正則表達式中/w不能識別中文
2020-01-20 22:21:18
供稿：網友
正則表達式用于字符串處理，表單驗證等場合，實用高效，但用到時總是不太把握，以致往往要上網查一番。我將一些常用的表達式收藏在這里，作備忘之用。本貼隨時會更新。
匹配中文字符的正則表達式： [/u4e00-/u9fa5]
匹配雙字節字符(包括漢字在內)：[^/x00-/xff]
應用：計算字符串的長度（一個雙字節字符長度計2，ASCII字符計1）
String.prototype.len=function(){return this.replace([^/x00-/xff]/g,"aa").length;}
匹配空行的正則表達式：/n[/s| ]*/r
匹配HTML標記的正則表達式：/<(.*)>.*<///1>|<(.*) //>/
匹配首尾空格的正則表達式：(^/s*)|(/s*$)
String.prototype.trim = function()
{
return this.replace(/(^/s*)|(/s*$)/g, "");
}
利用正則表達式分解和轉換IP地址：
下面是利用正則表達式匹配IP地址，并將IP地址轉換成對應數值的Javascript程序：
function IP2V(ip)
{
re=/(/d+)/.(/d+)/.(/d+)/.(/d+)/g //匹配IP地址的正則表達式
if(re.test(ip))
{
return RegExp.$1*Math.pow(255,3))+RegExp.$2*Math.pow(255,2))+RegExp.$3*255+RegExp.$4*1
}
else
{
throw new Error("Not a valid IP address!")
}
}
不過上面的程序如果不用正則表達式，而直接用split函數來分解可能更簡單，程序如下：
var ip="10.100.20.168"
ip=ip.split(".")
alert("IP值是："+(ip[0]*255*255*255+ip[1]*255*255+ip[2]*255+ip[3]*1))
匹配Email地址的正則表達式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*
匹配網址URL的正則表達式：http://([/w-]+/.)+[/w-]+(/[/w- ./?%&=]*)?
利用正則表達式去除字串中重復的字符的算法程序：[注：此程序不正確，原因見本貼回復]
var s="abacabefgeeii"
var s1=s.replace(/(.).*/1/g,"$1")
var re=new RegExp("["+s1+"]","g")
var s2=s.replace(re,"")
alert(s1+s2) //結果為：abcefgi
我原來在CSDN上發貼尋求一個表達式來實現去除重復字符的方法，最終沒有找到，這是我能想到的最簡單的實現方法。思路是使用后向引用取出包括重復的字符，再以重復的字符建立第二個表達式，取到不重復的字符，兩者串連。這個方法對于字符順序有要求的字符串可能不適用。
得用正則表達式從URL地址中提取文件名的javascript程序，如下結果為page1
s="http://www.9499.net/page1.htm"
s=s.replace(/(.*//){0,}([^/.]+).*/ig,"$2")
alert(s)
利用正則表達式限制網頁表單里的文本框輸入內容：
用正則表達式限制只能輸入中文：onkeyup="value=value.replace(/[^/u4E00-/u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/u4E00-/u9FA5]/g,''))"
用正則表達式限制只能輸入全角字符： onkeyup="value=value.replace(/[^/uFF00-/uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/uFF00-/uFFFF]/g,''))"
用正則表達式限制只能輸入數字：onkeyup="value=value.replace(/[^/d]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/d]/g,''))"
用正則表達式限制只能輸入數字和英文：onkeyup="value=value.replace(/[/W]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/d]/g,''))"
------------------------------------------
另外從baidu 的知道里邊拿到些信息:
正則表達式的構造摘要
構造 匹配
字符
x 字符 x
// 反斜線字符
/0n 帶有八進制值 0 的字符 n (0 <= n <= 7)
/0nn 帶有八進制值 0 的字符 nn (0 <= n <= 7)
/0mnn 帶有八進制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
/xhh 帶有十六進制值 0x 的字符 hh
/uhhhh 帶有十六進制值 0x 的字符 hhhh
/t 制表符 ('/u0009')
/n 新行（換行）符 ('/u000A')
/r 回車符 ('/u000D')
/f 換頁符 ('/u000C')
/a 報警 (bell) 符 ('/u0007')
/e 轉義符 ('/u001B')
/cx 對應于 x 的控制符
字符類
[abc] a、b 或 c（簡單類）
[^abc] 任何字符，除了 a、b 或 c（否定）
[a-zA-Z] a 到 z 或 A 到 Z，兩頭的字母包括在內（范圍）
[a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]] d、e 或 f（交集）
[a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（減去）
[a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（減去）
預定義字符類
. 任何字符（與行結束符可能匹配也可能不匹配）
/d 數字：[0-9]
/D 非數字： [^0-9]
/s 空白字符：[ /t/n/x0B/f/r]
/S 非空白字符：[^/s]
/w 單詞字符：[a-zA-Z_0-9]
/W 非單詞字符：[^/w]
POSIX 字符類（僅 US-ASCII）
/p{Lower} 小寫字母字符：[a-z]
/p{Upper} 大寫字母字符：[A-Z]
/p{ASCII} 所有 ASCII：[/x00-/x7F]
/p{Alpha} 字母字符：[/p{Lower}/p{Upper}]
/p{Digit} 十進制數字：[0-9]
/p{Alnum} 字母數字字符：[/p{Alpha}/p{Digit}]
/p{Punct} 標點符號：!"#$%&'()*+,-./:;<=>?@[/]^_`{|}~
/p{Graph} 可見字符：[/p{Alnum}/p{Punct}]
/p{Print} 可打印字符：[/p{Graph}/x20]
/p{Blank} 空格或制表符：[ /t]
/p{Cntrl} 控制字符：[/x00-/x1F/x7F]
/p{XDigit} 十六進制數字：[0-9a-fA-F]
/p{Space} 空白字符：[ /t/n/x0B/f/r]
java.lang.Character 類（簡單的 java 字符類型）
/p{javaLowerCase} 等效于 java.lang.Character.isLowerCase()
/p{javaUpperCase} 等效于 java.lang.Character.isUpperCase()
/p{javaWhitespace} 等效于 java.lang.Character.isWhitespace()
/p{javaMirrored} 等效于 java.lang.Character.isMirrored()
Unicode 塊和類別的類
/p{InGreek} Greek 塊（簡單塊）中的字符
/p{Lu} 大寫字母（簡單類別）
/p{Sc} 貨幣符號
/P{InGreek} 所有字符，Greek 塊中的除外（否定）
[/p{L}&&[^/p{Lu}]] 所有字母，大寫字母除外（減去）
邊界匹配器
^ 行的開頭
$ 行的結尾
/b 單詞邊界
/B 非單詞邊界
/A 輸入的開頭
/G 上一個匹配的結尾
/Z 輸入的結尾，僅用于最后的結束符（如果有的話）
/z 輸入的結尾
Greedy 數量詞
X? X，一次或一次也沒有
X* X，零次或多次
X+ X，一次或多次
X{n} X，恰好 n 次
X{n,} X，至少 n 次
X{n,m} X，至少 n 次，但是不超過 m 次
Reluctant 數量詞
X?? X，一次或一次也沒有
X*? X，零次或多次
X+? X，一次或多次
X{n}? X，恰好 n 次
X{n,}? X，至少 n 次
X{n,m}? X，至少 n 次，但是不超過 m 次
Possessive 數量詞
X?+ X，一次或一次也沒有
X*+ X，零次或多次
X++ X，一次或多次
X{n}+ X，恰好 n 次
X{n,}+ X，至少 n 次
X{n,m}+ X，至少 n 次，但是不超過 m 次
Logical 運算符
XY X 后跟 Y
X|Y X 或 Y
(X) X，作為捕獲組
Back 引用
/n 任何匹配的 nth 捕獲組
引用
/ Nothing，但是引用以下字符
/Q Nothing，但是引用所有字符，直到 /E
/E Nothing，但是結束從 /Q 開始的引用
特殊構造（非捕獲）
(?:X) X，作為非捕獲組
(?idmsux-idmsux) Nothing，但是將匹配標志由 on 轉為 off
(?idmsux-idmsux:X) X，作為帶有給定標志 on - off 的非捕獲組
(?=X) X，通過零寬度的正 lookahead
(?!X) X，通過零寬度的負 lookahead
(?<=X) X，通過零寬度的正 lookbehind
(?<!X) X，通過零寬度的負 lookbehind
(?>X) X，作為獨立的非捕獲組
--------------------------------------------------------------------------------
反斜線、轉義和引用
反斜線字符 ('/') 用于引用轉義構造，如上表所定義的，同時還用于引用其他將被解釋為非轉義構造的字符。因此，表達式 // 與單個反斜線匹配，而 /{ 與左括號匹配。
在不表示轉義構造的任何字母字符前使用反斜線都是錯誤的；它們是為將來擴展正則表達式語言保留的。可以在非字母字符前使用反斜線，不管該字符是否非轉義構造的一部分。
根據 Java Language Specification 的要求，Java 源代碼的字符串中的反斜線被解釋為 Unicode 轉義或其他字符轉義。因此必須在字符串字面值中使用兩個反斜線，表示正則表達式受到保護，不被 Java 字節碼編譯器解釋。例如，當解釋為正則表達式時，字符串字面值 "/b" 與單個退格字符匹配，而 "http://b" 與單詞邊界匹配。字符串字面值 "/(hello/)" 是非法的，將導致編譯時錯誤；要與字符串 (hello) 匹配，必須使用字符串字面值 "http://(hello//)"。
字符類
字符類可以出現在其他字符類中，并且可以包含并集運算符（隱式）和交集運算符 (&&)。并集運算符表示至少包含其某個操作數類中所有字符的類。交集運算符表示包含同時位于其兩個操作數類中所有字符的類。
字符類運算符的優先級如下所示，按從最高到最低的順序排列：
1 字面值轉義 /x
2 分組 [...]
3 范圍 a-z
4 并集 [a-e][i-u]
5 交集 [a-z&&[aeiou]]
注意，元字符的不同集合實際上位于字符類的內部，而非字符類的外部。例如，正則表達式 . 在字符類內部就失去了其特殊意義，而表達式 - 變成了形成元字符的范圍。
行結束符
行結束符 是一個或兩個字符的序列，標記輸入字符序列的行結尾。以下代碼被識別為行結束符：
新行（換行）符 ('/n')、
后面緊跟新行符的回車符 ("/r/n")、
單獨的回車符 ('/r')、
下一行字符 ('/u0085')、
行分隔符 ('/u2028') 或
段落分隔符 ('/u2029)。
如果激活 UNIX_LINES 模式，則新行符是惟一識別的行結束符。
如果未指定 DOTALL 標志，則正則表達式 . 可以與任何字符（行結束符除外）匹配。
默認情況下，正則表達式 ^ 和 $ 忽略行結束符，僅分別與整個輸入序列的開頭和結尾匹配。如果激活 MULTILINE 模式，則 ^ 在輸入的開頭和行結束符之后（輸入的結尾）才發生匹配。處于 MULTILINE 模式中時，$ 僅在行結束符之前或輸入序列的結尾處匹配。
組和捕獲
捕獲組可以通過從左到右計算其開括號來編號。例如，在表達式 ((A)(B(C))) 中，存在四個這樣的組：
1 ((A)(B(C)))
2 /A
3 (B(C))
4 (C)
組零始終代表整個表達式。
之所以這樣命名捕獲組是因為在匹配中，保存了與這些組匹配的輸入序列的每個子序列。捕獲的子序列稍后可以通過 Back 引用在表達式中使用，也可以在匹配操作完成后從匹配器檢索。
與組關聯的捕獲輸入始終是與組最近匹配的子序列。如果由于量化的緣故再次計算了組，則在第二次計算失敗時將保留其以前捕獲的值（如果有的話）例如，將字符串 "aba" 與表達式 (a(b)?)+ 相匹配，會將第二組設置為 "b"。在每個匹配的開頭，所有捕獲的輸入都會被丟棄。
以 (?) 開頭的組是純的非捕獲 組，它不捕獲文本，也不針對組合計進行計數。
