Регулярные выражения

Update: Более новый материал по этой теме находится по адресу https://learn.javascript.ru/regular-expressions-javascript.

Регулярные выражения в javascript имеют особую краткую форму и стандартный PCRE-синтаксис.

Работают они через специальный объект RegExp.

Кроме того, у строк есть свои методы search,match,replace, но чтобы их понять - разберем-таки сначала RegExp.

Объект `RegExp`

Объект типа RegExp, или, короче, регулярное выражение, можно создать двумя путями

/pattern/флаги
new RegExp("pattern"[, флаги])

pattern - регулярное выражение для поиска (о замене - позже), а флаги - строка из любой комбинации символов g(глобальный поиск), i(регистр неважен) и m(многострочный поиск).

Первый способ используется часто, второй - иногда. Например, два таких вызова эквивалентны:

var reg = /ab+c/i
var reg = new RegExp("ab+c", "i")

При втором вызове - т.к регулярное выражение в кавычках, то нужно дублировать \

// эквивалентны
re = new RegExp("\\w+")
re = /\w+/

При поиске можно использовать большинство возможностей современного PCRE-синтаксиса.

Спецсимволы в регулярном выражении

Свернуть/Развернуть таблицу

Символ	Значение
`\`	Для обычных символов - делает их специальными. Например, выражение `/s/` ищет просто символ 's'. А если поставить \ перед s, то `/\s/` уже обозначает пробельный символ.И наоборот, если символ специальный, например , то \ сделает его просто обычным символом "звездочка". Например, `/a/` ищет 0 или больше подряд идущих символов 'a'. Чтобы найти а со звездочкой 'a' - поставим \ перед спец. символом: `/a\/`.
`^`	Обозначает начало входных данных. Если установлен флаг многострочного поиска `("m")`, то также сработает при начале новой строки.Например, `/^A/` не найдет 'A' в "an A", но найдет первое 'A' в "An A."
`$`	Обозначает конец входных данных. Если установлен флаг многострочного поиска, то также сработает в конце строки.Например, `/t$/` не найдет 't' в "eater", но найдет - в "eat".
`*`	Обозначает повторение 0 или более раз. Например, `/bo*/` найдет 'boooo' в "A ghost booooed" и 'b' в "A bird warbled", но ничего не найдет в "A goat grunted".
`+`	Обозначает повторение 1 или более раз. Эквивалентно `{1,}`. Например, `/a+/` найдет 'a' в "candy" и все 'a' в "caaaaaaandy".
`?`	Обозначает, что элемент может как присутствовать, так и отсутствовать. Например, `/e?le?/` найдет 'el' в "angel" и 'le' в "angle."Если используется сразу после одного из `квантификаторов *`, `+`, `?`, или `{}`, то задает "нежадный" поиск (повторение минимально возможное количество раз, до ближайшего следующего элемента паттерна), в противоположность "жадному" режиму по умолчанию, при котором количество повторений максимально, даже если следующий элемент паттерна тоже подходит.Кроме того, ? используется в предпросмотре, который описан в таблице под `(?=)`, `(?!)`, и `(?: )`.
`.`	(Десятичная точка) обозначает любой символ, кроме перевода строки: \n \r \u2028 or \u2029. (`можно использовать [\s\S] для поиска любого символа, включая переводы строк). Например,` `/.n/` найдет 'an' и 'on' в "nay, an apple is on the tree", но не 'nay'.
`(x)`	Находит `x` и запоминает. Это называется "запоминающие скобки". Например, `/(foo)/` найдет и запомнит 'foo' в "foo bar." Найденная подстрока хранится в массиве-результате поиска или в предопределенных свойствах объекта RegExp: `$1, ..., $9`.Кроме того, скобки объединяют то, что в них находится, в единый элемент паттерна. Например, (abc)* - повторение abc 0 и более раз.
`(?:x)`	Находит `x`, но не запоминает найденное. Это называется "незапоминающие скобки". Найденная подстрока не сохраняется в массиве результатов и свойствах RegExp.Как и все скобки, объединяют находящееся в них в единый подпаттерн.
`x(?=y)`	Находит `x`, только если за `x` следует `y`. Например, `/Jack(?=Sprat)/` найдет 'Jack', только если за ним следует 'Sprat'. `/Jack(?=Sprat\|Frost)/` найдет 'Jack', только если за ним следует 'Sprat' или 'Frost'. Однако, ни 'Sprat' ни 'Frost' не войдут в результат поиска.
`x(?!y)`	Находит `x`, только если за `x` не следует `y`. Например, `/\d+(?!\.)/` найдет число, только если за ним не следует десятичная точка. `/\d+(?!\.)/.exec("3.141")` найдет 141, но не 3.141.
`x\|y`	Находит `x` или `y`. Например, `/green\|red/` найдет 'green' в "green apple" и 'red' в "red apple."
`{n}`	Где n - положительное целое число. Находит ровно n повторений предшествующего элемента. Например, `/a{2}/` не найдет 'a' в "candy," но найдет оба a в "caandy," и первые два a в "caaandy."
`{n,}`	Где n - положительное целое число. Находит n и более повторений элемента. Например, `/a{2,}` не найдет 'a' в "candy", но найдет все 'a' в "caandy" и в "caaaaaaandy."
`{n,m}`	Где n и m - положительные целые числа. Находят от n до m повторений элемента.
`[xyz]`	Набор символов. Находит любой из перечисленных символов. Вы можете указать промежуток, используя тире. Например, `[abcd]` - то же самое, что `[a-d]`. Найдет 'b' в "brisket", а также 'a' и 'c' в "ache".
`[^xyz]`	Любой символ, кроме указанных в наборе. Вы также можете указать промежуток. Например, `[^abc]` - то же самое, что `[^a-c]`. Найдет 'r' в "brisket" и 'h' в "chop."
`[\b]`	Находит символ backspace. (Не путать с `\b`.)
`\b`	Находит границу слов (латинских), например пробел. (Не путать с `[\b]`). Например, `/\bn\w/` найдет 'no' в "noonday"; `/\wy\b/` найдет 'ly' в "possibly yesterday."
`\B`	Обозначает не границу слов. Например, `/\w\Bn/` найдет 'on' в "noonday", а `/y\B\w/` найдет 'ye' в "possibly yesterday."
`\cX`	`Где` `X` - буква от A до Z. Обозначает контрольный символ в строке. Например, `/\cM/` обозначает символ Ctrl-M.
`\d`	находит цифру из любого алфавита (у нас же юникод). Испльзуйте `[0-9], чтобы найти только обычные цифры. Например,` `/\d/` или `/[0-9]/` найдет '2' в "B2 is the suite number."
`\D`	Найдет нецифровой символ (все алфавиты). `[^0-9]` - эквивалент для обычных цифр. Например, `/\D/` или `/[^0-9]/` найдет 'B' в "B2 is the suite number."
`\f,\r,\n`	Соответствующие спецсимволы form-feed, line-feed, перевод строки.
`\s`	Найдет любой пробельный символ, включая пробел, табуляцию, переводы строки и другие юникодные пробельные символы. Например, `/\s\w*/` найдет ' bar' в "foo bar."
`\S`	Найдет любой символ, кроме пробельного. Например, `/\S\w*/` найдет 'foo' в "foo bar."
`\t`	Символ табуляции.
`\v`	Символ вертикальной табуляции.
`\w`	Найдет любой словесный (латинский алфавит) символ, включая буквы, цифры и знак подчеркивания. Эквивалентно `[A-Za-z0-9_]`. Например, `/\w/` найдет 'a' в "apple," '5' в "$5.28," и '3' в "3D."
`\W`	Найдет любой не-(лат.)словесный символ. Эквивалентно `[^A-Za-z0-9_]`. Например, `/\W/` и `/[^$A-Za-z0-9_]/` одинаково найдут '%' в "50%."
`\n`	где `n` - целое число. Обратная ссылка на n-ю запомненную скобками подстроку. Например, `/apple(,)\sorange\1/` найдет 'apple, orange,' в "apple, orange, cherry, peach.". За таблицей есть более полный пример.
`\0`	Найдет символ NUL. Не добавляйте в конец другие цифры.
`\xhh`	Найдет символ с кодом `hh` (2 шестнадцатиричных цифры)
`\uhhhh`	Найдет символ с кодом `hhhh` (4 шестнадцатиричных цифры).

Проверка результатов: метод `test`

Чтобы просто проверить, подходит ли строка под регулярное выражение, используется метод test:

if ( /\s/.test("строка") ) {
...В строке есть пробелы!...
}

Метод test начинает поиск, начиная со свойства lastIndex объекта RegExp, если оно установлено.

Поиск совпадений: метод `exec`

Метод exec возвращает массив и ставит свойства регулярного выражения.
Если совпадений нет, то возвращается null.

Например,

// Найти одну d, за которой следует 1 или более b, за которыми одна d
// Запомнить найденные b и следующую за ними d
// Регистронезависимый поиск
var myRe = /d(b+)(d)/ig;
var myArray = myRe.exec("cdbBdbsbz");

В результате выполнения скрипта будут такие результаты:

Объект	Свойство/Индекс	Описания	Пример
`myArray`		Содержимое `myArray`.	`["dbBd", "bB", "d"]`
	`index`	Индекс совпадения (от 0)	`1`
	`input`	Исходная строка.	`cdbBdbsbz`
	`[0]`	Последние совпавшие символы	`dbBd`
	`[1], ...[n]`	Совпадения во вложенных скобках, если есть. Число вложенных скобок не ограничено.	`[1] = bB [2] = d`
`myRe`	`lastIndex`	Индекс, с которого начинать следующий поиск.	`5`
	`ignoreCase`	Показывает, что был включен регистронезависимый поиск, флаг "`i`".	`true`
	`global`	Показывает, что был включен флаг "`g`" поиска `всех` совпадений.	`true`
	`multiline`	Показывает, был ли включен флаг многострочного поиска "`m`".	`false`
	`source`	Текст паттерна.	`d(b+)(d)`

Если в регулярном выражении включен флаг "g", Вы можете вызывать метод exec много раз для поиска последовательных совпадений в той же строке. Когда Вы это делаете, поиск начинается на подстроке str, с индекса lastIndex. Например, вот такой скрипт:

var myRe = /ab*/g;
var str = "abbcdefabh";
while ((myArray = myRe.exec(str)) != null) {
	var msg = "Found " + myArray[0] + ".  ";
	msg += "Next match starts at " + myRe.lastIndex;
	print(msg);
}

Этот скрипт выведет следующий текст:

Found abb. Next match starts at 3
Found ab. Next match starts at 9

В следующем примере функция выполняет поиск по input. Затем делается цикл по массиву, чтобы посмотреть, есть ли другие имена.

Предполагается, что все зарегистрированные имена находятся в массиве А:

var A = ["Frank", "Emily", "Jane", "Harry", "Nick", "Beth", "Rick",
         "Terrence", "Carol", "Ann", "Terry", "Frank", "Alice", "Rick",
         "Bill", "Tom", "Fiona", "Jane", "William", "Joan", "Beth"];

function lookup(input)
{
  var firstName = /\w+/i.exec(input);
  if (!firstName)
  {
    print(input + " isn't a name!");
    return;
  }

  var count = 0;
  for (var i = 0; i < A.length; i++)
  {
    if (firstName[0].toLowerCase() == A[i].toLowerCase())
      count++;
  }
  var midstring = (count == 1) ? " other has " : " others have ";
  print("Thanks, " + count + midstring + "the same name!")
}

Строковые методы, поиск и замена

Следующие методы работают с регулярными выражениями из строк.

Все методы, кроме replace, можно вызывать как с объектами типа regexp в аргументах, так и со строками, которые автоматом преобразуются в объекты RegExp.

Так что вызовы эквивалентны:

var i = str.search(/\s/)
var i = str.search("\\s")

При использовании кавычек нужно дублировать \ и нет возможности указать флаги. Если регулярное выражение уже задано строкой, то бывает удобна и полная форма

var regText = "\\s"
var i = str.search(new RegExp(regText, "g"))

Метод `search(regexp)`

Возвращает индекс регулярного выражения в строке, или -1.

Если Вы хотите знать, подходит ли строка под регулярное выражение, используйте метод search(аналогично RegExp-методы test). Чтобы получить больше информации, используйте более медленный метод match(аналогичный методу RegExp exec).

Этот пример выводит сообщение, в зависимости от того, подходит ли строка под регулярное выражение.

function testinput(re, str){
   if (str.search(re) != -1)
      midstring = " contains ";
   else
      midstring = " does not contain ";
   document.write (str + midstring + re.source);
}

Метод `match(regexp)`

Если в regexp нет флага g, то возвращает тот же результат, что regexp.exec(string).

Если в regexp есть флаг g, то возвращает массив со всеми совпадениями.

Чтобы просто узнать, подходит ли строка под регулярное выражение regexp, используйте regexp.test(string).

Если Вы хотите получить первый результат - попробуйте regexp.exec(string).

В следующем примере match используется, чтобы найти "Chapter", за которой следует 1 или более цифр, а затем цифры, разделенные точкой. В регулярном выражении есть флаг i, так что регистр будет игнорироваться.

str = "For more information, see Chapter 3.4.5.1";
re = /chapter (\d+(\.\d)*)/i;
found = str.match(re);
alert(found);

Скрипт выдаст массив из совпадений:

Chapter 3.4.5.1 - полностью совпавшая строка
3.4.5.1 - первая скобка
.1 - внутренняя скобка

Следующий пример демонстрирует использование флагов глобального и регистронезависимого поиска с match. Будут найдены все буквы от А до Е и от а до е, каждая - в отдельном элементе массива.

var str = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz";
var regexp = /[A-E]/gi;
var matches = str.match(regexp);
document.write(matches);

// matches = ['A', 'B', 'C', 'D', 'E', 'a', 'b', 'c', 'd', 'e']

Замена, `replace`

Метод replace может заменять вхождения регулярного выражения не только на строку, но и на результат выполнения функции. Его полный синтаксис - такой:

var newString = str.replace(regexp/substr, newSubStr/function)

regexp: Объект RegExp. Его вхождения будут заменены на значение, которое вернет параметр номер 2

substr: Строка, которая будет заменена на newSubStr.

newSubStr: Строка, которая заменяет подстроку из аргумента номер 1.

function: Функция, которая может быть вызвана для генерации новой подстроки (чтобы подставить ее вместо подстроки, полученной из аргумента 1).

Метод replace не меняет строку, на которой вызван, а просто возвращает новую, измененную строку.

Чтобы осуществить глобальную замену, включите в регулярное выражение флаг "g".

Если первый аргумент - строка, то она не преобразуется в регулярное выражение, так что, например,

var ab = "a b".replace("\\s","..") // = "a b"

Вызов replace оставил строку без изменения, т.к искал не регулярное выражение \s, а строку "\s".

Спецсимволы в строке замены

В строке замены могут быть такие спецсимволы:

Pattern	Inserts
`$$`	Вставляет "$".
`$&`	Вставляет найденную подстроку.
$`	Вставляет часть строки, которая предшествует найденному вхождению.
`$'`	Вставляет часть строки, которая идет после найденного вхождения.
`$n` or `$nn`	Где `n` или `nn` - десятичные цифры, вставляет подстроку вхождения, запомненную `n`-й вложенной скобкой, если первый аргумент - объект RegExp.

Замена через функцию

Если Вы указываете вторым параметром функцию, то она выполняется при каждом совпадении.

В функции можно динамически генерировать и возвращать строку подстановки.

Первый параметр функции - найденная подстрока. Если первым аргументом replace является объект RegExp, то следующие n параметров содержат совпадения из вложенных скобок. Последние два параметра - позиция в строке, на которой произошло совпадение и сама строка.

Например, следующий вызов replace возвратит XXzzzz - XX , zzzz.

function replacer(str, p1, p2, offset, s)
{
return str + " - " + p1 + " , " + p2;
}
var newString = "XXzzzz".replace(/(X*)(z*)/, replacer)

Как видите, тут две скобки в регулярном выражении, и потому в функции два параметра p1, p2.
Если бы были три скобки, то в функцию пришлось бы добавить параметр p3.

Следующая функция заменяет слова типа borderTop на border-top:

function styleHyphenFormat(propertyName)
{
  function upperToHyphenLower(match)
  {
    return '-' + match.toLowerCase();
  }
  return propertyName.replace(/[A-Z]/, upperToHyphenLower);
}

Статичные регэкспы

В некоторых реализациях javascript регэкспы, заданные коротким синтаксисом /.../ - статичны. То есть, такой объект создается один раз в некоторых реализациях JS, например в Firefox. В Chrome все ок.

function f() {
  // при многократных заходах в функцию объект один и тот же
  var re = /lalala/     
}

По стандарту эта возможность разрешена ES3, но запрещена ES5.

Из-за того, что lastIndex при глобальном поиске меняется, а сам объект регэкспа статичен, первый поиск увеличивает lastIndex, а последующие - продолжают искать со старого lastIndex, т.е. могут возвращать не все результаты.

При поиске всех совпадений в цикле проблем не возникает, т.к. последняя итерация (неудачная) обнуляет lastIndex.

Дополнительно

Для общего понимания регулярных выражений можно почитать Статью в wikipedia.

Более подробно они описаны в книге (англ.) Beginning Regular Expressions.

версия для печати

« Замыкания Уровень выше Конструкции языка. Обработка ошибок. »

Автор: KOLANICH, дата: 22 ноября, 2008 - 23:52