正则表达式

第 1 章 字符组

字符组就是“一组”字符。在正则表达式中，它表示“在同一个位置可能出现的各种字符”。
写法：在一对方括号[和]之间，列出所有可能出现的字符。例如：[abc]、[123]、[#?.]等

1.1 普通字符组

例如：检测字符串中是否存在数字

/[0123456789]/.test('hello123world');

字符组中字符的排列顺序并不影响字符组的功能，出现重复字符也不会影响。例如：[0123456789]完全等价于[9876543210]、[998876543210]。

为了代码更容易编写、方便阅读，不推荐在字符组中出现重复字符，而且还应该让字符组中的字符排列更符合认知习惯。为此，正则表达式提供了**-范围表示法(range)**，它更直观，能进一步简化字符组。

所谓“-范围表示法”，就是用[x-y]的形式，表示 x 到 y 整个范围内的字符。[0123456789]就可以表示为[0-9]。

1.1.1 范围表示法

“-范围表示法”的范围是如何确定的？为什么要写作[0-9]，而不写作[9-0]?

在字符组中，-表示的范围，一般是根据字符对应的码值(字符在对应编码表中的编码数值)来确定的。码值小的字符在前，码值大的字符在后。在ASCII编码中，字符 0 的码值是48（十进制），字符9的码值是57（十进制）。所以[0-9]等价于[0123456789]。

/[0-9]/.test('2')

在字符组中可以同时并列多个“-范围表示法”。例如：[0-9a-fA-F]可以匹配数字，大小写形式的a ~ f，它可以用来验证十六进制字符。

1.1.2 转义序列xnum表示字符

可以使用转义序列xnum来表示一个字符。其中x是固定前缀，表示转义序列的开头，num是字符对应的码值，是一个两位的十六进制数值。例如：字符A的码值是41（十进制则为65），所以也可以用x41表示。

字符组中有时会出现这种表示法，它可以表示一些难以输入或者难以显示的字符，比如x7f。也可以用来方便地表示某个范围，例如：

• 所有标准ASCII字符对应的字符组：[x00-x7f]，匹配码值范围[0,127]。
• 所有扩展ASCII字符对应的字符组：[x00-xff]，匹配码值范围[0,255]，可以用来匹配非中文字符。

1.2 元字符与转义

字符组中的横线-并不能匹配横线字符，而是用来表示范围，这类字符叫元字符。

字符组的开方括号[、闭方括号]、横线-、尖角号^都算元字符，在匹配中，有着特殊的意义。但有时候并不需要表示特殊的意义，只需要表示普通字符，此时就必须做特殊处理。

字符组中的-，如果它紧邻着字符组中的开方括号[或闭方括号]，那么它就是普通字符，其他情况下都是元字符。

/[-9]/.test('-'); // true
/[9-]/.test('-'); // true

而对于其他元字符，取消特殊含义的做法都是转义，也就是在正则表达式中的元字符前加上反斜线字符。

使用RegExp构造器创建正则，转义字符组中的横线-：

new RegExp('[0\-2]');

仔细观察会发现，在正文里说“在正则表达式中的元字符之前加上反斜线字符”，而在代码里写的却不是[0-2]，而是[0\-2]。因为在这段程序里，正则表达式是以字符串的方式提供的，而字符串本身也有关于转义的规定。上面说的“正则表达式”，是经过“字符串转义处理”之后的字符串的值。因为处理字符串时，反斜线和它之后的字符会被认为是转义序列。因此需要\ 转义成。

1.3 排除型字符组

在方括号[...]中列出希望匹配的所有字符，这种字符组可以叫做“普通字符组”。它的确非常方便，但也有些问题是普通字符组不能解决的。比如匹配字符串中是否存在非数字字符，不是数字的字符太多了，全部列出几乎不可能，这时就应当使用排除型字符组。

排除型字符组非常类似普通字符串[...]，只是在开方括号[之后紧跟一个尖角号^，写作[^...]，表示“在当前位置，匹配一个没有列出的字符”。所以[^0-9]就表示“0 ~ 9之外的字符”，也就是“非数字字符”。

注意：排除型字符组必须匹配一个字符。

// 匹配一个除-、0、9之外的字符
/[^-09]/.test('-');  // false

// 匹配一个除0~9之外的字符
/[^0-9]/.test('a');  // true

在排除型字符组中，^是一个元字符，但只有它紧跟在[之后时才是元字符。如果想表示“这个字符组中可以出现^字符”，不要让它紧挨着[即可，否则就要转义。

/[0^9]/.test('^');   // true

1.4 字符组简记法

用[0-9]、[a-z]等字符组，可以很方便地表示数字字符和小写字母字符。对于这类常用的字符组，正则表达式提供了更简单的记法，这就是字符组简记法。

常见的字符组简记法有d、w、s。

• d等价于[0-9]，其中的 d 代表“数字（digit）”。
• w等价于[0-9a-zA-Z_]，其中的 w 代表“单词字符（word）”。
• s等价于[ nrtvf]（第一个字符是空格），其中的 s 代表“空白字符（space）”。空白字符，可以是空格字符、新行换行符n、回车换行符r、水平制表符t、垂直制表符v、换页符f。

/d/.test('2');   // true
/w/.test('a');   // true
/w/.test('_');   // true
/w/.test('2');   // true
/s/.test(' ');   // true

字符组简记法可以单独出现，也可以使用在字符组中。比如[0-9a-zA-Z]可以写成[da-zA-Z]。
字符组简记法也可以用在排除型字符组中，比如[^0-9]可以写成[^d]。

相对于d、w、s这三个普通字符组简记法，正则表达式也提供了对应排除型字符组的简记法：D、W、S。字母完全一样，只是改为大写。

• D等价于[^d]、[^0-9]
• W等价于[^w]、[^0-9a-zA-Z_]
• S等价于[^s]、[^ nrtvf]

// d 和 D
/d/.test('8');   // true
/d/.test('a');   // false
/D/.test('8');   // false
/D/.test('a');   // true

// w 和 W
/w/.test('c');   // true
/w/.test('!');   // false
/W/.test('c');   // false
/W/.test('!');   // true

// s 和 S
/s/.test('t');   // true
/s/.test('0');   // false
/S/.test('t');   // false
/S/.test('0');   // true

注意：[sS]、[wW]、[sS]能匹配任意字符。

关于字符组简记法，最后需要补充三点：

第 2 章 量词

2.1 一般形式

验证中国大陆地区的邮政编码（6位数字构成的字符串），比如201203。

只有同时满足以下两个条件，匹配才成功：

/^dddddd$/.test('201203');   // true

^表示字符串的开头位置，$表示字符的结尾位置。

d重复了6次，读写都不方便。为此，正则表达式提供了量词。比如上面匹配邮政编码的表达式，就可以简写为d{6}，它使用阿拉伯数字，更简洁直观。

/^d{6}$/.test('201203');   // true

注意：量词中的逗号之后不能有空格。
术语：

• 结构：一般指的是正则表达式所提供功能的记法。比如字符组就是一种结构。
• 元素：指的是具体的正则表达式中的某个部分，比如某个具体表达式中的字符组[a-z]，可以算作一个元素。元素，也叫“子表达式”。

2.2 常用量词

{n,m}是通用形式的量词，正则表达式还有3个常用量词，分别是+、*、?。它们的形态虽然不同于{n,m}，功能却是相同的（也可以把它们理解为“量词简记法”）。

/^https?$/.test('http'); // true
/^https?$/.test('https'); // true

HTML标签匹配，分为开始标签、结束标签、自闭合单标签。例如：就是开始标签，就是结束标签，就是自闭合单标签。