JavaScript中的正则表达式：文本处理的瑞士军刀

news2025/6/7 14:31:06

JavaScript中的正则表达式：文本处理的瑞士军刀

在编程世界中，正则表达式（Regular Expression，简称RegExp）被誉为“文本处理的瑞士军刀”。它能够高效地完成字符串匹配、替换、提取和验证等任务。无论是前端开发中的表单验证，还是后端数据清洗，正则表达式都扮演着不可或缺的角色。本文将带你深入浅出地了解JavaScript中的正则表达式，从基础语法到高级技巧，助你掌握这一强大工具。

一、正则表达式的“身份证”：创建方式

在JavaScript中，正则表达式可以通过两种方式创建：

1. 字面量方式

字面量方式是最直观的创建方式，使用斜杠 / 包裹模式，并附加标志（flags）：

const regex1 = /pattern/flags;

pattern：定义匹配规则，例如 /abc/ 表示匹配字符串 “abc”。
flags：控制匹配行为，常见的标志包括：
- g（全局匹配）：匹配所有符合条件的内容。
- i（忽略大小写）：匹配时不区分大小写。
- m（多行匹配）：将输入字符串视为多行文本。

示例：

const regex = /\d+/g; // 匹配所有数字
console.log("123abc456".match(regex)); // 输出 ["123", "456"]

2. 构造函数方式

通过 RegExp 构造函数动态创建正则表达式，适用于需要动态拼接模式的场景：

const regex2 = new RegExp('pattern', 'flags');

注意：构造函数中，特殊字符需要双重转义（如 \d 需要写成 \\d）。

示例：

const pattern = "\\d+"; // 匹配数字
const flags = "g";
const regex = new RegExp(pattern, flags);
console.log("123abc456".match(regex)); // 输出 ["123", "456"]

二、正则表达式的核心语法：规则的“密码本”

1. 元字符：赋予正则表达式“魔法”的符号

元字符是正则表达式中具有特殊含义的符号，它们能显著提升匹配的灵活性。以下是一些常见元字符：

.：匹配除换行符外的任意单个字符。
*：匹配前一个元素 0次或多次。
+：匹配前一个元素 1次或多次。
?：匹配前一个元素 0次或1次。
^：匹配字符串的开头。
$：匹配字符串的结尾。
\d：匹配任意数字（等价于 [0-9]）。
\w：匹配字母、数字或下划线（等价于 [a-zA-Z0-9_]）。
\s：匹配任意空白字符（空格、制表符、换行符等）。

示例：

// 匹配以 "http" 开头、以 ".com" 结尾的字符串
const urlRegex = /^http.*\.com$/;
console.log(urlRegex.test("https://example.com")); // true

2. 量词：控制匹配次数的“节拍器”

量词用于定义某个模式出现的次数，是正则表达式中最强大的工具之一：

语法	含义
`{n}`	恰好匹配 `n` 次
`{n,}`	至少匹配 `n` 次
`{n,m}`	匹配 `n` 到 `m` 次
`*`	等价于 `{0,}`
`+`	等价于 `{1,}`
`?`	等价于 `{0,1}`

示例：

// 匹配 5~10 位数字
const phoneRegex = /^\d{5,10}$/;
console.log(phoneRegex.test("123456")); // true

3. 字符类：定义“选项菜单”的快捷方式

字符类使用方括号 [] 包裹，表示匹配其中任意一个字符：

[abc]：匹配 a、b 或 c。
[a-z]：匹配任意小写字母。
[^a-z]：匹配非小写字母的字符（^ 表示取反）。
[0-9A-F]：匹配十六进制数字。

示例：

// 匹配 RGB 颜色代码（如 #FF0000）
const colorRegex = /^#[0-9A-Fa-f]{6}$/;
console.log(colorRegex.test("#123ABC")); // true

4. 分组与捕获：提取信息的“集装箱”

使用圆括号 () 对模式分组，不仅能增强匹配逻辑，还能捕获匹配到的子串：

捕获组：通过 $1、$2 等引用匹配内容。
非捕获组：使用 (?:...) 表示仅分组，不捕获。

示例：

// 提取日期中的年月日
const dateRegex = /(\d{4})-(\d{2})-(\d{2})/;
const match = dateRegex.exec("2025-06-04");
console.log(match[1], match[2], match[3]); // 输出 2025 06 04

5. 边界匹配：定位文本的“坐标系”

边界匹配符帮助我们精准定位字符串的开始、结束或单词边界：

^：匹配字符串的开头。
$：匹配字符串的结尾。
\b：匹配单词边界（如空格或标点）。
\B：匹配非单词边界。

示例：

// 验证邮箱格式（简单版）
const emailRegex = /^\w+@[a-zA-Z_]+?\.[a-zA-Z]{2,3}$/;
console.log(emailRegex.test("user@example.com")); // true

三、高级技巧：正则表达式的“超能力”

1. 贪婪与非贪婪匹配

正则表达式默认是贪婪匹配（尽可能多地匹配字符），可以通过 ? 改为非贪婪匹配（尽可能少地匹配）。

示例：

const text = "<div><span>Hello</span></div>";
const greedyRegex = /<.*>/; // 贪婪匹配
const nonGreedyRegex = /<.*?>/; // 非贪婪匹配
console.log(greedyRegex.exec(text)[0]); // 整个字符串
console.log(nonGreedyRegex.exec(text)[0]); // 第一个 <div>

2. 预查（Lookaround）：条件匹配的“隐形眼镜”

预查允许我们检查某个位置是否满足条件，而不消耗字符：

正向预查：(?=...)（匹配后面必须满足的条件）。
负向预查：(?!...)（匹配后面不能满足的条件）。
正向后顾：(?<=...)（匹配前面必须满足的条件）。
负向后顾：(?<!...)（匹配前面不能满足的条件）。

示例：

// 匹配后面跟着 "px" 的数字
const pxRegex = /\d+(?=px)/;
console.log(pxRegex.exec("100px 200em")); // 输出 ["100"]

3. 命名捕获组：让结果更易读

在ES2018中，可以通过 ?<name> 为捕获组命名，提升代码可读性：

示例：

const dateRegex = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/;
const match = dateRegex.exec("2025-06-04");
console.log(match.groups.year); // 输出 "2025"

四、实战场景：正则表达式的“用武之地”

1. 表单验证

正则表达式是表单验证的利器，可以快速判断用户输入是否符合预期格式：

// 验证手机号（中国手机号格式）
const phoneRegex = /^1[3-9]\d{9}$/;
function validatePhone(input) {
  return phoneRegex.test(input);
}

2. 数据提取

从文本中提取关键信息（如日志分析、爬虫）：

// 提取 HTML 标签中的内容
const htmlRegex = /<(\w+)>(.*?)<\/\1>/g;
let match;
while ((match = htmlRegex.exec("<div>Hello</div>")) !== null) {
  console.log(`标签: ${match[1]}, 内容: ${match[2]}`);
}

3. 文本替换

通过 replace() 方法实现复杂的替换逻辑：

// 将所有 "JavaScript" 替换为 "JS"
const text = "JavaScript is awesome! Learn JavaScript.";
const replacedText = text.replace(/JavaScript/g, "JS");
console.log(replacedText); // "JS is awesome! Learn JS."