正则表达式入门

正则表达式

正则——规则、模式

一. 复习字符串操作：

字符串的位置也包括0。

• search——查找

var str='abcdef'
alert(str.search('bc'));

弹出结果为1，表示字符串b出现的位置。如果查找一个不存在的字符，返回的值为-1。

• substring——获取子字符串

var str='abcdef'
alert(str.substring(1,4));

得到的字符串值为bcd。注意从起始位置开始，不包括结束位置，但如果你不定义结束位置，则取值从开始到字符串结束。

• charAt——获取某个字符串

var str='abcdef'
alert(str.charAt(0));

弹出结果为：a

• split——分割字符串，获得数组

var str='abc-12-u-uw'
alert(str.split('-'));

得到abc，12，u，uw四个元素的数组。

以上四个方法数用的最多的操作。

二. 关于正则

你可以不用正则做任何事情，但是——

【例1】有一个字符串var str='12,87 76 -ddf ddf 89'，要求把所有数字挑出来。

不用正则的情况下：

var str='12,87 76 -ddf ddf 89'
var tmp='';
var arr=[];
var i=0;
for(i=0;i<str.length;i++){
    if(str.charAt(i)>='0'&&str.charAt(i)<='9'){
        
        tmp+=str.charAt(i);
    }else{
        if(tmp){
            arr.push(tmp);
            tmp='';
        }
        
    }
}
if(tmp){
    arr.push(tmp);
    tmp='';
}//最后一个数加进去
alert(arr)；

整个过程相当麻烦。
如果用正则——

var str='12,87 76 -ddf ddf 89';
var re=/d+/g;
alert(str.match(re));

结果是一样的。
这——就是为什么用正则——大大简化了代码。

到底什么叫正则表达式

台译法为“规则表达式”。常见的各种字符串都有邮箱，网址，手机号，身份证号，qq号等。像邮箱——一串字母数字下划线@英文（数字），一串英文，.号，又一串英文。
强大的字符串匹配工具。

正则能做什么

只能操作字符串。——正常人难以读懂。

【例2】

var str='abcdef';
var re=new RegExp('a');//检测字符串是否有a——定义规则。

alert(re.test(str));//检测字符串是否符合规则，返回true

正则表达式是大小写敏感的。如果要忽略大小写，应该在规则写上：
var re=new RegExp('a','i');也就是用i来忽略大小写——属于javascript风格。
同理，上面的正则的简写为

var re=/a/i;

一般都是采用下面的写法——Perl风格。所谓perl程序是正则的最早提出者。

现在关注一下，字符串和正则是如何配合的。

var str='abcdef';
alert(str.search(/b/));

和str.search('a')的过程是完全一样的。

【例2.1】再看一个例子：

var str='asdf3 4323 fas23';
var re=/d/;//杠d表示就是数字
alert(str.search(re));//查找首个数字出现的位置

返回结果为4所谓d表示数字。（digtal）

【例3】检测浏览器版本

检测浏览器常用userAgent方法——

alert(window.navigator.userAgent);

弹出的是当前使用浏览器的类型和版本。通常是一大串字符串，比如：

现在可以通过正则来把关键字符取出来——然后判断。

if(window.navigator.userAgent.search(/firefox/i)!=-1){
    alert('这是火狐');
}else if(window.navigator.userAgent.search(/chrome/i)!=-1){
    alert('这是chrome');
}else if(window.navigator.userAgent.search(/msie 9/i)!=-1){
    alert('这是IE9');
}

并且，你可以封装为一个函数到处去用。

三. march方法——匹配

【例4】匹配符合正则的东西，返回一个数组。

在例2.1的例子中，稍作修改

var str='asdf3 4323 fas23';
var re=/d/g;//杠d表示就是数字
alert(str.match(re));

输出结果为：

如果不加g（global）返回一个3
如果我需要一个两个连着的字符串——
var re=/dd/g;就返回的是彼此连着的字符串组。但是，不连着的就被过滤掉了。

+号表示量词——衡量东西的数量，“许多”的意思。
var re=/d+/g;表示多个数字
修改之后：

所有的数字都出来了。

四. replace——用来替换

【例5】

replace本身是一个字符串的操作：

var str='abcdef';

alert(str.replace('a','A'));

在上面的demo中str内的第一个小写a被替换为大写的'A'.正是因为第一个，成为了此方法的最大缺陷。
这个问题很好解决，结合正则应用就可以了：

var str='abacAdef';

alert(str.replace(/a/g,'T'));

输出TbTcAdef。还是不完善——如果想把A也改为T——只需要把正则写成：alert(str.replace(/a/gi,'T'));，就完美解决了问题。

【例5.1】应用——敏感词过滤

<textarea id="txt1" row="10" cols="40"></textarea><br>
<input id="btn1" type="button" value="过滤"><br>
<textarea id="txt2" row="10" cols="40"></textarea>

现在要求在txt1上输入，点击过滤之后，输入文本的三国杀敏感词变为**。

window.onload=function(){
    var oTxt1=document.getElementById('txt1');
    var oTxt2=document.getElementById('txt2');
    var oBtn=document.getElementById('btn1');

    oBtn.onclick=function(){
        var re=/忠臣|反贼|内奸/g;

        oTxt2.value=oTxt1.value.replace(re,'**');
    }
}

竖线|的作用：就是或者的意思。

五. 字符类

【例6】

字符类就是方括号

var re=/1[abc]2/;

表示出现在1,2之间出现的任何a，b，c。等效于/1a2|1b2|1c2/
例5.1中，如果把正则写为：var re=/f[uc]k/g;在文本框输入测试文字fuck，效果为：***k
结论——但凡出现在方括号内的都表示或者。
另外一个用法
[0-9]表示所有数字
[a-z]表示所有小写字母
[0-9a-z]表示数字+小写字母
[^a]表示取反，除了a以外什么都可以。只要不是a
结合应用
[^0-9a-z]就表示特殊字符

【例6.1】偷小说——应用

采集器的原理：采集过来的实际上是一堆html代码。代码不能直接塞到网站中。因此需要过滤里面的标签。
比如“霸道总裁”系列：

<h1 >霸道总裁爱上我</h1>
 <a href="[javascript:;](javascript:;)" class="edit-lemma cmn-btn-hover-blue cmn-btn-28 j-edit-link"><em class="cmn-icon wiki-lemma-icons wiki-lemma-icons_edit-lemma"></em>编辑</a>
 <a class="lock-lemma" target="_blank" href="[/view/10812319.htm](http://baike.baidu.com/view/10812319.htm)" title="锁定"><em class="cmn-icon wiki-lemma-icons wiki-lemma-icons_lock-lemma"></em>锁定</a>
 </dd>
 </dl><div class="promotion-declaration">
 </div><div class="lemma-summary" label-module="lemmaSummary">
 <div class="para" label-module="para">几年前，他无助时，她救了他，他那时候觉得她只是对她有一点好感，却不知道，自己已经已经陷入爱情的深渊，他爱上了她，几年后，她在闺蜜榕衫介绍的工作下，无意中当上了他的女仆，他发现了，她就是几年前的她…… (本故事及人物纯属虚构，如有雷同，纯属巧合，切勿模仿。)</div>

需要把html标签过滤掉。
转换器设置和例5.1的html一样，写入如下代码

window.onload=function(){
    var oTxt1=document.getElementById('txt1');
    var oTxt2=document.getElementById('txt2');
    var oBtn=document.getElementById('btn1');

    oBtn.onclick=function(){
        var re=/<.+>/g;
        oTxt2.value=oTxt1.value.replace(re,'');
    }
}

var re=/<.+>/g;中，.表示匹配尖括号内所有的内容。按理来说所有的都应该被匹配了。然而——转换结果一片空白。
正则的特点在于——贪婪。在解析过程中只认尽可能长的代码段，因此把中间的尖括号全部都算入替代中了。必须重新考虑规则。
实际上在html标签内唯独不可能出现左右尖括号本身。一次正则改为：var re=/<[^<>]+>/g，就没问题了。

• w——word包括数字英文字母和下划线
• s——space包括空格。
  比如：去除所有字符内的空格：

var str='das aasvg dvf d d2 2';
alert(str.replace(/s+/g,''));

大写字母：——也是是取反，不过是比较高级的取反。

• D代表[^0-9]
• W代表[^a-z0-9]
• S代表除了空格字符以外的所有东西

六. 量词

什么是量词：一个东西出现的次数。现在进一步深入了解下。
基本用法：{n,m}——至少出现n次，最多m次。

常用量词

• {n,}至少n次，最多不限制。
  {,m}做多m次，最少不限
  {n}恰好n次。

【例6.2】案例：查找QQ号。

qq号的位数——5-11,第一位不能是0.

var str='我的qq号是：123456789；你的是：123456；他的是1234567吗？';
var re=/[1-9]d{4,10}/g;
//表示：必须1-9开头，后面为数字且最少出现4次，最多出现10次
alert(str.match(re));

输出的是三个qq号的数组。

• *任意次数 {0,}——可以出现也可以不出现，不建议使用，用+号就好。
• ? 0次或1次{0,1}——可以出现也可以不出现。出现的话只能出现1次。
• +1次或任意次——实际意思是只要出现就被全部逮着。

七. 实例分析：常用正则表达式的应用

【例7】邮箱校验

邮箱规则是：
第一部分用户名(字母，数字，下划线)——w+
第二部分为@
第三部分是既能是域名可以是英文数字——但不能是下划线——[a-z,0-9]+
第四部分是.，但.本身是有特殊含义的，表示任意字符。所以必须转义——用.来替代。
第四部分为一串英文，长度-4位
按部就班来写：

var str='asads@asda.xxx';
var re=/w+@[a-z0-9]+.[a-z]{2,4}/g;
alert(re.test(str));

如果返回的结果为false，表示str不符合email的正则表达式。但是这样写有两个问题：
（1）当用户名有中文时，校验居然可以通过
（2）当域名多于4位时，校验还是能够通过。
首先，正则含义表示当前字符串部分符合，验证就被通过了。
因此，需要引入行首和行尾的概念。
之前说过，方括号内的^表示取反，但是在方括号之外，就是行首的意思。另一方面$表示行尾。因此把正则写成：

var re=/^w+@[a-z0-9]+.[a-z]{2,4}$/

就算完成了。
校验必须加行首行尾。

【例7.1】去除首尾空格

用户在输入字符串时总是不小心输入到前面有空格。可以通过首尾来验证这段错误的字符串。

var str=' sssd asd ds ';
var re=/^s+/;//把左边的空格（任意个）选中了。
alert('('+str.replace(re,'')+')');

如果我想行首行尾一块用呢？
注意$的写法——写在右边，：

var re=/^s+|s$/g;

两边的空格被去掉了。中段的空格被保留。

【例8】中文校验——[u4e00-u9fa5]

在婚恋类网站中，经常要求用户名必须是中文。
怎么理解[u4e00-u9fa5]：网页都是UTF-8编码的。u代表汉字。这里是一个范围，表示从utf-8编码的第一个汉字到最后一个utf-8编码的汉字。可以在在线utf-8编码转换器上测试，u加上转出来的最后四位就是这个汉字的正则表达式。

var str='sad葡萄asd';
var re=/[u4e00-u9fa5]/;
alert(re.test(str));

返回为true。

【例9】原生javascript的class选择器——getByClass

原版的getByClass思想是：传入一个父级的参数，然后遍历所有父级内的元素，当className值为目标的class名时，push到数组中。

function getByClass(oParent,sClass){
    var aEle=oParent.getElementsByTagName('*');//选择父元素的所有标签
    var aResult=[];
    var i=0;

    for(i=0;i<aEle.length;i++){
        if(aEle[i].className==sClass){
            aResult.push(aEle[i]);
        }
    }
    return aResult;
}

有什么局限性呢？有时候布局时，存在两个class同时存在于一个标签时，这个class就不能被被选中。必须使用字符串方法，判断这个标签的className包不包含class。
思路
（1）一个不靠谱的办法是用search方法：

function getByClass(oParent,sClass){
    var aEle=oParent.getElementsByTagName('*');//选择父元素的所有标签
    var aResult=[];
    var i=0;

    for(i=0;i<aEle.length;i++){
        if(aEle[i].className.search(sClass)!=-1){
            aResult.push(aEle[i]);
        }
    }
    return aResult;
}

（2）另一个不靠谱的办法如下
然而，只是看到了包含的一面，却没有考虑诸如从<a class="btn default">搜寻.btn这样的情形。严格的方法需要用到单词边界（）来实现。
什么是单词边界呢？单词之间是由空格，标点等区分开的。这个元素称为单词边界。

var re=new RegExp('\b'+sClass+'\b');

表示sClass是一个单独的单词。为什么是'\b'呢，因为还有一个是转义的。
所以完美版的class选择器是：

function getByClass(oParent,sClass){
    var aEle=oParent.getElementsByTagName('*');//选择父元素的所有标签
    var aResult=[];
    var re=new RegExp('\b'+sClass+'\b','i');
    var i=0;

    for(i=0;i<aEle.length;i++){
        if(re.test(aEle[i].className)){
            aResult.push(aEle[i]);
        }
    }
    return aResult;
}

结果还是有问题：先在获取到的className值两边加上空格，这样就保证了className里的每个值两边都会有空格，然后再用正则去匹配。

function getByClass(oParent, sClass){    
    if(oParent.getElementsByClassName){
        return oParent.getElementsByClassName(sClass);
    }else{
        var res=[];
        var re=new RegExp(' '+sClass+' ','i')
        var aEle=oParent.getElementsByTagName('*');
        for(var i=0; i<aEle.length; i++){
            if(re.test(' '+aEle[i].className+' ')){
                res.push(aEle[i]);
            } 
        }
        return res;
    }
}

总结：

• 字符串的基本操作：重点的4个——search（查找首个字符串出现的位置），substring（获取子字符串），charAt（定位获取字符串的一部分），split（按照一定的规则切割字符串）
• 正则表达式是把字符串规则告诉计算机的表达形式。创建正则对象有两种方法：javascript风格和perl风格。
  正则的选项：一个是i——忽略大小写，g——是搜索全部
• search依旧是查找，match是挑选匹配，replace是替换符合规则的字符串
• 字符类：[abc]——任意字符；范围[a-z],[0-9];在方括号内有^表示取反排除。
• 转义字符——.代表所有的字符，d表示左右数字，s表示空格。当使用大写的时候，表示取反。
• 量词——出现的次数，最普通是{n,m}最少n最多m次。
• 正则的例子——邮箱中文，qq号等。