引用类型--RegExp类型

Posted 2020-10-15 L_mj

ECMAScript通过RegExp类型来支持正则表达式。使用下面语法就可以创建一个正则表达式。

var expression =/pattern/flags;

模式（pattern）：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。

标志(flags)：每个正则表达式都可以有一或多个标志(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：

1. g：表示全局（global）模式，即模式将被应用与所有字符串，而非在发现第一个匹配项时立即停止；
2. i：表示不区分大小写模式（case-insensitive）模式，即在确定匹配时忽略模式与字符串的大小写；
3. m：表示多行（nultiline）模式，即在到达一行文本末尾时还会继续查找系一行中是否存在与模式匹配的项。

因此，一个正则表达式就是一个模式与上述3个标志的组合体。不同组合产生不同结果，如：

    /* 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，不分区大小写*/
     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，因此想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。如：

/*  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，不分区大小写*/
var pattern3 = /.at/gi;

/*  匹配所有以“.at”结尾的3个字符的组合，不分区大小写*/
var pattern4 = /\.at/gi;

前面举的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：

var pattern = new RegExp(“[bc]at” , “i”);
//等同于下面字面量形式的正则表达式
var pattern = “/[bc]at/i”;

在使用构造函数时，传递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串进行双重转义。所有元字符都必须从双重转义，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

使用正则表达式字面量和使用RegExp构造函数的正则表达式不一样。在ECMAScript 3中，正则表达式字面量始终会共享同一个RegExp实例，而使用构造函数创建的每一个RegExp实例都是一个新实例。如：

var re = null,i;
for(i=0;i<10;i++){
    re=/cat/g;
    re.test(“catastrophe”);
}
for(i=0;i<10;i++){
    re=newRfgExp(“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。

ECMAScript5明确规定，使用正则表达式字面量必须直接调用RegExp构造函数一样，每次都创建新的RegExp实例。IE9+、Firefox4+和Chrome都据此做出了修改。

RegExp实例属性

RegExp的每个实例都具有下列属性，通过这些属性可以取得有关模式的各种信息。

1. global：布尔值，表示是否设置了g标志。
2. ignoreCase：布尔值，表示是否设置了i标志。
3. lastIndex：整数，表示开始搜索下一个匹配项的字符位置，从0算起。
4. multiline：布尔值：表示是否设置了m标志。
5. source：正则表达式的字符串表示，按照字面量形式而非传入构造函数中的字符串模式返回。

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，因为这些信息全部包含在模式声明中。

RegExp实例方法

• exec()：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）。如：

  var text = "mom anddad 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
  alert(matches[2]);//and baby

  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”and dad”或者”and dad and baby”。当把字符串传入exec()方法之后，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matches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：

//非全局模式：返回第一个匹配项的信息
    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 

    var matches = pattern1.exec(text);
    alert(matches.index);//0
    alert(matches[0]);//cat
    alert(pattern1.lastIndex);//0

//全局模式：在字符串中继续查找新匹配项
    var pattern2 = /.at/g;
    var matches = pattern2.exec(text);
    alert(matches.index);//0
    alert(matches[0]);//cat
    alert(pattern2.lastIndex);//3
   
    var matches = pattern2.exec(text);
    alert(matches.index);//5
    alert(matches[0]);//bat
    alert(pattern2.lastIndex);//8

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。在全局模式匹配下，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低版本的javascript实现在lastIndex属性上存在偏差，即使在非屈居模式下，lastIndex属性每次也会变化。但是在IE11环境下的测试结果如上面的测试代码，测试结果与Chrome、Firefox4中的测试结果是一致的不存在偏差。

• test()：正则表达式的第二个方法是test()，它接收一个字符串参数。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：

  var text = “000-00-0000”;
  var pattern = /\d{3}-\d{2}-\d{4}/;
  if(pattern.test(text)){
       alert(“Thepattern was matched.”);
  }

  在这个例子中，使用正则表达式来测试了一个数字序列。如果输入的文本模式匹配，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。

• toLocaleString()、toString()：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

  即使上例中的模式是通过调用RegExp构造函数创建的，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形式。

• valueOf()：正则表达式的valueOf()方法返回正则表达式本身。

RegExp构造函数属性

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浏览器是例外，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
input	$_	最近一次要匹配的字符串。Opera为实现此属性
lastMatch	$&	最近一次的匹配项。Opera为实现此属性
lastParen	$+	最近一次匹配的捕获组。Opera为实现此属性
leftContext	$`	input字符串中lastMatch之前的文本
multiline	$*	布尔值，表示是否所有表达式都使用多行模式。IE和Opera为实现此属性
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

，Chrome、IE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);//(IE、Chrome)undefined;(Firefox)false
     }

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，即带有特殊字符，因此必须通过方括号语法来访问它们，如：

     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，Chrome、IE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["$+"]);//s
        alert(RegExp["$*"]);//(IE、Chrome)undefined;(Firefox)false
     }
/*除了上面介绍的几个属性之外，还有多达9个用于存储捕获数组的构造函数属性。
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……第九个匹配的捕获数组。
在调用exec()和test()方法时，这些属性会被自动填充。然后，就可以像下面这样使用它们：*/
     var text = "This has been a short summer";
     var pattern = /(..)or(.)/g;
     if(pattern.test(text)){
        alert(RegExp.$1);//sh
        alert(RegExp.$2);//t
     }

这里创建了一个包含两个捕获组的模式，并用该模式检测了一个字符串。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。

模式的局限性

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：

1.  匹配字符串开始和结尾的\A和\Z锚
2.  向后查找
3. 并集和交集类
4. 原子组
5. Unicode支持（单个字符除外，如\uFFFF）
6. 命名的捕获组
7.  s（single ， 单行）和x（free-spacing， 无间隔）匹配模式
8. 条件匹配
9. 正则表达式注释

即使存在这些限制，ECMAScript正则表达式仍然是非常强大的，能够帮我们绝大多数模式匹配任务。