2022年8月5日

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。字符类可以帮助我们实现它。

字符类(Character classes) 是一种特殊的符号,匹配特定集合中的任何符号。

首先,让我们探索“数字”类。它写为 \d,对应于“任何一位数字”。

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

如果没有修饰符 g,则正则表达式仅查找第一个匹配项,即第一个数字 \d

让我们添加修饰符 g 来查找所有数字:

let str = "+7(903)-123-45-67";

let regexp = /\d/g;

alert( str.match(regexp) ); // 匹配项构成的数组:7,9,0,3,1,2,3,4,5,6,7

// 让我们将其输出为纯数字构成的电话号码:
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 09 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\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 CSS 后面带有一个数字的字符串:

let str = "Is there CSS4?";
let regexp = /CSS\d/

alert( str.match(regexp) ); // CSS4

我们还可以使用更多字符类:

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,但是大写的。

“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。

在本章的开头,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式是查找非数字 \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(.)匹配“任何字符”

. 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(空格也是一个字符)

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,没有匹配项,因为这里没有与点匹配的字符

带有修饰符 “s” 时点字符类匹配任何字符

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(无匹配项)

在很多情况下,我们希望点能够匹配“任何字符”,包括换行符。

这就是修饰符 s 所做的事。如果有一个正则表达式具有该修饰符,那么点 . 能够匹配任何字符:

alert( "A\nB".match(/A.B/s) ); // A\nB(匹配了!)
IE 浏览器不支持

IE 浏览器不支持 s 修饰符。

幸运的是,有一个替代方案,我们可以使用像 [\s\S] 这样的正则表达式来匹配“任何字符”(此模式将在 集合和范围 [...] 中介绍)。

alert( "A\nB".match(/A[\s\S]B/) ); // A\nB(匹配了!)

模式 [\s\S] 从字面上意思是:“空格字符或非空格字符”。换句话说,“任何字符”。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 . 表现常规方式(“不包括换行符”),以及带有 [\s\S] 或类似形式匹配“任何字符”。

注意空格

通常我们很少注意空格。对我们来说,字符串 1-51 - 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,没有匹配项!

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,现在可以了
// 或者我们可以使用 \s 类:
alert( "1 - 5".match(/\d\s-\s\d/) ); // 1 - 5,也可以

一个空格是一个字符。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后,还期望它的作用能像之前那样不被改变。

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
  • . —— 带有修饰符 's' 时匹配任何字符,否则匹配除换行符 \n 之外的任何字符。

……但这还不是全部!

JavaScript 用于字符串的 Unicode 编码提供了很多字符属性,例如:这个字母属于哪种语言(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。这需要修饰符 u,我们将在下一篇文章中介绍。

教程路线图