正则表达式中w不能识别中文
程序员文章站
2022-08-10 23:29:37
正则表达式用于字符串处理，表单验证等场合，实用高效，但用到时总是不太把握，以致往往要上网查一番。我将一些常用的表达式收藏在这里，作备忘之用。本贴随时会更新。 匹配中文字符的...
正则表达式用于字符串处理，表单验证等场合，实用高效，但用到时总是不太把握，以致往往要上网查一番。我将一些常用的表达式收藏在这里，作备忘之用。本贴随时会更新。
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
应用：计算字符串的长度（一个双字节字符长度计2，ascii字符计1）
string.prototype.len=function(){return this.replace([^\x00-\xff]/g,"aa").length;}
匹配空行的正则表达式：\n[\s| ]*\r
匹配html标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/
匹配首尾空格的正则表达式：(^\s*)|(\s*$)
string.prototype.trim = function()
{
return this.replace(/(^\s*)|(\s*$)/g, "");
}
利用正则表达式分解和转换ip地址：
下面是利用正则表达式匹配ip地址，并将ip地址转换成对应数值的javascript程序：
function ip2v(ip)
{
re=/(\d+)\.(\d+)\.(\d+)\.(\d+)/g //匹配ip地址的正则表达式
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!")
}
}
不过上面的程序如果不用正则表达式，而直接用split函数来分解可能更简单，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地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
匹配网址url的正则表达式：http://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?
利用正则表达式去除字串中重复的字符的算法程序：[注：此程序不正确，原因见本贴回复]
var s="abacabefgeeii"
var s1=s.replace(/(.).*\1/g,"$1")
var re=new regexp("["+s1+"]","g")
var s2=s.replace(re,"")
alert(s1+s2) //结果为：abcefgi
我原来在csdn上发贴寻求一个表达式来实现去除重复字符的方法，最终没有找到，这是我能想到的最简单的实现方法。思路是使用后向引用取出包括重复的字符，再以重复的字符建立第二个表达式，取到不重复的字符，两者串连。这个方法对于字符顺序有要求的字符串可能不适用。
得用正则表达式从url地址中提取文件名的javascript程序，如下结果为page1
s="http://www.9499.net/page1.htm"
s=s.replace(/(.*\/){0,}([^\.]+).*/ig,"$2")
alert(s)
利用正则表达式限制网页表单里的文本框输入内容：
用正则表达式限制只能输入中文：onkeyup="value=value.replace(/[^\u4e00-\u9fa5]/g,'')" onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\u4e00-\u9fa5]/g,''))"
用正则表达式限制只能输入全角字符： onkeyup="value=value.replace(/[^\uff00-\uffff]/g,'')" onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\uff00-\uffff]/g,''))"
用正则表达式限制只能输入数字：onkeyup="value=value.replace(/[^\d]/g,'') "onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\d]/g,''))"
用正则表达式限制只能输入数字和英文：onkeyup="value=value.replace(/[\w]/g,'') "onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\d]/g,''))"
------------------------------------------
另外从baidu 的知道里边拿到些信息:
正则表达式的构造摘要
构造 匹配
字符
x 字符 x
\\ 反斜线字符
\0n 带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn 带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh 带有十六进制值 0x 的字符 hh
\uhhhh 带有十六进制值 0x 的字符 hhhh
\t 制表符 ('\u0009')
\n 新行（换行）符 ('\u000a')
\r 回车符 ('\u000d')
\f 换页符 ('\u000c')
\a 报警 (bell) 符 ('\u0007')
\e 转义符 ('\u001b')
\cx 对应于 x 的控制符
字符类
[abc] a、b 或 c（简单类）
[^abc] 任何字符，除了 a、b 或 c（否定）
[a-za-z] a 到 z 或 a 到 z，两头的字母包括在内（范围）
[a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]] d、e 或 f（交集）
[a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（减去）
预定义字符类
. 任何字符（与行结束符可能匹配也可能不匹配）
\d 数字：[0-9]
\d 非数字： [^0-9]
\s 空白字符：[ \t\n\x0b\f\r]
\s 非空白字符：[^\s]
\w 单词字符：[a-za-z_0-9]
\w 非单词字符：[^\w]
posix 字符类（仅 us-ascii）
\p{lower} 小写字母字符：[a-z]
\p{upper} 大写字母字符：[a-z]
\p{ascii} 所有 ascii：[\x00-\x7f]
\p{alpha} 字母字符：[\p{lower}\p{upper}]
\p{digit} 十进制数字：[0-9]
\p{alnum} 字母数字字符：[\p{alpha}\p{digit}]
\p{punct} 标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{graph} 可见字符：[\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} 十六进制数字：[0-9a-fa-f]
\p{space} 空白字符：[ \t\n\x0b\f\r]
java.lang.character 类（简单的 java 字符类型）
\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 块和类别的类
\p{ingreek} greek 块（简单块）中的字符
\p{lu} 大写字母（简单类别）
\p{sc} 货币符号
\p{ingreek} 所有字符，greek 块中的除外（否定）
[\p{l}&&[^\p{lu}]] 所有字母，大写字母除外（减去）
边界匹配器
^ 行的开头
$ 行的结尾
\b 单词边界
\b 非单词边界
\a 输入的开头
\g 上一个匹配的结尾
\z 输入的结尾，仅用于最后的结束符（如果有的话）
\z 输入的结尾
greedy 数量词
x? x，一次或一次也没有
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，但是不超过 m 次
reluctant 数量词
x?? x，一次或一次也没有
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，但是不超过 m 次
possessive 数量词
x?+ x，一次或一次也没有
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，但是不超过 m 次
logical 运算符
xy x 后跟 y
x|y x 或 y
(x) x，作为捕获组
back 引用
\n 任何匹配的 nth 捕获组
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，但是结束从 \q 开始的引用
特殊构造（非捕获）
(?:x) x，作为非捕获组
(?idmsux-idmsux) nothing，但是将匹配标志由 on 转为 off
(?idmsux-idmsux:x) x，作为带有给定标志 on - off 的非捕获组
(?=x) x，通过零宽度的正 lookahead
(?!x) x，通过零宽度的负 lookahead
(?<=x) x，通过零宽度的正 lookbehind
(?<!x) x，通过零宽度的负 lookbehind
(?>x) x，作为独立的非捕获组
--------------------------------------------------------------------------------
反斜线、转义和引用
反斜线字符 ('\') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。
根据 java language specification 的要求，java 源代码的字符串中的反斜线被解释为 unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\\b" 与单词边界匹配。字符串字面值 "\(hello\)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\\(hello\\)"。
字符类
字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示，按从最高到最低的顺序排列：
1 字面值转义 \x
2 分组 [...]
3 范围 a-z
4 并集 [a-e][i-u]
5 交集 [a-z&&[aeiou]]
注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。
行结束符
行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：
新行（换行）符 ('\n')、
后面紧跟新行符的回车符 ("\r\n")、
单独的回车符 ('\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，则新行符是惟一识别的行结束符。
如果未指定 dotall 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。
默认情况下，正则表达式 ^ 和 $ 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活 multiline 模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于 multiline 模式中时，$ 仅在行结束符之前或输入序列的结尾处匹配。
组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((a)(b(c))) 中，存在四个这样的组：
1 ((a)(b(c)))
2 \a
3 (b(c))
4 (c)
组零始终代表整个表达式。
之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 back 引用在表达式中使用，也可以在匹配操作完成后从匹配器检索。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba" 与表达式 (a(b)?)+ 相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。
以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
应用：计算字符串的长度（一个双字节字符长度计2，ascii字符计1）
string.prototype.len=function(){return this.replace([^\x00-\xff]/g,"aa").length;}
匹配空行的正则表达式：\n[\s| ]*\r
匹配html标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/
匹配首尾空格的正则表达式：(^\s*)|(\s*$)
string.prototype.trim = function()
{
return this.replace(/(^\s*)|(\s*$)/g, "");
}
利用正则表达式分解和转换ip地址：
下面是利用正则表达式匹配ip地址，并将ip地址转换成对应数值的javascript程序：
function ip2v(ip)
{
re=/(\d+)\.(\d+)\.(\d+)\.(\d+)/g //匹配ip地址的正则表达式
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!")
}
}
不过上面的程序如果不用正则表达式，而直接用split函数来分解可能更简单，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地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
匹配网址url的正则表达式：http://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?
利用正则表达式去除字串中重复的字符的算法程序：[注：此程序不正确，原因见本贴回复]
var s="abacabefgeeii"
var s1=s.replace(/(.).*\1/g,"$1")
var re=new regexp("["+s1+"]","g")
var s2=s.replace(re,"")
alert(s1+s2) //结果为：abcefgi
我原来在csdn上发贴寻求一个表达式来实现去除重复字符的方法，最终没有找到，这是我能想到的最简单的实现方法。思路是使用后向引用取出包括重复的字符，再以重复的字符建立第二个表达式，取到不重复的字符，两者串连。这个方法对于字符顺序有要求的字符串可能不适用。
得用正则表达式从url地址中提取文件名的javascript程序，如下结果为page1
s="http://www.9499.net/page1.htm"
s=s.replace(/(.*\/){0,}([^\.]+).*/ig,"$2")
alert(s)
利用正则表达式限制网页表单里的文本框输入内容：
用正则表达式限制只能输入中文：onkeyup="value=value.replace(/[^\u4e00-\u9fa5]/g,'')" onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\u4e00-\u9fa5]/g,''))"
用正则表达式限制只能输入全角字符： onkeyup="value=value.replace(/[^\uff00-\uffff]/g,'')" onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\uff00-\uffff]/g,''))"
用正则表达式限制只能输入数字：onkeyup="value=value.replace(/[^\d]/g,'') "onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\d]/g,''))"
用正则表达式限制只能输入数字和英文：onkeyup="value=value.replace(/[\w]/g,'') "onbeforepaste="clipboarddata.setdata('text',clipboarddata.getdata('text').replace(/[^\d]/g,''))"
------------------------------------------
另外从baidu 的知道里边拿到些信息:
正则表达式的构造摘要
构造 匹配
字符
x 字符 x
\\ 反斜线字符
\0n 带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn 带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh 带有十六进制值 0x 的字符 hh
\uhhhh 带有十六进制值 0x 的字符 hhhh
\t 制表符 ('\u0009')
\n 新行（换行）符 ('\u000a')
\r 回车符 ('\u000d')
\f 换页符 ('\u000c')
\a 报警 (bell) 符 ('\u0007')
\e 转义符 ('\u001b')
\cx 对应于 x 的控制符
字符类
[abc] a、b 或 c（简单类）
[^abc] 任何字符，除了 a、b 或 c（否定）
[a-za-z] a 到 z 或 a 到 z，两头的字母包括在内（范围）
[a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]] d、e 或 f（交集）
[a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（减去）
预定义字符类
. 任何字符（与行结束符可能匹配也可能不匹配）
\d 数字：[0-9]
\d 非数字： [^0-9]
\s 空白字符：[ \t\n\x0b\f\r]
\s 非空白字符：[^\s]
\w 单词字符：[a-za-z_0-9]
\w 非单词字符：[^\w]
posix 字符类（仅 us-ascii）
\p{lower} 小写字母字符：[a-z]
\p{upper} 大写字母字符：[a-z]
\p{ascii} 所有 ascii：[\x00-\x7f]
\p{alpha} 字母字符：[\p{lower}\p{upper}]
\p{digit} 十进制数字：[0-9]
\p{alnum} 字母数字字符：[\p{alpha}\p{digit}]
\p{punct} 标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{graph} 可见字符：[\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} 十六进制数字：[0-9a-fa-f]
\p{space} 空白字符：[ \t\n\x0b\f\r]
java.lang.character 类（简单的 java 字符类型）
\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 块和类别的类
\p{ingreek} greek 块（简单块）中的字符
\p{lu} 大写字母（简单类别）
\p{sc} 货币符号
\p{ingreek} 所有字符，greek 块中的除外（否定）
[\p{l}&&[^\p{lu}]] 所有字母，大写字母除外（减去）
边界匹配器
^ 行的开头
$ 行的结尾
\b 单词边界
\b 非单词边界
\a 输入的开头
\g 上一个匹配的结尾
\z 输入的结尾，仅用于最后的结束符（如果有的话）
\z 输入的结尾
greedy 数量词
x? x，一次或一次也没有
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，但是不超过 m 次
reluctant 数量词
x?? x，一次或一次也没有
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，但是不超过 m 次
possessive 数量词
x?+ x，一次或一次也没有
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，但是不超过 m 次
logical 运算符
xy x 后跟 y
x|y x 或 y
(x) x，作为捕获组
back 引用
\n 任何匹配的 nth 捕获组
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，但是结束从 \q 开始的引用
特殊构造（非捕获）
(?:x) x，作为非捕获组
(?idmsux-idmsux) nothing，但是将匹配标志由 on 转为 off
(?idmsux-idmsux:x) x，作为带有给定标志 on - off 的非捕获组
(?=x) x，通过零宽度的正 lookahead
(?!x) x，通过零宽度的负 lookahead
(?<=x) x，通过零宽度的正 lookbehind
(?<!x) x，通过零宽度的负 lookbehind
(?>x) x，作为独立的非捕获组
--------------------------------------------------------------------------------
反斜线、转义和引用
反斜线字符 ('\') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。
根据 java language specification 的要求，java 源代码的字符串中的反斜线被解释为 unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\\b" 与单词边界匹配。字符串字面值 "\(hello\)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\\(hello\\)"。
字符类
字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示，按从最高到最低的顺序排列：
1 字面值转义 \x
2 分组 [...]
3 范围 a-z
4 并集 [a-e][i-u]
5 交集 [a-z&&[aeiou]]
注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。
行结束符
行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：
新行（换行）符 ('\n')、
后面紧跟新行符的回车符 ("\r\n")、
单独的回车符 ('\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，则新行符是惟一识别的行结束符。
如果未指定 dotall 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。
默认情况下，正则表达式 ^ 和 $ 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活 multiline 模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于 multiline 模式中时，$ 仅在行结束符之前或输入序列的结尾处匹配。
组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((a)(b(c))) 中，存在四个这样的组：
1 ((a)(b(c)))
2 \a
3 (b(c))
4 (c)
组零始终代表整个表达式。
之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 back 引用在表达式中使用，也可以在匹配操作完成后从匹配器检索。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba" 与表达式 (a(b)?)+ 相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。
以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。