字符类
考虑一个实际的任务 – 我们有一个电话号码,例如 "+7(903)-123-45-67"
,我们需要将其转换为纯数字:79031234567
。
为此,我们可以查找并删除所有非数字的内容。字符类可以帮助解决这个问题。
字符类(Character classes) 是一个特殊的符号,匹配特定集中的任何符号。
首先,让我们探索“数字”类。它写为 \d
,对应于“任何一个数字”。
例如,让我们找到电话号码的第一个数字:
let str = "+7(903)-123-45-67";
let regexp = /\d/;
alert( str.match(regexp) ); // 7
如果没有标志 g
,则正则表达式仅查找第一个匹配项,即第一个数字 \d
。
让我们添加 g
标志来查找所有数字:
let str = "+7(903)-123-45-67";
let regexp = /\d/g;
alert( str.match(regexp) ); // array of matches: 7,9,0,3,1,2,3,4,5,6,7
// let's make the digits-only phone number of them:
alert( str.match(regexp).join('') ); // 79031234567
这是数字的字符类。还有其他字符类。
最常用的是:
\d
(“d” 来自 “digit”)- 数字:从
0
到9
的字符。 \s
(“s” 来自 “space”)- 空格符号:包括空格,制表符
\t
,换行符\n
和其他少数稀有字符,例如\v
,\f
和\r
。 \w
(“w” 来自 “word”)- “单字”字符:拉丁字母或数字或下划线
_
。非拉丁字母(如西里尔字母或印地文)不属于\w
。
例如,\d\s\w
表示“数字”,后跟“空格字符”,后跟“单字字符”,例如 1 a
。
正则表达式可能同时包含常规符号和字符类。
例如,CSS\d
匹配字符串 CSS
与后面的数字:
let str = "Is there CSS4?";
let regexp = /CSS\d/
alert( str.match(regexp) ); // CSS4
我们还可以使用许多字符类:
alert( "I love HTML5!".match(/\s\w\w\w\w\d/) ); // ' HTML5'
匹配项(每个正则表达式字符类都有对应的结果字符):
反向类
对于每个字符类,都有一个“反向类”,用相同的字母表示,但要以大写书写形式。
“反向”表示它与所有其他字符匹配,例如:
\D
- 非数字:除
\d
以外的任何字符,例如字母。 \S
- 非空格符号:除
\s
以外的任何字符,例如字母。 \W
- 非单字字符:除
\w
以外的任何字符,例如非拉丁字母或空格。
在这一章的开头,我们看到了如何从 +7(903)-123-45-67
这样的字符串中创建一个只包含数字的电话号码: 找到所有的数字并将它们连接起来。
let str = "+7(903)-123-45-67";
alert( str.match(/\d/g).join('') ); // 79031234567
另一种快捷的替代方法是查找非数字 \D
并将其从字符串中删除:
let str = "+7(903)-123-45-67";
alert( str.replace(/\D/g, "") ); // 79031234567
点(.)是匹配“任何字符”
点 .
是一种特殊字符类,它与 “除换行符之外的任何字符” 匹配。
例如:
alert( "Z".match(/./) ); // Z
或在正则表达式中间:
let regexp = /CS.4/;
alert( "CSS4".match(regexp) ); // CSS4
alert( "CS-4".match(regexp) ); // CS-4
alert( "CS 4".match(regexp) ); // CS 4 (space is also a character)
请注意,点表示“任何字符”,而不是“缺少字符”。必须有一个与之匹配的字符:
alert( "CS4".match(/CS.4/) ); // null, no match because there's no character for the dot
带有“s”标志时点字符类严格匹配任何字符
默认情况下,点与换行符 \n
不匹配。
例如,正则表达式 A.B
匹配 A
,然后匹配 B
和它们之间的任何字符,除了换行符\n
:
alert( "A\nB".match(/A.B/) ); // null (no match)
在许多情况下,当我们希望用点来表示“任何字符”(包括换行符)时。
这就是标志 s
所做的。如果有一个正则表达式,则点 .
实际上匹配任何字符:
alert( "A\nB".match(/A.B/s) ); // A\nB (match!)
不支持 Firefox、IE、Edge使用前可从 https://caniuse.com/ 确认以获得最新的支持状态。在撰写本文时,它不包括 Firefox、IE、Edge。
幸运的是,有一种替代方法可以在任何地方使用。我们可以使用诸如 [\s\S]
之类的正则表达式来匹配“任何字符”。
alert( "A\nB".match(/A[\s\S]B/) ); // A\nB (match!)
模式 [\s\S]
从字面上说:“空格字符或非空格字符”。换句话说,“任何东西”。我们可以使用另一对互补的类,例如 [\d\D]
。甚至是 [^]
—— 意思是匹配任何字符,除了什么都没有。
如果我们希望两种“点”都使用相同的模式,也可以使用此技巧:实际的点 .
具有常规方式(“不包括换行符”)以及一种使用 [\s\S]
或类似形式匹配“任何字符”。
通常我们很少注意空格。对我们来说,字符串 1-5
和 1 - 5
几乎相同。
但是,如果正则表达式未考虑空格,则可能无法正常工作。
让我们尝试查找由连字符(-)分隔的数字:
alert( "1 - 5".match(/\d-\d/) ); // null, no match!
让我们修复一下,在正则表达式中添加空格:\ d-\ d`:
alert( "1 - 5".match(/\d - \d/) ); // 1 - 5, now it works
// or we can use \s class:
alert( "1 - 5".match(/\d\s-\s\d/) ); // 1 - 5, also works
空格是一个字符。与其他字符同等重要。
我们无法在正则表达式中添加或删除空格,并且期望能正常工作。
换句话说,在正则表达式中,所有字符都很重要,空格也很重要。
总结
存在以下字符类:
\d
—— 数字。\D
—— 非数字。\s
—— 空格符号,制表符,换行符。\S
—— 除了\s
。\w
—— 拉丁字母,数字,下划线'_'
。\W
—— 除了\w
。.
—— 任何带有's'
标志的字符,否则为除换行符\n
之外的任何字符。
……但这还不是全部!
JavaScript 用于字符串的 Unicode 编码提供了许多字符属性,例如:这个字母属于哪一种语言(如果它是一个字母)?它是标点符号吗?等等。
我们也可以通过这些属性进行搜索。这需要标志 u
,在下一篇文章中介绍。