正則表達(dá)式
正則表達(dá)式 - 語(yǔ)法
正則表達(dá)式(regular expression)描述了一種字符串匹配的模式（pattern），可以用來(lái)檢查一個(gè)串是否含有某種子串、將匹配的子串替換或者從某個(gè)串中取出符合某個(gè)條件的子串等。
例如：
runoo+b，可以匹配 json、runooob、runoooooob 等，+ 號(hào)代表前面的字符必須至少出現(xiàn)一次（1次或多次）。
runoo*b，可以匹配 runob、json、runoooooob 等，* 號(hào)代表前面的字符可以不出現(xiàn)，也可以出現(xiàn)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(wèn)號(hào)代表前面的字符最多只可以出現(xiàn)一次（0次、或1次）。
構(gòu)造正則表達(dá)式的方法和創(chuàng)建數(shù)學(xué)表達(dá)式的方法一樣。也就是用多種元字符與運(yùn)算符可以將小的表達(dá)式結(jié)合在一起來(lái)創(chuàng)建更大的表達(dá)式。正則表達(dá)式的組件可以是單個(gè)的字符、字符集合、字符范圍、字符間的選擇或者所有這些組件的任意組合。
正則表達(dá)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(shí)要匹配的一個(gè)或多個(gè)字符串。正則表達(dá)式作為一個(gè)模板，將某個(gè)字符模式與所搜索的字符串進(jìn)行匹配。
普通字符
普通字符包括沒(méi)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(xiě)和小寫(xiě)字母、所有數(shù)字、所有標(biāo)點(diǎn)符號(hào)和一些其他符號(hào)。
非打印字符
非打印字符也可以是正則表達(dá)式的組成部分。下表列出了表示非打印字符的轉(zhuǎn)義序列：
| 字符 | 描述 |
|---|---|
| cx | 匹配由x指明的控制字符。例如， cM 匹配一個(gè) Control-M 或回車(chē)符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個(gè)原義的 'c' 字符。 |
| f | 匹配一個(gè)換頁(yè)符。等價(jià)于 x0c 和 cL。 |
| n | 匹配一個(gè)換行符。等價(jià)于 x0a 和 cJ。 |
| r | 匹配一個(gè)回車(chē)符。等價(jià)于 x0d 和 cM。 |
| s | 匹配任何空白字符，包括空格、制表符、換頁(yè)符等等。等價(jià)于 [ fnrtv]。注意 Unicode 正則表達(dá)式會(huì)匹配全角空格符。 |
| S | 匹配任何非空白字符。等價(jià)于 [^ fnrtv]。 |
| t | 匹配一個(gè)制表符。等價(jià)于 x09 和 cI。 |
| v | 匹配一個(gè)垂直制表符。等價(jià)于 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，如上面說(shuō)的 runoo*b 中的 *，簡(jiǎn)單的說(shuō)就是表示任何字符串的意思。如果要查找字符串中的 * 符號(hào)，則需要對(duì) * 進(jìn)行轉(zhuǎn)義，即在其前加一個(gè) : runo*ob 匹配 runo*ob。
許多元字符要求在試圖匹配它們時(shí)特別對(duì)待。若要匹配這些特殊字符，必須首先使字符"轉(zhuǎn)義"，即，將反斜杠字符 放在它們前面。下表列出了正則表達(dá)式中的特殊字符：
| 特別字符 | 描述 |
|---|---|
| $ | 匹配輸入字符串的結(jié)尾位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性，則 $ 也匹配 'n' 或 'r'。要匹配 $ 字符本身，請(qǐng)使用 $。 |
| ( ) | 標(biāo)記一個(gè)子表達(dá)式的開(kāi)始和結(jié)束位置。子表達(dá)式可以獲取供以后使用。要匹配這些字符，請(qǐng)使用 ( 和 )。 |
| * | 匹配前面的子表達(dá)式零次或多次。要匹配 * 字符，請(qǐng)使用 *。 |
| + | 匹配前面的子表達(dá)式一次或多次。要匹配 + 字符，請(qǐng)使用 +。 |
| . | 匹配除換行符 n 之外的任何單字符。要匹配 . ，請(qǐng)使用 . 。 |
| [ | 標(biāo)記一個(gè)中括號(hào)表達(dá)式的開(kāi)始。要匹配 [，請(qǐng)使用 [。 |
| ? | 匹配前面的子表達(dá)式零次或一次，或指明一個(gè)非貪婪限定符。要匹配 ? 字符，請(qǐng)使用 ?。 |
| 將下一個(gè)字符標(biāo)記為或特殊字符、或原義字符、或向后引用、或八進(jìn)制轉(zhuǎn)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(kāi)始位置，除非在方括號(hào)表達(dá)式中使用，當(dāng)該符號(hào)在方括號(hào)表達(dá)式中使用時(shí)，表示不接受該方括號(hào)表達(dá)式中的字符集合。要匹配 ^ 字符本身，請(qǐng)使用 ^。 |
| { | 標(biāo)記限定符表達(dá)式的開(kāi)始。要匹配 {，請(qǐng)使用 {。 |
| | | 指明兩項(xiàng)之間的一個(gè)選擇。要匹配 |，請(qǐng)使用 |。 |
限定符
限定符用來(lái)指定正則表達(dá)式的一個(gè)給定組件必須要出現(xiàn)多少次才能滿足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6種。
正則表達(dá)式的限定符有：
| 字符 | 描述 |
|---|---|
| * | 匹配前面的子表達(dá)式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價(jià)于{0,}。 |
| + | 匹配前面的子表達(dá)式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價(jià)于 {1,}。 |
| ? | 匹配前面的子表達(dá)式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等價(jià)于 {0,1}。 |
| {n} | n 是一個(gè)非負(fù)整數(shù)。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(gè) o。 |
| {n,} | n 是一個(gè)非負(fù)整數(shù)。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 o。'o{1,}' 等價(jià)于 'o+'。'o{0,}' 則等價(jià)于 'o*'。 |
| {n,m} | m 和 n 均為非負(fù)整數(shù)，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(gè) o。'o{0,1}' 等價(jià)于 'o?'。請(qǐng)注意在逗號(hào)和兩個(gè)數(shù)之間不能有空格。 |
以下正則表達(dá)式匹配一個(gè)正整數(shù)，[1-9]設(shè)置第一個(gè)數(shù)字不是 0，[0-9]* 表示任意多個(gè)數(shù)字：
/[1-9][0-9]*/
請(qǐng)注意，限定符出現(xiàn)在范圍表達(dá)式之后。因此，它應(yīng)用于整個(gè)范圍表達(dá)式，在本例中，只指定從 0 到 9 的數(shù)字（包括 0 和 9）。
這里不使用 + 限定符，因?yàn)樵诘诙€(gè)位置或后面的位置不一定需要有一個(gè)數(shù)字。也不使用 ? 字符，因?yàn)槭褂?? 會(huì)將整數(shù)限制到只有兩位數(shù)。
如果你想設(shè)置 0~99 的兩位數(shù)，可以使用下面的表達(dá)式來(lái)至少指定一位但至多兩位數(shù)字。
/[0-9]{1,2}/上面的表達(dá)式的缺點(diǎn)是，只能匹配兩位數(shù)字，而且可以匹配 0、00、01、10 99 的章節(jié)編號(hào)仍只匹配開(kāi)頭兩位數(shù)字。
改進(jìn)下，匹配 1~99 的正整數(shù)表達(dá)式如下：/[1-9][0-9]?/
或
/[1-9][0-9]{0,1}/* 和 + 限定符都是貪婪的，因?yàn)樗鼈儠?huì)盡可能多的匹配文字，只有在它們的后面加上一個(gè) ? 就可以實(shí)現(xiàn)非貪婪或最小匹配。
例如，您可能搜索 HTML 文檔，以查找在 h1 標(biāo)簽內(nèi)的內(nèi)容。HTML 代碼如下：
<h1>JSON-小白教程</h1>
貪婪：下面的表達(dá)式匹配從開(kāi)始小于符號(hào) (<) 到關(guān)閉 h1 標(biāo)記的大于符號(hào) (>) 之間的所有內(nèi)容。
/<.*>/
非貪婪：如果您只需要匹配開(kāi)始和結(jié)束 h1 標(biāo)簽，下面的非貪婪表達(dá)式只匹配 <h1>。
/<.*?>/
也可以使用以下正則表達(dá)式來(lái)匹配 h1 標(biāo)簽，表達(dá)式則是：
/<w+?>/
通過(guò)在 *、+ 或 ? 限定符之后放置 ?，該表達(dá)式從"貪婪"表達(dá)式轉(zhuǎn)換為"非貪婪"表達(dá)式或者最小匹配。
定位符
定位符使您能夠?qū)⒄齽t表達(dá)式固定到行首或行尾。它們還使您能夠創(chuàng)建這樣的正則表達(dá)式，這些正則表達(dá)式出現(xiàn)在一個(gè)單詞內(nèi)、在一個(gè)單詞的開(kāi)頭或者一個(gè)單詞的結(jié)尾。
定位符用來(lái)描述字符串或單詞的邊界，^ 和 $ 分別指字符串的開(kāi)始與結(jié)束，b 描述單詞的前或后邊界，B 表示非單詞邊界。
正則表達(dá)式的定位符有：
| 字符 | 描述 |
|---|---|
| ^ | 匹配輸入字符串開(kāi)始的位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性，^ 還會(huì)與 n 或 r 之后的位置匹配。 |
| $ | 匹配輸入字符串結(jié)尾的位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性，$ 還會(huì)與 n 或 r 之前的位置匹配。 |
| b | 匹配一個(gè)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。由于在緊靠換行或者單詞邊界的前面或后面不能有一個(gè)以上位置，因此不允許諸如 ^* 之類的表達(dá)式。
若要匹配一行文本開(kāi)始處的文本，請(qǐng)?jiān)谡齽t表達(dá)式的開(kāi)始使用 ^ 字符。不要將 ^ 的這種用法與中括號(hào)表達(dá)式內(nèi)的用法混淆。
若要匹配一行文本的結(jié)束處的文本，請(qǐng)?jiān)谡齽t表達(dá)式的結(jié)束處使用 $ 字符。
若要在搜索章節(jié)標(biāo)題時(shí)使用定位點(diǎn)，下面的正則表達(dá)式匹配一個(gè)章節(jié)標(biāo)題，該標(biāo)題只包含兩個(gè)尾隨數(shù)字，并且出現(xiàn)在行首：
/^Chapter [1-9][0-9]{0,1}/真正的章節(jié)標(biāo)題不僅出現(xiàn)行的開(kāi)始處，而且它還是該行中僅有的文本。它即出現(xiàn)在行首又出現(xiàn)在同一行的結(jié)尾。下面的表達(dá)式能確保指定的匹配只匹配章節(jié)而不匹配交叉引用。通過(guò)創(chuàng)建只匹配一行文本的開(kāi)始和結(jié)尾的正則表達(dá)式，就可做到這一點(diǎn)。
/^Chapter [1-9][0-9]{0,1}$/匹配單詞邊界稍有不同，但向正則表達(dá)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。下面的表達(dá)式匹配單詞 Chapter 的開(kāi)頭三個(gè)字符，因?yàn)檫@三個(gè)字符出現(xiàn)在單詞邊界后面：
/bCha/
b 字符的位置是非常重要的。如果它位于要匹配的字符串的開(kāi)始，它在單詞的開(kāi)始處查找匹配項(xiàng)。如果它位于字符串的結(jié)尾，它在單詞的結(jié)尾處查找匹配項(xiàng)。例如，下面的表達(dá)式匹配單詞 Chapter 中的字符串 ter，因?yàn)樗霈F(xiàn)在單詞邊界的前面：
/terb/
下面的表達(dá)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(xiàn)在單詞 Chapter 中的非單詞邊界處，但出現(xiàn)在單詞 aptitude 中的單詞邊界處。對(duì)于 B 非單詞邊界運(yùn)算符，位置并不重要，因?yàn)槠ヅ洳魂P(guān)心究竟是單詞的開(kāi)頭還是結(jié)尾。
選擇
用圓括號(hào)將所有選擇項(xiàng)括起來(lái)，相鄰的選擇項(xiàng)之間用|分隔。但用圓括號(hào)會(huì)有一個(gè)副作用，使相關(guān)的匹配會(huì)被緩存，此時(shí)可用?:放在第一個(gè)選項(xiàng)前來(lái)消除這種副作用。
其中 ?: 是非捕獲元之一，還有兩個(gè)非捕獲元是 ?= 和 ?!，這兩個(gè)還有更多的含義，前者為正向預(yù)查，在任何開(kāi)始匹配圓括號(hào)內(nèi)的正則表達(dá)式模式的位置來(lái)匹配搜索字符串，后者為負(fù)向預(yù)查，在任何開(kāi)始不匹配該正則表達(dá)式模式的位置來(lái)匹配搜索字符串。
反向引用
對(duì)一個(gè)正則表達(dá)式模式或部分模式兩邊添加圓括號(hào)將導(dǎo)致相關(guān)匹配存儲(chǔ)到一個(gè)臨時(shí)緩沖區(qū)中，所捕獲的每個(gè)子匹配都按照在正則表達(dá)式模式中從左到右出現(xiàn)的順序存儲(chǔ)。緩沖區(qū)編號(hào)從 1 開(kāi)始，最多可存儲(chǔ) 99 個(gè)捕獲的子表達(dá)式。每個(gè)緩沖區(qū)都可以使用 n 訪問(wèn)，其中 n 為一個(gè)標(biāo)識(shí)特定緩沖區(qū)的一位或兩位十進(jìn)制數(shù)。
可以使用非捕獲元字符 ?:、?= 或 ?! 來(lái)重寫(xiě)捕獲，忽略對(duì)相關(guān)匹配的保存。
反向引用的最簡(jiǎn)單的、最有用的應(yīng)用之一，是提供查找文本中兩個(gè)相同的相鄰單詞的匹配項(xiàng)的能力。以下面的句子為例：
Is is the cost of of gasoline going up up?
上面的句子很顯然有多個(gè)重復(fù)的單詞。如果能設(shè)計(jì)一種方法定位該句子，而不必查找每個(gè)單詞的重復(fù)出現(xiàn)，那該有多好。下面的正則表達(dá)式使用單個(gè)子表達(dá)式來(lái)實(shí)現(xiàn)這一點(diǎn)：
實(shí)例
查找重復(fù)的單詞：
運(yùn)行代碼 ?
捕獲的表達(dá)式，正如 [a-z]+ 指定的，包括一個(gè)或多個(gè)字母。正則表達(dá)式的第二部分是對(duì)以前捕獲的子匹配項(xiàng)的引用，即，單詞的第二個(gè)匹配項(xiàng)正好由括號(hào)表達(dá)式匹配。1 指定第一個(gè)子匹配項(xiàng)。
單詞邊界元字符確保只檢測(cè)整個(gè)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(dá)式識(shí)別。
正則表達(dá)式后面的全局標(biāo)記 g 指定將該表達(dá)式應(yīng)用到輸入字符串中能夠查找到的盡可能多的匹配。
表達(dá)式的結(jié)尾處的不區(qū)分大小寫(xiě) i 標(biāo)記指定不區(qū)分大小寫(xiě)。
多行標(biāo)記指定換行符的兩邊可能出現(xiàn)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。假定您想將下面的 URI 分解為協(xié)議（ftp、http 等等）、域地址和頁(yè)/路徑：
:80/html/html-tutorial.html
下面的正則表達(dá)式提供該功能：
實(shí)例
輸出所有匹配的數(shù)據(jù)：
運(yùn)行代碼 ?
第三行代碼 str.match(patt1) 返回一個(gè)數(shù)組，實(shí)例中的數(shù)組包含 5 個(gè)元素，索引 0 對(duì)應(yīng)的是整個(gè)字符串，索引 1 對(duì)應(yīng)第一個(gè)匹配符（括號(hào)內(nèi)），以此類推。
第一個(gè)括號(hào)子表達(dá)式捕獲 Web 地址的協(xié)議部分。該子表達(dá)式匹配在冒號(hào)和兩個(gè)正斜杠前面的任何單詞。
第二個(gè)括號(hào)子表達(dá)式捕獲地址的域地址部分。子表達(dá)式匹配非 : 和 / 之后的一個(gè)或多個(gè)字符。
第三個(gè)括號(hào)子表達(dá)式捕獲端口號(hào)（如果指定了的話）。該子表達(dá)式匹配冒號(hào)后面的零個(gè)或多個(gè)數(shù)字。只能重復(fù)一次該子表達(dá)式。
最后，第四個(gè)括號(hào)子表達(dá)式捕獲 Web 地址指定的路徑和 / 或頁(yè)信息。該子表達(dá)式能匹配不包括 # 或空格字符的任何字符序列。
將正則表達(dá)式應(yīng)用到上面的 URI，各子匹配項(xiàng)包含下面的內(nèi)容：
- 第一個(gè)括號(hào)子表達(dá)式包含 http
- 第二個(gè)括號(hào)子表達(dá)式包含
- 第三個(gè)括號(hào)子表達(dá)式包含 :80
- 第四個(gè)括號(hào)子表達(dá)式包含 /html/html-tutorial.html