正則表達式是對字符串的結(jié)構(gòu)進行的形式化描述，非常簡潔優(yōu)美，而且功能十分強大。很多的語言都不同程度的支持正則表達式，而在很多的文本編輯器如 Emacs，vim，UE 中，都支持正則表達式來進行字符串的搜索替換工作。UNIX 下的很多命令行程序，如 awk，grep，find 更是對正則表達式有良好的支持。

JavaScript 同樣也對正則表達式有很好的支持，RegExp 是 JavaScript 中的內(nèi)置“類”，通過使用RegExp，用戶可以自己定義模式來對字符串進行匹配。而 JavaScrip t中的 String 對象的 replace 方法也支持使用正則表達式對串進行匹配，一旦匹配，還可以通過調(diào)用預(yù)設(shè)的回調(diào)函數(shù)來進行替換。

正則表達式的用途十分廣泛，比如在客戶端的 JavaScript 環(huán)境中的用戶輸入驗證，判斷用戶輸入的身份證號碼是否合法，郵件地址是否合法等。另外，正則表達式可用于查找替換工作，首先應(yīng)該關(guān)注的是正則表達式的基本概念。

關(guān)于正則表達式的完整內(nèi)容完全是另外一個主題了，事實上，已經(jīng)有很多本專著來解釋這個主題，限于篇幅，我們在這里只關(guān)注 JavaScript 中的正則表達式對象。

正則表達式基礎(chǔ)概念

本節(jié)討論正則表達式中的基本概念，這些基本概念在很多的正則表達式實現(xiàn)中是一致的，當(dāng)然，細節(jié)方面可能會有所不同，畢竟正則表達式是來源于數(shù)學(xué)定義的，而不是程序員。JavaScriipt 的正則表達式對象實現(xiàn)了 perl 正則表達式規(guī)范的一個子集，如果你對 perl 比較熟悉的話，可以跳過這個小節(jié)。腳本語言 perl 的正則表達式規(guī)范是目前廣泛采用的一個規(guī)范，Java 中的 regex 包就是一個很好的例子，另外，如 vim 這樣的應(yīng)用程序中，也采用了該規(guī)范。

元字符與特殊字符

元字符，是一些數(shù)學(xué)符號，在正則表達式中有特定的含義，而不僅僅表示其“字面”上的含義，比如星號(*)，表示一個集合的零到多次重復(fù)，而問號(?)表示零次或一次。如果你需要使用元字符的字面意義，則需要轉(zhuǎn)義。

下面是一張元字符的表：

特殊字符，主要是指注入空格，制表符，其他進制(十進制之外的編碼方式)等，它們的特點是以轉(zhuǎn)義字符()為前導(dǎo)。如果需要引用這些特殊字符的字面意義，同樣需要轉(zhuǎn)義。

下面為轉(zhuǎn)移字符的一張表：

范圍及重復(fù)

我們經(jīng)常會遇到要描述一個范圍的例子，比如，從 0 到 3 的數(shù)字，所有的英文字母，包含數(shù)字，英文字母以及下劃線等等，正則表達式規(guī)定了如何表示范圍：

結(jié)合元字符和范圍，我們可以定義出很強大的模式來，比如，一個簡化版的匹配 Email 的正則表達是為：

var emailval = /^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$/;  

emailval.test("kmustlinux@hotmail.com");//true  
emailval.test("john.abruzzi@pl.kunming.china");//true  
emailval.test("@invalid.com");//false,不合法

[\w-]表示所有的字符，數(shù)字，下劃線及減號，[\w-]+ 表示這個集合最少重復(fù)一次，然后緊接著的這個括號表示一個分組(分組的概念參看下一節(jié))，這個分組的修飾符為星號(*)，表示重復(fù)零或多次。這樣就可以匹配任意字母，數(shù)字，下劃線及中劃線的集合，且至少重復(fù)一次。

而@符號之后的部分與前半部分唯一不同的是，后邊的一個分組的修飾符為(+)，表示至少重復(fù)一次，那就意味著后半部分至少會有一個點號(.)，而且點號之后至少有一個字符。這個修飾主要是用來限制輸入串中必須包含域名。 最后，脫字符(^)和美元符號($)限制，以……開始，且以……結(jié)束。這樣，整個表達式的意義就很明顯了。

再來看一個例子：在 C/Java 中，變量命名的規(guī)則為：以字母或下劃線開頭，變量中可以包含數(shù)字，字母以及下劃線(有可能還會規(guī)定長度，我們在下一節(jié)討論)。這個規(guī)則描述成正則表達式即為下列的定義：

var variable = /[a-zA-Z_][a-zA-Z0-9_]*/;  

print(variable.test("hello"));  
print(variable.test("world"));  
print(variable.test("_main_"));  
print(variable.test("0871"));

將會打?。?/p>

true
true
true
false

前三個測試字符均為合法，而最后一個是數(shù)字開頭，因此為非法。應(yīng)該注意的是，test 方法只是測試目標(biāo)串中是否有表達式匹配的部分，而不一定整個串都匹配。比如上例中：

print(variable.test("0871_hello_world"));//true
print(variable.test("@main"));//true

同樣返回 true，這是因為，test 在查找整個串時，發(fā)現(xiàn)了完整匹配 variable 表達式的部分內(nèi)容，同樣也是匹配。為了避免這種情況，我們需要給 variable 做一些修改：

var variable = /^[a-zA-Z_][a-zA-Z0-9_]*$/;

通過加推導(dǎo)(+)，星推導(dǎo)(*)，以及謂詞，我們可以靈活的對范圍進行重復(fù)，但是我們?nèi)匀恍枰环N機制來提供諸如 4 位數(shù)字，最多 10 個字符等這樣的精確的重復(fù)方式。這就需要用到下表中的標(biāo)記：

有了精確的重復(fù)方式，我們就可以來表達如身份證號碼，電話號碼這樣的表達式，而不用擔(dān)心出做，比如：

var pid = /^[\d{15}|\d{18}]$/;//身份證  
var mphone = /\d{11}/;//手機號碼  
var phone = /\d{3,4}-\d{7,8}/;//電話號碼  

mphone.test("13893939392");//true  
phone.test("010-99392333");//true  
phone.test("0771-3993923");//true  

分組與引用

在正則表達式中，括號是一個比較特殊的操作符，它可以有三中作用，這三種都是比較常見的：

第一種情況，括號用來將子表達式標(biāo)記起來，以區(qū)別于其他表達式，比如很多的命令行程序都提供幫助命令，鍵入 h 和鍵入 help 的意義是一樣的，那么就會有這樣的表達式：

h(elp)?//字符h之后的elp可有可無

這里的括號僅僅為了將elp自表達式與整個表達是隔離(因為h是必選的)。

第二種情況，括號用來分組，當(dāng)正則表達式執(zhí)行完成之后，與之匹配的文本將會按照規(guī)則填入各個分組，比如，某個數(shù)據(jù)庫的主鍵是這樣的格式：四個字符表示省份，然后是四個數(shù)字表示區(qū)號，然后是兩位字符表示區(qū)縣，如 yunn0871cg 表示云南省昆明市呈貢縣(當(dāng)然，看起來的確很怪，只是舉個例子)，我們關(guān)心的是區(qū)號和區(qū)縣的兩位字符代碼，怎么分離出來呢？

var pattern = /\w{4}(\d{4})(\w{2})/;  
var result = pattern.exec("yunn0871cg");  
print("city code = "+result[1]+", county code = "+result[2]);  
result = pattern.exec("shax0917cc");  
print("city code = "+result[1]+", county code = "+result[2]);

正則表達式的 exec 方法會返回一個數(shù)組(如果匹配成功的話)，數(shù)組的第一個元素(下標(biāo)為 0)表示整個串，第一個元素為第一個分組，第二個元素為第二個分組，以此類推。因此上例的執(zhí)行結(jié)果即為：

city code = 0871, county code = cg
city code = 0917, county code = cc

第三種情況，括號用來對引用起輔助作用，即在同一個表達式中，后邊的式子可以引用前邊匹配的文本，我們來看一個非常常見的例子：我們在設(shè)計一個新的語言，這個語言中有字符串類型的數(shù)據(jù)，與其他的程序設(shè)計語言并無二致，比如：

var str = "hello, world";  
var str = 'fair enough';  

均為合法字符，我們可能會設(shè)計出這樣的表達式來匹配該聲明：

var pattern = /['"][^'"]*['"]/; 

看來沒有什么問題，但是如果用戶輸入：

var str = 'hello, world";  
var str = "hello, world'; 

我們的正則表達式還是可以匹配，注意這兩個字符串兩側(cè)的引號不匹配！我們需要的是，前邊是單引號，則后邊同樣是單引號，反之亦然。因此，我們需要知道前邊匹配的到底是“單”還是“雙”。這里就需要用到引用，JavaScript 中的引用使用斜杠加數(shù)字來表示，如\1表示第一個分組(括號中的規(guī)則匹配的文本)，\2表示第二個分組，以此類推。因此我們就設(shè)計出了這樣的表達式：

var pattern = /(['"])[^'"]*\1/; 

在我們新設(shè)計的這個語言中，為了某種原因，在單引號中我們不允許出現(xiàn)雙引號，同樣，在雙引號中也不允許出現(xiàn)單引號，我們可以稍作修改即可完成：

var pattern = /(['"])[^\1]*\1/;

這樣，我們的語言中對于字符串的處理就完善了。

使用正則表達式

創(chuàng)建一個正則表達式有兩種方式，一種是借助 RegExp 對象來創(chuàng)建，另一種方式是使用正則表達式字面量來創(chuàng)建。在 JavaScript 內(nèi)部的其他對象中，也有對正則表達式的支持，比如 String 對象的 replace，match 等。我們可以分別來看：

創(chuàng)建正則表達式

使用字面量：

var regex = /pattern/; 

使用 RegExp 對象：

var regex = new RegExp("pattern", switchs);

而正則表達式的一般形式描述為：

var regex = /pattern/[switchs];

這里的開關(guān)(switchs)有以下三種：

比如，/java/i 就可以匹配 java/Java/JAVA，而 /java/ 則不可。而 g 開關(guān)用來匹配整個串中所有出現(xiàn)的子模式，如 /java/g 匹配”javascript&java”中的兩個”java”。而 m 開關(guān)定義是否多行搜索，比如：

var pattern = /^javascript/;  
print(pattern.test("java\njavascript"));//false  
pattern = /^javascript/m;  
print(pattern.test("java\njavascript"));//true

RegExp 對象的方法：

RegExp 對象的 test 方法用于檢測字符串中是否具有匹配的模式，而不關(guān)心匹配的結(jié)果，通常用于測試，如上邊提到的例子：

var variable = /[a-zA-Z_][a-zA-Z0-9_]*/;  

print(variable.test("hello"));//true  
print(variable.test("world"));//true  
print(variable.test("_main_"));//true  
print(variable.test("0871"));//false

而 exec 則通過匹配，返回需要分組的信息，在分組及引用小節(jié)中我們已經(jīng)做過討論，而 compile 方法用來改變表達式的模式，這個過程與重新聲明一個正則表達式對象的作用相同，在此不作深入討論。

String 中的正則表達式

除了正則表達式對象及字面量外，String 對象中也有多個方法支持正則表達式操作，我們來通過例子討論這些方法：

var str = "life is very much like a mirror.";  
var result = str.match(/is|a/g);  
print(result);//返回[“is”, “a”]

這個例子通過 String 的 match 來匹配 str 對象，得到返回值為[“is”, “a”]的一個數(shù)組。

var str = "<span>Welcome, John</span>";  
var result = str.replace(/span/g, "div");  
print(str);  
print(result);

得到結(jié)果：

<span>Welcome, John</span>  
<div>Welcome, John</div>  

也就是說，replace 方法不會影響原始字符串，而將新的串作為返回值。如果我們在替換過程中，需要對匹配的組進行引用(正如之前的\1,\2方式那樣)，需要怎么做呢？還是上邊這個例子，我們要在替換的過程中，將 Welcome 和 John 兩個單詞調(diào)換順序，編程 John, Welcome：

var result = str.replace(/(\w+),\s(\w+)/g, "$2, $1");  
print(result);

可以得到這樣的結(jié)果：

<span>John, Welcome</span>  

因此，我們可以通過$n來對第 n 個分組進行引用。

var str = "john : tomorrow        :remove:file";  
var result = str.split(/\s*:\s*/);  
print(str);  
print(result);

得到結(jié)果：

john : tomorrow :remove:file
john,tomorrow,remove,file

注意此處 split 方法的返回值 result 是一個數(shù)組。其中包含了 4 個元素。

var str = "Tomorrow is another day";  
var index = str.search(/another/);  
print(index);//12  

search 方法會返回查找到的文本在模式中的位置，如果查找不到，返回-1。

實例：JSFilter

本小節(jié)提供一個實例，用以展示在實際應(yīng)用中正則表達式的用途，當(dāng)然，一個例子不可能涵蓋所有的內(nèi)容，只是一個最常見的場景。

考慮這樣一種情況，我們在UI上為用戶提供一種快速搜索的能力，使得隨著用戶的鍵入，結(jié)果集不斷的減少，直到用戶找到自己需要的關(guān)鍵字對應(yīng)的欄目。在這個過程中，用戶可以選擇是否區(qū)分大小寫，是否全詞匹配，以及高亮一個記錄中的所有匹配。

顯然，正則表達式可以滿足這個需求，我們在這個例子中忽略掉諸如高亮，刷新結(jié)果集等部分，來看看正則表達式在實際中的應(yīng)用：

http://wiki.jikexueyuan.com/project/javascript-core/images/js8.png" alt="" />

圖1 在列表中使用 JSFilter(結(jié)果集隨用戶輸入而變化)

來看一個代碼片段：

this.content.each(function(){  
    var text = $(this).text();  
    var pattern = new RegExp(keyword, reopts);  
    if(pattern.test(text)){  
       var item = text.replace(pattern, function(t){  
           return "<span class=\""+filterOptions.highlight+"\">"+t+"</span>";  
       });  
       $(this).html(item).show();  
    }else{//clear previous search result  
       $(this).find("span."+filterOptions.highlight).each(function(){  
           $(this).replaceWith($(this).text());  
       });  
    }  
});

其中，content 是結(jié)果集，是一個集合，其中的每一個項目都可能包含用戶輸入的關(guān)鍵字，keyword 是用戶輸入的關(guān)鍵字序列，而 reopts 為正則表達式的選項，可能為(i,g,m)，each 是 jQuery 中的遍歷集合的方式，非常方便。程序的流程是這樣的：

• 進入循環(huán)，取得結(jié)果集中的一個值作為當(dāng)前值
• 使用正則表達式對象的test方法進行測試
• 如果測試通過，則高亮標(biāo)注記錄中的關(guān)鍵字
• 否則跳過，進行下一條的檢測

遍歷完所有的結(jié)果集，生成了一個新的，高亮標(biāo)注的結(jié)果集，然后將其呈現(xiàn)給用戶。而且可以很好的適應(yīng)用戶的需求，比如是否忽略大小寫檢查，是否高亮所有，是否全詞匹配，如果自行編寫程序進行分析，則需要耗費極大的時間和精力。

http://wiki.jikexueyuan.com/project/javascript-core/images/js9.png" alt="" />

圖2 在表格中使用 JSFilter(不減少結(jié)果集)