正则表达式（JS & PY 实现）

 ■ 什么是 正则表达式 ？

 

正则表达式不属于某个编程语言，正则表达式是一门独立的知识。它在所有编程语言中都通用。

 

正则表达式可理解为“规律表达式”，找到你想要的字符串的规律 并表述出来，就是正则表达式。

 

★ 正则表达式 的作用：描述字符串的规律。

 

★ 创建正则表达式的口诀：

　　从哪里开始找？（定位符、元字符：\b \B）

　　找什么？（字符）

　　找几个？（限定符）

 

 

 ■ 在 JavaScript 中使用正则表达式：

 

例如：

var myReg = /\d{4}/gi;

var myReg = /[a-z]+[0-9]+/;

var myReg = /([a-z]+[0-9]+)+/;     //★ 小括号 ( ) 用于定义子表达式

 

 

 ■ JS 中创建正则表达式的一般形式：

 

①var regExp = /正则表达式内容/gi; //隐式创建

 

②var regExp = new RegExp(正则表达式内容,"gi"); //显示创建

 

修饰符：

i 执行对大小写不敏感的匹配。

g 执行全局匹配（查找所有匹配而非在找到第一个匹配后停止）。

m 执行多行匹配（把字符串的每一行都看作一条独立的字符串）。

 

s 单行模式，即 无视字符串中的换行，把整条字符串当成一行来处理。

（注意：JavaScript 不支持单行模式，但 PHP 支持。）

 

 

 ■ JS 中正则表达式对象的方法：

 

① exec方法

作用：

根据 正则表达式 检索 字符串 中匹配的值。

如果在字符串中找到匹配的值，就返回该匹配值。

如果没有找到任何匹配的值，就返回 null 。

例如：

var patt = /Hello/g; //创建正则表达式。

var str = 'Hello World';

var rt = patt.exec(str);

alert(rt);

 

② test方法

作用：

根据 正则表达式 检索 字符串 中匹配的值。

如果在字符串中找到匹配的值，就返回 true ，否则返回 false 。

例如：

var patt = /Hello/g; //创建正则表达式。

var str = 'Hello World';

var rt = patt.test(str);

alert(rt);

 

 

 ■ JS 中字符串对象与正则表达式相关的方法：

 

① search方法

作用：

在 字符串 中检索与 正则表达式 匹配的值。

如果找到匹配的值，就返回相对位置。

如没有找到任何匹配的值，就返回 -1 。

例如：

var patt = /Hello/g; //创建正则表达式。

var str = 'Hello World';

var rt = str.search(patt); 

alert(rt);

 

② match方法

作用：

在 字符串 中检索与 正则表达式 匹配的值。

如果找到匹配的值，就返回一个数组，其中存放了它找到的匹配值的相关内容。

如果没有找到任何匹配的值，就返回 null 。

例如：

var patt = /Hello/g; //创建正则表达式。

var str = 'Hello World';

var rt = str.match(patt);

alert(rt);

 

③ replace方法

作用：

把 字符串 中与 正则表达式 匹配的值替换为新的内容。

返回替换新内容后的字符串。

例一：

var patt = /Hello/g; //创建正则表达式。

var str = 'Hello World';

var new_str = str.replace(patt,字符串);

 

例二，利用 正则表达式（反向捕获）把手机号码的中间4个数字替换为*号：

var patt = /([0-9]{3})[0-9]{4}([0-9]{4})/;

var number = '13523622989';

number = number.replace(patt,"$1****$2"); // ★注意：这里要用到 反向捕获 ，并且用 $ 代替 \ 。

 

例三，清除网页代码中的 script 代码：

var patt = /<script[\w\W]+?<\/script>/gi;

var webcode = "网页代码";

webcode = webcode.replace(patt,'');

 

④ split方法

作用：

根据与 正则表达式 匹配的值，把字符串分割为数组。

返回字符串分割后的数组。

例如：

var patt = /Hello/g; //创建正则表达式。

var str = 'Hello World';

var arr = str.split(patt,3);

 

 ★ 小括号 ( ) 用于定义子表达式。

 

 ★ 反向捕获：

例如，要找四位数，第一位与第四位相同，第二位与第三位相同，如9889。

则正则表达式为： var patt = /(\d)(\d)\2\1/gi;

注意：

\1 代表第一个小括号中的内容。

\2 代表第二个小括号中的内容。

 

 

 ■ 限定符(量词)：

{出现次数}

{3,4} //出现3或4次。★JS默认使用贪婪匹配模式，即尽可能匹配最多的内容。

{3,} //出现最少3次，最多可以无限次。

 

+ //表示出现1次到任意多次，等效于 {1,} 。

* //表示出现0次到任意多次，等效于 {0,} 。

? //表示出现0次到1次，等效于 {0,1} 。

 

 ★ 注 意 ：

　　JavaScript 中（ Python 也一样）正则表达式 的默认匹配模式是：尽可能匹配最多的内容，这种匹配模式称为“贪婪模式”。

　　只需要在 限定符 后加上 ? 问号，就可以将匹配模式改为“非贪婪模式”了，例如：

　　a.*b　　 是 匹配 以a开始，以b结束 的字符串。如果把它应用于 aabab 的话，由于默认是“贪婪模式”它会匹配 aabab 。
　　a.*?b　　是 匹配最短的 以a开始，以b结束 的字符串。如果把它应用于aabab的话，它会匹配 aab 和 ab 。

 

 

 ■ 字符匹配符（中括号）：

[a-z] //表示可以匹配a-z中任意一个字符。

[A-Z] //表示可以匹配A-Z中任意一个字符。

[0-9] //表示可以匹配0-9中任意一个字符。

[abcd] //表示可以匹配abcd中任意一个字符。

 

[^a-z] //表示可以匹配不是a-z中的任意一个字符。

[^A-Z] //表示可以匹配不是A-Z中的任意一个字符。

[^0-9] //表示可以匹配不是0-9中的任意一个字符。

[^abcd] //表示可以匹配不是abcd中的任意一个字符。

 

 

 ■ 元字符：

\d 相当于 [0-9]

\D 相当于 [^0-9]

 

\w 相当于 [a-zA-Z0-9_]

\W 相当于 [^a-zA-Z0-9_]

 

\s 匹配任何空白字符(包括空格，制表符 即Tab 等)。

\S 匹配任何非空白字符。

 

\b 查找位于单词的开头或结尾的匹配，即 \bis\b 就代表 is 是独立的一个单词。

\B 查找不处在单词的开头或结尾的匹配，即 \Bis\b 就代表 is 不是一个独立的单词，有可能是 this 的最后两个组成字母。

 

 .  匹配除了\n（换行符）之外的任意一个字符。如果想匹配“.”要使用转意字符 \. 。

 

 ★ 注 意 ：

　　因为 . 不能代表换行符，而且在 JavaScript 中（ Python 也一样）没有“单行模式”。

　　所以在JS（或 PY ）中，当我们需要匹配一个包含换行符的任意字符时，无法通过 . 实现。

　　解决方法：可以用 [\d\D] 或 [\w\W] 或 [\s\S] 代表包含换行符的任意字符。

 

　　在 Pyhton 中 还可以通过 .*? 加 re.S 修饰符 代表 一切无限多的字符 （这是 PY 中 正则 的 惯用法）。

 

 

 ■ 定位符：

^ 匹配开始位置，例如 /^abc/gi 代表字符串是以 abc 开头的。

$ 匹配结束位置，例如 /xyz$/gi 代表字符串是以 xyz 结尾的。

 

 

 ■ 选择匹配符(或)：

| 例如：/a|b|c/gi 就表示 可以是a或b或c其中之一。

 

 

 ★ 匹配中文：

 

\un 其中n代表一个用4个十六进制数字表示的 Unicode 字符。

例如：\u3000 表示中文全角空格。

 

在 Unicode 编码中，中文对应的范围是 4e00 - 9fa5 。

所以，我们可以通过以下正则表达式匹配所有中文字符：

 

var patt = /[\u4E00-\u9FA5]/g;

 

 

 ★ 预 查 ：

 

预查 就是预先查看后续的字符。预查是“非获取匹配”，即 该匹配不需要获取供以后使用。

 

预查不消耗字符。即 接下来的匹配 并不是从 预查结束的位置 开始，而是从 预查开始的位置 继续匹配。

 

打一个生动的比喻：

 

目的地在前方200米。

当你走到100米时，停了下来。你用望远镜向前看，看到了目的地。

此时，虽然你看到了目的地，但你依然停留在100米的地方。

 

☆ 预查 只是用『望远镜』向前看一下。

 

 

例一，要求找进行时的单词的词根部分：

 

var str = document.getElementsByName('str')[0];

 

var patt = /\b\w+(?=ing)/g;

 

alert(str.value.match(patt));

 

例二，要求找不是进行时的单词：

 

var str = document.getElementsByName('str')[0];

 

var patt = /\b\w+(?!ing)\w{3}\b/g; // ★高！

 

alert(str.value.match(patt));

 

 

 ■ 实用案例：

 

1.验证手机号码：

 

var tel = document.getElementsByName('tel')[0];

 

var patt = /^1[34578]\d{9}$/;

 

if(patt.test(tel.value)){

alert('是手机号');

}else{

alert('不是手机号');

}

 

2.采集手机号码：

 

var article = '文章内容';

 

var patt = /1[34578]\d{9}/g;

 

alert(article.match(patt));

 

3.验证 email ：

 

var email = document.getElementsByName('email')[0];

 

var patt = /^[a-z0-9]\w*(\.[a-z0-9]+)*@[a-z0-9][a-z0-9-]*(\.[a-z0-9][a-z0-9-]*)+$/i;

 

if(patt.test(email.value)){

alert('是 email');

}else{

alert('不是 email');

}

 

4.清除网页代码中的 script 代码：

 

var webcode = "网页代码";

 

var patt = /<script[\w\W]+?<\/script>/gi;

 

webcode = webcode.replace(patt,'');

 

5.把手机号码的中间4个数字替换为*号：

 

var patt = /(\d{3})\d{4}(\d{4})/;

 

var number = '13523622989';

 

number = number.replace(patt,"$1****$2"); // ★注意：这里要用到【反向捕获】，并且用 $ 代替 \ 。

 

6.清除重复字符：

 

var str = 'aaabbbccc';

 

var patt = /([\w\W])\1+/g;

 

str = str.replace(patt,'$1');

 

7.清楚中文字符：

 

var str = 'Hello 世界';

 

var patt = /[\u4E00-\u9FA5]/g;

 

str = str.replace(patt,'');

 

8.检验用户名，要求只能由 字母、数字、下划线、中文 组合而成，并且字符个数至少为4：

 

var usname = document.getElementsByName('username')[0];

 

var patt = /^[\w\u4E00-\u9FA5]{4,}$/;

 

if(patt.test(usname.value)){

alert('用户名有效');

}else{

alert('用户名无效');

}