正則表達式 - 語法

正則表達式(regular expression)描述了一種字符串匹配的模式(pattern),可以用來檢查一個串是否含有某種子串、將匹配的子串替換或者從某個串中取出符合某個條件的子串等。

例如:

  • runoo+b,可以匹配 runoob、runooob、runoooooob 等,+ 號代表前麵的字符必須至少出現一次(1次或多次)。

  • runoo*b,可以匹配 runob、runoob、runoooooob 等,* 號代表前麵的字符可以不出現,也可以出現一次或者多次(0次、或1次、或多次)。

  • colou?r 可以匹配 color 或者 colour? 問號代表前麵的字符最多隻可以出現一次(0次或1次)。

構造正則表達式的方法和創建數學表達式的方法一樣。也就是用多種元字符與運算符可以將小的表達式結合在一起來創建更大的表達式。正則表達式的組件可以是單個的字符、字符集合、字符範圍、字符間的選擇或者所有這些組件的任意組合。

正則表達式是由普通字符(例如字符 a 到 z)以及特殊字符(稱為"元字符")組成的文字模式。模式描述在搜索文本時要匹配的一個或多個字符串。正則表達式作為一個模板,將某個字符模式與所搜索的字符串進行匹配。


普通字符

普通字符包括沒有顯式指定為元字符的所有可打印和不可打印字符。這包括所有大寫和小寫字母、所有數字、所有標點符號和一些其他符號。

字符 描述 實例
[ABC]

匹配 [...] 中的所有字符,例如 [aeiou] 匹配字符串 "google runoob taobao" 中所有的 e o u a 字母。

嚐試一下 »
[^ABC]

匹配除了 [...] 中字符的所有字符,例如 [^aeiou] 匹配字符串 "google runoob taobao" 中除了 e o u a 字母的所有字母。

嚐試一下 »
[A-Z]

[A-Z] 表示一個區間,匹配所有大寫字母,[a-z] 表示所有小寫字母。

嚐試一下 »
.

匹配除換行符(\n、\r)之外的任何單個字符,相等於 [^\n\r]。

嚐試一下 »
[\s\S]

匹配所有。\s 是匹配所有空白符,包括換行,\S 非空白符,不包括換行。

嚐試一下 »
\w

匹配字母、數字、下劃線。等價於 [A-Za-z0-9_]

嚐試一下 »

測試工具

修飾符:

[0-9]+

匹配文本:

123abc456edf789

非打印字符

非打印字符也可以是正則表達式的組成部分。下表列出了表示非打印字符的轉義序列:

字符 描述
\cx 匹配由x指明的控製字符。例如, \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則,將 c 視為一個原義的 'c' 字符。
\f 匹配一個換頁符。等價於 \x0c 和 \cL。
\n 匹配一個換行符。等價於 \x0a 和 \cJ。
\r 匹配一個回車符。等價於 \x0d 和 \cM。
\s 匹配任何空白字符,包括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。注意 Unicode 正則表達式會匹配全角空格符。
\S 匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。
\t 匹配一個製表符。等價於 \x09 和 \cI。
\v 匹配一個垂直製表符。等價於 \x0b 和 \cK。

特殊字符

所謂特殊字符,就是一些有特殊含義的字符,如上麵說的 runoo*b 中的 *,簡單的說就是表示任何字符串的意思。如果要查找字符串中的 * 符號,則需要對 * 進行轉義,即在其前加一個 \runo\*ob 匹配字符串 runo*ob

許多元字符要求在試圖匹配它們時特別對待。若要匹配這些特殊字符,必須首先使字符"轉義",即,將反斜杠字符\ 放在它們前麵。下表列出了正則表達式中的特殊字符:

特別字符 描述
$ 匹配輸入字符串的結尾位置。如果設置了 RegExp 對象的 Multiline 屬性,則 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身,請使用 \$。
( ) 標記一個子表達式的開始和結束位置。子表達式可以獲取供以後使用。要匹配這些字符,請使用 \( 和 \)。
* 匹配前麵的子表達式零次或多次。要匹配 * 字符,請使用 \*。
+ 匹配前麵的子表達式一次或多次。要匹配 + 字符,請使用 \+。
. 匹配除換行符 \n 之外的任何單字符。要匹配 . ,請使用 \. 。
[ 標記一個中括號表達式的開始。要匹配 [,請使用 \[。
? 匹配前麵的子表達式零次或一次,或指明一個非貪婪限定符。要匹配 ? 字符,請使用 \?。
\ 將下一個字符標記為或特殊字符、或原義字符、或向後引用、或八進製轉義符。例如, 'n' 匹配字符 'n'。'\n' 匹配換行符。序列 '\\' 匹配 "\",而 '\(' 則匹配 "("。
^ 匹配輸入字符串的開始位置,除非在方括號表達式中使用,當該符號在方括號表達式中使用時,表示不接受該方括號表達式中的字符集合。要匹配 ^ 字符本身,請使用 \^。
{ 標記限定符表達式的開始。要匹配 {,請使用 \{。
| 指明兩項之間的一個選擇。要匹配 |,請使用 \|。

限定符

限定符用來指定正則表達式的一個給定組件必須要出現多少次才能滿足匹配。有 *+?{n}{n,}{n,m} 共6種。

正則表達式的限定符有:

字符 描述
* 匹配前麵的子表達式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"* 等價於 {0,}
+ 匹配前麵的子表達式一次或多次。例如,zo+ 能匹配 "zo" 以及 "zoo",但不能匹配 "z"+ 等價於 {1,}
?

匹配前麵的子表達式零次或一次。例如,do(es)? 可以匹配 "do""does""doxy" 中的 "do"? 等價於 {0,1}

{n} n 是一個非負整數。匹配確定的 n 次。例如,o{2} 不能匹配 "Bob" 中的 o,但是能匹配 "food" 中的兩個 o
{n,} n 是一個非負整數。至少匹配n 次。例如,o{2,} 不能匹配 "Bob" 中的 o,但能匹配 "foooood" 中的所有 oo{1,} 等價於 o+o{0,} 則等價於 o*
{n,m} m 和 n 均為非負整數,其中 n <= m。最少匹配 n 次且最多匹配 m 次。例如,o{1,3} 將匹配 "fooooood" 中的前三個 oo{0,1} 等價於 o?。請注意在逗號和兩個數之間不能有空格。

以下正則表達式匹配一個正整數,[1-9]設置第一個數字不是 0,[0-9]* 表示任意多個數字:

/[1-9][0-9]*/

請注意,限定符出現在範圍表達式之後。因此,它應用於整個範圍表達式,在本例中,隻指定從 0 到 9 的數字(包括 0 和 9)。

這裏不使用 + 限定符,因為在第二個位置或後麵的位置不一定需要有一個數字。也不使用 ? 字符,因為使用 ? 會將整數限製到隻有兩位數。

如果你想設置 0~99 的兩位數,可以使用下麵的表達式來至少指定一位但至多兩位數字。

/[0-9]{1,2}/

上麵的表達式的缺點是,隻能匹配兩位數字,而且可以匹配 0、00、01、10 99 的章節編號仍隻匹配開頭兩位數字。

改進下,匹配 1~99 的正整數表達式如下:

/[1-9][0-9]?/

/[1-9][0-9]{0,1}/

*+ 限定符都是貪婪的,因為它們會盡可能多的匹配文字,隻有在它們的後麵加上一個 ? 就可以實現非貪婪或最小匹配。

例如,您可能搜索 HTML 文檔,以查找在 h1 標簽內的內容。HTML 代碼如下:

<h1>RUNOOB-菜鳥教程</h1>

貪婪:下麵的表達式匹配從開始小於符號 (<) 到關閉 h1 標記的大於符號 (>) 之間的所有內容。

/<.*>/

非貪婪:如果您隻需要匹配開始和結束 h1 標簽,下麵的非貪婪表達式隻匹配 <h1>。

/<.*?>/

也可以使用以下正則表達式來匹配 h1 標簽,表達式則是:

/<\w+?>/

通過在 *+? 限定符之後放置 ?,該表達式從"貪婪"表達式轉換為"非貪婪"表達式或者最小匹配。


定位符

定位符使您能夠將正則表達式固定到行首或行尾。它們還使您能夠創建這樣的正則表達式,這些正則表達式出現在一個單詞內、在一個單詞的開頭或者一個單詞的結尾。

定位符用來描述字符串或單詞的邊界,^$ 分別指字符串的開始與結束,\b 描述單詞的前或後邊界,\B 表示非單詞邊界。

正則表達式的定位符有:

字符 描述
^ 匹配輸入字符串開始的位置。如果設置了 RegExp 對象的 Multiline 屬性,^ 還會與 \n 或 \r 之後的位置匹配。
$ 匹配輸入字符串結尾的位置。如果設置了 RegExp 對象的 Multiline 屬性,$ 還會與 \n 或 \r 之前的位置匹配。
\b 匹配一個單詞邊界,即字與空格間的位置。
\B 非單詞邊界匹配。

注意:不能將限定符與定位符一起使用。由於在緊靠換行或者單詞邊界的前麵或後麵不能有一個以上位置,因此不允許諸如 ^* 之類的表達式。

若要匹配一行文本開始處的文本,請在正則表達式的開始使用 ^ 字符。不要將 ^ 的這種用法與中括號表達式內的用法混淆。

若要匹配一行文本的結束處的文本,請在正則表達式的結束處使用 $ 字符。

若要在搜索章節標題時使用定位點,下麵的正則表達式匹配一個章節標題,該標題隻包含兩個尾隨數字,並且出現在行首:

/^Chapter [1-9][0-9]{0,1}/

真正的章節標題不僅出現行的開始處,而且它還是該行中僅有的文本。它既出現在行首又出現在同一行的結尾。下麵的表達式能確保指定的匹配隻匹配章節而不匹配交叉引用。通過創建隻匹配一行文本的開始和結尾的正則表達式,就可做到這一點。

/^Chapter [1-9][0-9]{0,1}$/

匹配單詞邊界稍有不同,但向正則表達式添加了很重要的能力。單詞邊界是單詞和空格之間的位置。非單詞邊界是任何其他位置。下麵的表達式匹配單詞 Chapter 的開頭三個字符,因為這三個字符出現在單詞邊界後麵:

/\bCha/

\b 字符的位置是非常重要的。如果它位於要匹配的字符串的開始,它在單詞的開始處查找匹配項。如果它位於字符串的結尾,它在單詞的結尾處查找匹配項。例如,下麵的表達式匹配單詞 Chapter 中的字符串 ter,因為它出現在單詞邊界的前麵:

/ter\b/

下麵的表達式匹配 Chapter 中的字符串 apt,但不匹配 aptitude 中的字符串 apt:

/\Bapt/

字符串 apt 出現在單詞 Chapter 中的非單詞邊界處,但出現在單詞 aptitude 中的單詞邊界處。對於 \B 非單詞邊界運算符,不可以匹配單詞的開頭或結尾,如果是下麵的表達式,就不匹配 Chapter 中的 Cha:

\BCha

選擇

用圓括號 () 將所有選擇項括起來,相鄰的選擇項之間用 | 分隔。

() 表示捕獲分組,() 會把每個分組裏的匹配的值保存起來, 多個匹配值可以通過數字 n 來查看(n 是一個數字,表示第 n 個捕獲組的內容)。

但用圓括號會有一個副作用,使相關的匹配會被緩存,此時可用 ?: 放在第一個選項前來消除這種副作用。

其中 ?: 是非捕獲元之一,還有兩個非捕獲元是 ?=?!,這兩個還有更多的含義,前者為正向預查,在任何開始匹配圓括號內的正則表達式模式的位置來匹配搜索字符串,後者為負向預查,在任何開始不匹配該正則表達式模式的位置來匹配搜索字符串。

以下列出 ?=、?<=、?!、?<! 的使用區別

exp1(?=exp2):查找 exp2 前麵的 exp1。

(?<=exp2)exp1:查找 exp2 後麵的 exp1。

exp1(?!exp2):查找後麵不是 exp2 的 exp1。

(?<!exp2)exp1:查找前麵不是 exp2 的 exp1。

更多內容可以參考:正則表達式的先行斷言(lookahead)和後行斷言(lookbehind)


反向引用

對一個正則表達式模式或部分模式兩邊添加圓括號將導致相關匹配存儲到一個臨時緩衝區中,所捕獲的每個子匹配都按照在正則表達式模式中從左到右出現的順序存儲。緩衝區編號從 1 開始,最多可存儲 99 個捕獲的子表達式。每個緩衝區都可以使用 \n 訪問,其中 n 為一個標識特定緩衝區的一位或兩位十進製數。

可以使用非捕獲元字符 ?:?=?! 來重寫捕獲,忽略對相關匹配的保存。

反向引用的最簡單的、最有用的應用之一,是提供查找文本中兩個相同的相鄰單詞的匹配項的能力。以下麵的句子為例:

Is is the cost of of gasoline going up up?

上麵的句子很顯然有多個重複的單詞。如果能設計一種方法定位該句子,而不必查找每個單詞的重複出現,那該有多好。下麵的正則表達式使用單個子表達式來實現這一點:

實例

查找重複的單詞:

var str = "Is is the cost of of gasoline going up up"; var patt1 = /\b([a-z]+) \1\b/igm; document.write(str.match(patt1));

嚐試一下 »

捕獲的表達式,正如 [a-z]+ 指定的,包括一個或多個字母。正則表達式的第二部分是對以前捕獲的子匹配項的引用,即,單詞的第二個匹配項正好由括號表達式匹配。\1 指定第一個子匹配項。

單詞邊界元字符確保隻檢測整個單詞。否則,諸如 "is issued" 或 "this is" 之類的詞組將不能正確地被此表達式識別。

正則表達式後麵的全局標記 g 指定將該表達式應用到輸入字符串中能夠查找到的盡可能多的匹配。

表達式的結尾處的不區分大小寫 i 標記指定不區分大小寫。

多行標記 m 指定換行符的兩邊可能出現潛在的匹配。

反向引用還可以將通用資源指示符 (URI) 分解為其組件。假定您想將下麵的 URI 分解為協議(ftp、http 等等)、域地址和頁/路徑:

https://rb.wikimirror.xyz:80/html/html-tutorial.html

下麵的正則表達式提供該功能:

實例

輸出所有匹配的數據:

var str = "https://rb.wikimirror.xyz:80/html/html-tutorial.html"; var patt1 = /(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/; arr = str.match(patt1); for (var i = 0; i < arr.length ; i++) { document.write(arr[i]); document.write("<br>"); }

嚐試一下 »

第三行代碼 str.match(patt1) 返回一個數組,實例中的數組包含 5 個元素,索引 0 對應的是整個字符串,索引 1 對應第一個匹配符(括號內),以此類推。

第一個括號子表達式捕獲 Web 地址的協議部分。該子表達式匹配在冒號和兩個正斜杠前麵的任何單詞。

第二個括號子表達式捕獲地址的域地址部分。子表達式匹配非 :/ 之後的一個或多個字符。

第三個括號子表達式捕獲端口號(如果指定了的話)。該子表達式匹配冒號後麵的零個或多個數字。隻能重複一次該子表達式。

最後,第四個括號子表達式捕獲 Web 地址指定的路徑和 / 或頁信息。該子表達式能匹配不包括 # 或空格字符的任何字符序列。

將正則表達式應用到上麵的 URI,各子匹配項包含下麵的內容:

  • 第一個括號子表達式包含 https
  • 第二個括號子表達式包含 rb.wikimirror.xyz
  • 第三個括號子表達式包含 :80
  • 第四個括號子表達式包含 /html/html-tutorial.html