第 10 章： 正则表达式

¶ 在前面的章节中，我们多次需要在字符串值中查找模式。在 第 4 章 中，我们通过写出日期中数字所在的确切位置来从字符串中提取日期值。后来，在 第 6 章 中，我们看到了一些非常难看的代码，用于在字符串中查找特定类型的字符，例如必须在 HTML 输出中转义的字符。

¶ 正则表达式是一种用于描述字符串模式的语言。它们形成了一种小型、独立的语言，被嵌入到 JavaScript（以及各种其他编程语言中，以某种方式）。它不是一种非常易读的语言——大型正则表达式往往完全不可读。但是，它是一个有用的工具，可以真正简化字符串处理程序。

¶ 就像字符串用引号括起来一样，正则表达式模式用斜杠 (/) 括起来。这意味着表达式中的斜杠必须用反斜杠转义。

var slash = /\//;
show("AC/DC".search(slash));

¶ search 方法类似于 indexOf，但它搜索的是正则表达式而不是字符串。正则表达式指定的模式可以做一些字符串无法做的事情。首先，它们允许某些元素匹配多个字符。在 第 6 章 中，从文档中提取标记时，我们需要找到字符串中的第一个星号或左大括号。这可以用以下方法完成：

var asteriskOrBrace = /[\{\*]/;
var story =
  "We noticed the *giant sloth*, hanging from a giant branch.";
show(story.search(asteriskOrBrace));

¶ [ 和 ] 字符在正则表达式中具有特殊含义。它们可以包含一组字符，意思是“这些字符中的任何一个”。大多数非字母数字字符在正则表达式中都有特殊含义，因此当您使用它们来表示实际字符时，最好始终用反斜杠1 转义它们。

¶ 有一些常用的字符集快捷方式。点 (.) 可以用来表示“除换行符之外的任何字符”，转义的“d”（\d）表示“任何数字”，转义的“w”（\w）匹配任何字母数字字符（包括下划线，出于某种原因），转义的“s”（\s）匹配任何空白字符（制表符、换行符、空格）。

var digitSurroundedBySpace = /\s\d\s/;
show("1a 2 3d".search(digitSurroundedBySpace));

¶ 转义的“d”、“w”和“s”可以被它们的字母大写替换，表示它们的相反意思。例如，\S 匹配任何非空白字符。在使用 [ 和 ] 时，可以使用 ^ 字符来反转模式：

var notABC = /[^ABC]/;
show("ABCBACCBBADABC".search(notABC));

¶ 如您所见，正则表达式使用字符来表达模式的方式使得它们 A）非常短，B）非常难读。

¶ 有时您需要确保模式从字符串开头开始或从字符串结尾结束。为此，可以使用特殊字符 ^ 和 $。第一个匹配字符串的开头，第二个匹配字符串的结尾。

show(/a+/.test("blah"));
show(/^a+$/.test("blah"));

¶ 第一个正则表达式匹配任何包含 a 字符的字符串，第二个只匹配完全由 a 字符组成的字符串。

¶ 注意，正则表达式是对象，并且具有方法。它们的 test 方法返回一个布尔值，表示给定字符串是否与表达式匹配。

¶ 代码 \b 匹配“词边界”，可以是标点符号、空白符或字符串的开头或结尾。

show(/cat/.test("concatenate"));
show(/\bcat\b/.test("concatenate"));

¶ 模式的一部分可以重复多次。在元素后添加星号 (*) 允许它重复任意次数，包括零次。加号 (+) 做同样的事情，但要求模式至少出现一次。问号 (?) 使元素“可选”——它可以出现零次或一次。

var parenthesizedText = /\(.*\)/;
show("Its (the sloth's) claws were gigantic!".search(parenthesizedText));

¶ 必要时，可以使用大括号来更精确地指定元素出现的次数。大括号中的数字 ({4}) 给出了它必须出现的次数。两个数字之间用逗号隔开 ({3,10}) 表示模式必须至少出现与第一个数字一样多次，最多出现与第二个数字一样多次。类似地，{2,} 表示两次或更多次出现，而 {,4} 表示四次或更少次出现。

var datePattern = /\d{1,2}\/\d\d?\/\d{4}/;
show("born 15/11/2003 (mother Spot): White Fang".search(datePattern));

¶ 片段 /\d{1,2}/ 和 /\d\d?/ 都表示“一位或两位数字”。

¶ 正则表达式的一部分可以用括号分组。这使我们能够对多个字符使用 * 等。例如

var cartoonCrying = /boo(hoo+)+/i;
show("Then, he exclaimed 'Boohoooohoohooo'".search(cartoonCrying));

¶ 那个正则表达式结尾的 i 从哪里来？在结束斜杠之后，可以在正则表达式中添加“选项”。这里的 i 表示表达式不区分大小写，这允许模式中的小写 B 与字符串中的大写 B 匹配。

¶ 管道字符 (|) 用于允许模式在两个元素之间进行选择。例如

var holyCow = /(sacred|holy) (cow|bovine|bull|taurus)/i;
show(holyCow.test("Sacred bovine!"));

¶ 通常，查找模式只是从字符串中提取某些内容的第一步。在前面的章节中，这种提取是通过多次调用字符串的 indexOf 和 slice 方法来完成的。现在我们已经了解了正则表达式的存在，可以使用 match 方法代替。当字符串与正则表达式匹配时，如果匹配失败，结果将为 null；如果匹配成功，结果将为匹配字符串的数组。

show("No".match(/Yes/));
show("... yes".match(/yes/));
show("Giant Ape".match(/giant (\w+)/i));

¶ 返回数组中的第一个元素始终是与模式匹配的字符串部分。如最后一个示例所示，当模式中存在带括号的部分时，它们匹配的部分也会添加到数组中。通常，这使得提取字符串片段变得非常容易。

var parenthesized = prompt("Tell me something", "").match(/\((.*)\)/);
if (parenthesized != null)
  print("You parenthesized '", parenthesized[1], "'");

¶ 字符串值的 replace 方法（我们在 第 6 章 中见过）可以接受一个正则表达式作为它的第一个参数。

print("Borobudur".replace(/[ou]/g, "a"));

¶ 注意正则表达式后面的 g 字符。它代表“全局”，意思是应该替换字符串中与模式匹配的每个部分。当省略此 g 时，只会替换第一个 "o"。

¶ 有时需要保留被替换字符串的部分。例如，我们有一个大型字符串，其中包含人员的姓名，每行一个姓名，格式为“姓氏, 名字”。我们要交换这些名字，并删除逗号，以获得简单的“名字 姓氏”格式。

var names = "Picasso, Pablo\nGauguin, Paul\nVan Gogh, Vincent";
print(names.replace(/([\w ]+), ([\w ]+)/g, "$2 $1"));

¶ 替换字符串中的 $1 和 $2 指的是模式中的带括号的部分。$1 被替换为与第一对括号匹配的文本，$2 被替换为与第二对括号匹配的文本，依此类推，一直到 $9。

¶ 如果您在模式中有超过 9 个带括号的部分，这将不再有效。但是，还有一个方法可以替换字符串的片段，这在其他一些棘手的情况下也很有用。当给 replace 方法的第二个参数是一个函数值而不是一个字符串时，每次找到匹配项都会调用此函数，并且匹配的文本将被函数返回的任何内容替换。传递给函数的参数是匹配的元素，类似于 match 返回的数组中找到的值：第一个是整个匹配项，之后是模式中每个带括号部分的一个参数。

function eatOne(match, amount, unit) {
  amount = Number(amount) - 1;
  if (amount == 1) {
    unit = unit.slice(0, unit.length - 1);
  }
  else if (amount == 0) {
    unit = unit + "s";
    amount = "no";
  }
  return amount + " " + unit;
}

var stock = "1 lemon, 2 cabbages, and 101 eggs";
stock = stock.replace(/(\d+) (\w+)/g, eatOne);

print(stock);

¶ 在某些情况下，您需要匹配的模式在编写代码时是未知的。假设我们正在为留言板编写一个（非常简单的）色情过滤器。我们只允许包含不包含淫秽词语的留言。留言板管理员可以指定他们认为不可接受的词语列表。

¶ 检查文本片段中是否包含一组词语的最有效方法是使用正则表达式。如果我们将词语列表作为数组，我们可以像这样构建正则表达式

var badWords = ["ape", "monkey", "simian", "gorilla", "evolution"];
var pattern = new RegExp(badWords.join("|"), "i");
function isAcceptable(text) {
  return !pattern.test(text);
}

show(isAcceptable("Mmmm, grapes."));
show(isAcceptable("No more of that monkeybusiness, now."));

¶ 我们可以围绕这些词语添加 \b 模式，这样关于葡萄的事情就不会被归类为不可接受。不过，这也将使第二个成为可接受的，这可能不正确。色情过滤器很难做到（而且通常过于烦人，不值得一试）。

¶ RegExp 构造函数的第一个参数是一个包含模式的字符串，第二个参数可用于添加不区分大小写或全局性。在构建用于保存模式的字符串时，您需要小心反斜杠。因为通常，反斜杠在解释字符串时会被删除，所以任何必须最终出现在正则表达式本身中的反斜杠都需要转义

var digits = new RegExp("\\d+");
show(digits.test("101"));

¶ 关于正则表达式，最重要的是它们的存在，并且可以极大地增强您字符串操作代码的功能。它们非常神秘，您可能需要在第一次使用它们的前十次查看有关它们的详细信息。坚持下去，您很快就会不经意地编写出看起来像神秘咒语的表达式

¶ (漫画来自 Randall Munroe.)