PhoneGap源码分析6——正则表达式
正则表达式的使用非常广泛,用法也比较灵活,不过平常遇到的都是正则表达式的简单用法,在这篇文章里,将尽量简单的梳理一下正则表达式,进而分析上一篇里面遗留的问题。
一、正则表达式基础
1、普通字符:字母、数字、下划线、汉字以及所有没有特殊意义的字符,如ABC123。在匹配时,匹配与之相同的字符。
2、特殊字符:(需要时,使用反斜杠“\”进行转义)
字符 | 含义 | 字符 | 含义 | 字符 | 含义 | 字符 | 含义 |
\a | 响铃符 = \x07 | ^ | 匹配字符串的开始位置 | \b | 匹配单词的开始或结束 | {n} | 匹配n次 |
\f | 换页符 = \x0C | $ | 匹配字符串的结束位置 | \B | 匹配不是单词开始和结束的位置 | {n,} | 匹配至少n次 |
\n | 换行符 = \x0A | () | 标记一个子表达式的开始和结束 | \d | 匹配数字 | {n,m} | 匹配n到m次 |
\r | 回车符 = \x0D | [] | 自定义字符组合匹配 | \D | 匹配任意不是数字的字符 | [0-9] | 匹配0到9中任意一个数字 |
\t | 制表符 = \x09 | {} | 修饰匹配次数的符号 | \s | 匹配任意空白字符 | [f-m] | 匹配f到m中任意一个字母 |
\v | 垂直制表符 = \x0B | . | 匹配除换行符外的字符 | \S | 匹配任意非空白字符 | ||
\e | ESC符 = \x1B | ? | 匹配0或1次 | \w | 匹配字母或数字或下划线或汉字 | ||
\xXX | 使用两位十六进制表示形式,可与该编号的字符匹配 | + | 匹配1或多次 | \W | 匹配任意不是字母、数字、下划线和汉字的字符 | ||
\uXXXX | 用四位十六进制表示形式,可与该编号的字符匹配 | * | 匹配0或多次 | [^x] | 匹配除x外的所有字符 | ||
\x{XXXXXX} | 使用任意位十六进制表示形式,可与该编号的字符匹配 | | | 左右两边表达式之间“或”关系 | [^aeiou] | 匹配除aeiou外的所有字符 |
上面列举的这些特殊字符,可以大致的分为:
(1)不便书写字符:如响铃符(\a)、换页符(\f)、换行符(\n)、回车符(\r)、制表符(\t)、ESC符(\e)
(2)十六进制字符:如两位(\x02)、四位(\x012B)、任意位(\x{A34D1})
(3)表示位置字符:如字符串开始(^)、字符串结束($)、单词开始和结束(\b)、单词中间(\B)
(4)表示次数字符:如0或1次(?)、1或多次(+)、0或多次(*)、n次({n})、至少n次({n,})、n到m次({n,m})
(5)修饰字符:如修饰次数({})、自定义组合匹配([])、子表达式(())
(6)反义字符:
(A)通过大小写反义:如\b和\B、\d和\D、\s和\S、\w和\W
(B)通过[^]反义:如[^x]、[^aeiou]
(C)其它特例:如\n和.也构成反义
(7)范围字符:如数字范围([0-9])、字母范围([f-m])
(8)逻辑字符:如表示或(|)
3、转义
(1)使用反斜杠“\”转义单个字符
(2)使用“\Q...\E”转义,将表达式中间出现的字符全部作为普通字符
(3)使用“\U...\E”转义,将表达式中间出现的字符全部作为普通字符,并且将小写字母转换成大写匹配
(4)使用“\L...\E”转义,将表达式中间出现的字符全部作为普通字符,并且将大写字母转换为小写匹配
4、贪婪模式与懒惰模式
如果正则表达式中含有次数字符时,一般情况下,会尽可能匹配更多的字符,比如用l*n来匹配linjisong的话,会匹配linjison,而不是lin,这种模式也就是正则表达式的贪婪模式;相对应的,可以通过添加字符“?”来设置为懒惰模式,也即尽可能匹配更少字符。如*?表示重复0次或多次,但尽可能少重复。
5、分组和反向引用
(1)用小括号(())将表达式包含,可以使得表达式作为一个整体来处理,从而达到分组的目的。
(2)默认情况下,每个分组会自动获取一个组号,按照左括号的顺序,从1向后编号。
(3)引擎在处理时,会将小括号内部表达式匹配的内容保存下来,以方便在匹配过程中或匹配结束后进一步处理,可以使用反斜杠和组号来引用这个内容,如\1表示第一个分组匹配的文本。
(4)也可以自定义组名,语法是(?<name>exp),这个时候反向引用时,还可以使用\k<name>。
(5)也可以不保存匹配内容,也不分配组号,语法是(?:exp)。
(6)小括号有一些其他特殊语法,这里列举几种,不再深入讨论:
分类 | 代码/语法 | 说明 |
---|---|---|
捕获 | (exp) | 匹配exp,并捕获文本到自动命名的组里 |
(?<name>exp) | 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp) | |
(?:exp) | 匹配exp,不捕获匹配的文本,也不给此分组分配组号 | |
零宽断言 | (?=exp) | 匹配exp前面的位置 |
(?<=exp) | 匹配exp后面的位置 | |
(?!exp) | 匹配后面跟的不是exp的位置 | |
(?<!exp) | 匹配前面不是exp的位置 | |
注释 | (?#comment) | 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读 |
到此,对于理解上一篇出现的正则表达式已经足够了,若想继续学习正则表达式的,可以参考正则表达式30分钟入门教程。下面再熟悉一下Javascript中的正则表达式实现。
二、Javascript中的正则表达式
1、创建正则表达式
(1)使用字面量:语法 var exp = /pattern/flags;
A、pattern是任何正则表达式
B、flags有三种:g表示全局模式、i表示忽略大小写、m表示多行模式
(2)使用RegExp内置构造函数:语法 var exp = new RegExp(pattern, flags);
A、使用构造函数时,pattern和flags都是字符串形式,所以对于转义字符需要双重转义,例如:
字面量 | 构造函数 |
/\[bc\]at/ | "\\[bc\\]at" |
/\.at/ | "\\.at" |
/name\/age/ | "name\\/age" |
/\d.\d{1,2}/ | "\\d.\\d{1,2}" |
/\w\\helllo\\123/ | "\\w\\\\hello\\\\123" |
说明:ECMAScript 3使用字面量时会共享一个RegExp实例,使用new RegExp(pattern,flags)会为每个正则表达式创建一个实例;ECMAScript 5规定每次都创建新实例。
2、实例属性
(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)multiline:布尔值,表示是否设置了m标志。
(4)lastIndex:整数,表示开始搜索下一次匹配项的字符位置,从0算起。
(5)source:字符串,表示按照字面量形式创建的字符串模式,即便实例使用构造函数创建,存储的也是字面量形式的字符串模式。
3、实例方法
(1)exec方法
A、一个参数,即要应用模式的字符串,返回第一个匹配项信息的数组,没有匹配时返回null。
B、返回的数组是Array实例,但还额外保护input和index属性,分别表示应用正则表达式的字符串和匹配项在字符串中的位置。
C、匹配时,在返回的数组中,第1项是与整个模式匹配的字符串,其他项是与模式中的分组匹配的字符串(如果没有分组,则返回数组只有1项)。
D、对于exec(),即使设置了g,每次返回的也是一个匹配项,不同的是,设置了g,多次调用exec的开始搜索位置不同,没有设置g,每次都从开始搜索。
2、test()方法
接受一个字符串参数,匹配返回true,不匹配返回false。
三、cordova/utils中vformat方法解析
有了上面的基础,再来看vformat的源码,详细说明在代码注释中:
1 utils.vformat = function(formatString, args) { 2 if (formatString === null || formatString === undefined) return "";//源对象为null或undefined时,直接返回空字符串 3 if (arguments.length == 1) return formatString.toString();//如果args未传入,直接返回源对象的字符串表示 4 if (typeof formatString != "string") return formatString.toString();//源对象不是字符串时,直接返回字符串表示 5 /* 6 * 1.首先,这是一个正则表达式字面量,没有全局标志,也就是说只匹配第一次。 7 * 2.其次,这里有三个分组,分别是(.*?)、(.)和(.*) 8 * 2.1其中第二个分组最简单,匹配任意一个非换行符 9 * 2.2第三个分组尽可能多(贪婪模式)的匹配任意多个(也可以是0个)非换行符 10 * 2.3第一个分组尽可能少(懒惰模式)的匹配任意多个(也可以是0个)非换行符 11 */ 12 var pattern = /(.*?)%(.)(.*)/; 13 var rest = formatString; 14 var result = [];//中间数组 15 16 while (args.length) {//循环处理,每处理一次,args会减少一项,直至args.length为0,这里个人并不推荐这种用法,因为每次循环都要计算长度 17 var arg = args.shift();//移除数组的第一项,返回被移除的项,修改数组长度 18 /* 19 * 执行模式匹配,返回第一个匹配项信息的数组,无匹配则返回null 20 * match[0]为整个匹配字符串 21 * match[1]为第一个分组的匹配字符串,即%前面的字符 22 * match[2]为第二个分组的匹配字符串,即%后面的第一个字符 23 * match[3]为第三个分组的匹配字符串,即%后面的第二个字符开始到结束,也是下次循环要匹配的字符串 24 */ 25 var match = pattern.exec(rest); 26 if (!match) break;//无匹配,直接跳出循环 27 rest = match[3]; 28 result.push(match[1]); 29 if (match[2] == '%') {//当两个%%时,在结果中保留一个%,回复前一个参数数组状态,并继续下面的匹配 30 result.push('%'); 31 args.unshift(arg);//将参数数组还原 32 continue; 33 } 34 result.push(formatted(arg, match[2]));//按%后面的第一个字符,将参数格式化 35 } 36 result.push(rest);//向中间数组压入其余未匹配内容 37 return result.join('');//将中间数组转换为字符串返回 38 };
补充一点,第一个分组为什么要使用懒惰模式呢?假设不使用懒惰模式,遇到...%j...%o...,第一次循环就会就会匹配到后面的%o了,可能有人会问,不是没有设置g标志,只匹配第1次出现的吗?没有设置g,只匹配第1次出现是没错,但是如果不是懒惰模式(.*)可以一直匹配到...%j...,然后%o就是第1次的匹配项了。
cordova.utils中的format和vformat有什么用呢?从代码可以看出,这实际上就类似于C中的printf函数,这个也被吸收到JDK1.5中了,见System.out.printf(format, args)。
郴江幸自绕郴山,为谁流下潇湘去?
欲将心事付瑶琴,知音少,弦断有谁听?
倩何人,唤取红巾翠袖,揾英雄泪!
零落成泥碾作尘,只有香如故!