' Input字符串中lastMatch之后的文本使用这些属性可以从exec()或test()执行的操作中提取出更具体的信息。请看下面的例子。
var text = "this has been a short summer"; var pattern = /(.)hort/g; /* * 注意:Opera 不支持input、lastMatch、lastParen 和multiline 属性 * Internet Explorer 不支持multiline 属性 */ if (pattern.test(text)){ alert(RegExp.input); // this has been a short summer alert(RegExp.leftContext); // this has been a alert(RegExp.rightContext); // summer alert(RegExp.lastMatch); // short alert(RegExp.lastParen); // s alert(RegExp.multiline); // false }运行一下
如前所述,例子使用的长属性名都可以用相应的短属性名来代替。只不过,由于这些短属性名大都不是有效的ECMAScript 标识符,因此必须通过方括号语法来访问它们,如下所示。
var text = "this has been a short summer"; var pattern = /(.)hort/g; /* * 注意:Opera 不支持input、lastMatch、lastParen 和multiline 属性 * Internet Explorer 不支持multiline 属性 */ if (pattern.test(text)){ alert(RegExp.$_); // this has been a short summer alert(RegExp["$`"]); // this has been a alert(RegExp["$'"]); // summer alert(RegExp["$&"]); // short alert(RegExp["$+"]); // s alert(RegExp["$*"]); // false }运行一下
除了上面介绍的几个属性之外,还有多达9 个用于存储捕获组的构造函数属性。访问这些属性的语法是RegExp.$1、RegExp.$2…RegExp.$9,分别用于存储第一、第二……第九个匹配的捕获组。在调用exec()或test()方法时,这些属性会被自动填充。然后,我们就可以像下面这样来使用它们。
var text = "this has been a short summer"; var pattern = /(..)or(.)/g; if (pattern.test(text)){ alert(RegExp.$1); //sh alert(RegExp.$2); //t }运行一下
这里创建了一个包含两个捕获组的模式,并用该模式测试了一个字符串。即使test()方法只返回一个布尔值,但RegExp 构造函数的属性$1 和$2 也会被匹配相应捕获组的字符串自动填充。
尽管ECMAScript 中的正则表达式功能还是比较完备的,但仍然缺少某些语言(特别是Perl)所支持的高级正则表达式特性。下面列出了ECMAScript 正则表达式不支持的特性(要了解更多相关信息,请访问www.regular-expressions.info)。