正则提取标签之 (?[\s\S]*?)的语法讲解

http://faq.locoy.com/q-1064.html

匹配双字节字符(包括汉字在内)：[^x00-xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2

正则提取标签之 (?[sS]*?)的语法讲解

http://faq.locoy.com/q-1064.html

匹配双字节字符(包括汉字在内)：[^x00-xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

 

匹配空白行的正则表达式：ns*r
评注：可以用来删除空白行

 

匹配HTML标记的正则表达式：< (S*?)[^>]*>.*?|< .*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

 

匹配首尾空白字符的正则表达式：^s*|s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式



匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
评注：表单验证时很实用

 

匹配网址URL的正则表达式：[a-zA-z]+://[^s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

 

匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用

 

匹配国内电话号码：d{3}-d{8}|d{4}-d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

 

匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

 

匹配中国邮政编码：[1-9]d{5}(?!d)
评注：中国邮政编码为6位数字

 

匹配身份证：d{15}|d{18}
评注：中国的身份证为15位或18位

 

匹配ip地址：d+.d+.d+.d+
评注：提取ip地址时有用

 

匹配特定数字：
^[1-9]d*$　 　 //匹配正整数
^-[1-9]d*$ 　 //匹配负整数
^-?[1-9]d*$　　 //匹配整数
^[1-9]d*|0$　 //匹配非负整数（正整数 + 0）
^-[1-9]d*|0$　　 //匹配非正整数（负整数 + 0）
^[1-9]d*.d*|0.d*[1-9]d*$　　 //匹配正浮点数
^-([1-9]d*.d*|0.d*[1-9]d*)$　 //匹配负浮点数
^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$　 //匹配浮点数
^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$　　//匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正

 

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串

 

 

(1)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;}

 

(2)应用：javascript中没有像vbscript那样的trim函数，我们就可以利用这个表达式来实现
String.prototype.trim = function()
{
return this.replace(/(^s*)|(s*$)/g, “”);
}


(3)应用：利用正则表达式分解和转换IP地址
function IP2V(ip) //IP地址转换成对应数值
{
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!”)
}
}


(4)应用：从URL地址中提取文件名的javascript程序
s=”http://www.9499.net/page1.htm”;
s=s.replace(/(.*/){0,}([^.]+).*/ig,”$2″) ; //Page1.htm


(5)应用：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=”/blog/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=”/blog/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=”/blog/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=”/blog/value.replace(/[W]/g,””) “onbeforepaste=”clipboardData.setData(’text’,clipboardData.getData(’text’).replace(/[^d]/g,”

 

===================================================================================

字符/ 
意义：对于字符，通常表示按字面意义，指出接着的字符为特殊字符，不作解释。 
例如：/b/匹配字符’b’,通过在b 前面加一个反斜杠，也就是/b/，则该字符变成特殊字符，表示 
匹配一个单词的分界线。 
或者： 
对于几个字符，通常说明是特殊的，指出紧接着的字符不是特殊的，而应该按字面解释。 
例如：*是一个特殊字符，匹配任意个字符(包括0个字符)；例如：/a*/意味匹配0个或多个a。为了匹配字面上的*，在a前面加一个反斜杠；例如：/a*/匹配’a*’。 

字符^ 
意义：表示匹配的字符必须在最前边。 
例如：/^A/不匹配"an A,"中的’A’，但匹配"An A."中最前面的’A’。 

字符$ 
意义：与^类似，匹配最末的字符。 
例如：/t$/不匹配"eater"中的’t’，但匹配"eat"中的’t’。 

字符* 
意义：匹配*前面的字符0次或n次。 
例如:/bo*/匹配"A ghost booooed"中的’boooo’或"A bird warbled"中的’b’，但不匹配"Agoat g 
runted"中的任何字符。 

字符+ 
意义：匹配+号前面的字符1次或n次。等价于{1,}。 
例如：/a+/匹配"candy"中的’a’和"caaaaaaandy."中的所有’a’。 

字符? 
意义：匹配?前面的字符0次或1次。 
例如：/e?le?/匹配"angel"中的’el’和"angle."中的’le’。 

字符. 
意义：(小数点)匹配除换行符外的所有单个的字符。 
例如：/.n/匹配"nay, an apple is on the tree"中的’an’和’on’，但不匹配’nay’。 


字符(x) 
意义：匹配’x’并记录匹配的值。 
例如：/(foo)/匹配和记录"foo bar."中的’foo’。匹配子串能被结果数组中的素[1], ...,[n] 返 
回，或被RegExp对象的属性, ..., 返回。 

字符x│y 
意义：匹配’x’或者’y’。 
例如：/green│red/匹配"green apple"中的’green’和"red apple."中的’red’。 

字符{ n } 
意义：这里的n是一个正整数。匹配前面的n个字符。 
例如：/a{ 2 }/不匹配"candy,"中的’a’，但匹配"caandy," 中的所有’a’和"caaandy."中前面的两个’a’。 

字符{ n, } 
意义：这里的n是一个正整数。匹配至少n个前面的字符。 
例如：/a{ 2, }不匹配"candy"中的’a’，但匹配"caandy"中的所有’a’和"caaaaaaandy."中的所有’a’ 

字符{ n,m } 
意义：这里的n和m都是正整数。匹配至少n个最多m个前面的字符。 
例如：/a{ 1,3 }/不匹配"cndy"中的任何字符，但匹配 "candy,"中的’a’，"caandy," 中的前面两个 
’a’和"caaaaaaandy"中前面的三个’a’，注意：即使"caaaaaaandy" 中有很多个’a’，但只匹配前面的三 个’a’即"aaa"。 

字符[xyz] 
意义：一字符列表，匹配列出中的任一字符。你可以通过连字符-指出一个字符范围。 
例如：[abcd]跟[a-c]一样。它们匹配"brisket"中的’b’和"ache"中的’c’。 

字符[^xyz] 
意义：一字符补集，也就是说，它匹配除了列出的字符外的所有东西。 你可以使用连字符-指出一 字符范围。 
例如：[^abc]和[^a-c]等价，它们最早匹配"brisket"中的’r’和"chop."中的’h’。 

字符 
意义：匹配一个空格(不要与b混淆) 

字符b 
意义：匹配一个单词的分界线，比如一个空格(不要与混淆) 
例如：/bnw/匹配"noonday"中的’no’，/wyb/匹配"possibly yesterday."中的’ly’。 

字符B 
意义：匹配一个单词的非分界线 
例如：/wBn/匹配"noonday"中的’on’，/yBw/匹配"possibly yesterday."中的’ye’。 

字符cX 
意义：这里的X是一个控制字符。匹配一个字符串的控制字符。 
例如：/cM/匹配一个字符串中的control-M。 

字符d 
意义：匹配一个数字，等价于[0-9]。 
例如：/d/或/[0-9]/匹配"B2 is the suite number."中的’2’。 

字符D 
意义：匹配任何的非数字，等价于[^0-9]。 
例如：/D/或/[^0-9]/匹配"B2 is the suite number."中的’B’。 

字符f 
意义：匹配一个表单符 

字符n 
意义：匹配一个换行符 

字符r 
意义：匹配一个回车符 

字符s 
意义：匹配一个单个white空格符，包括空格，tab，form feed，换行符，等价于[ fnrtv]。 
例如：/sw*/匹配"foo bar."中的’ bar’。 

字符S 
意义：匹配除white空格符以外的一个单个的字符，等价于[^ fnrtv]。 
例如：/S/w*匹配"foo bar."中的’foo’。 

字符t 
意义：匹配一个制表符 

字符v 
意义：匹配一个顶头制表符 

字符w 
意义：匹配所有的数字和字母以及下划线，等价于[A-Za-z0-9_]。 
例如：/w/匹配"apple,"中的’a’，".28,"中的’5’和"3D."中的’3’。 

字符W 
意义：匹配除数字、字母外及下划线外的其它字符，等价于[^A-Za-z0-9_]。 
例如：/W/或者/[^$A-Za-z0-9_]/匹配"50%."中的’%’。 

字符n 
意义：这里的n是一个正整数。匹配一个正则表达式的最后一个子串的n的值(计数左圆括号)。 

例如：/apple(,)sorange1/匹配"apple, orange, cherry, peach."中的’apple, orange’，下面有一个更加完整的例子。 
注意：如果左圆括号中的数字比n指定的数字还小，则n取下一行的八进制escape作为描述。 

字符ooctal和xhex 
意义：这里的ooctal是一个八进制的escape值，而xhex是一个十六进制的escape值，允许在一个正则表达式中嵌入ASCII码 

附:下表是元字符及其在正则表达式上下文中的行为的一个完整列表： 


字符 描述 
 
将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'n' 匹配一个换行符。序列 '' 匹配 "" 而 "(" 则匹配 "("。 


^ 
匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 'n' 或 'r' 之后的位置。 


$ 
匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 'n' 或 'r' 之前的位置。 


* 
匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等价于{0,}。 
+ 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 


? 
匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。 
{n} 
n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 
{n,} 
n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 
{n,m} 
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。刘， "o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 
? 
当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 
. 
匹配除 "n" 之外的任何单个字符。要匹配包括 'n' 在内的任何字符，请使用象 '[.n]' 的模式。 
(pattern) 
匹配pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 {CONTENT}… 属性。要匹配圆括号字符，请使用 '(' 或 ')'。 
(?:pattern) 
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 
(?=pattern) 
正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如， 'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 
(?!pattern) 
负向预查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 
x|y 
匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 
[xyz] 
字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。 
[^xyz] 
负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。 
[a-z] 
字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 
[^a-z] 
负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 
b 
匹配一个单词边界，也就是指单词和空格间的位置。例如， 'erb' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 
B 
匹配非单词边界。'erB' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 
cx 
匹配由x指明的控制字符。例如， cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 
d 
匹配一个数字字符。等价于 [0-9]。 
D 
匹配一个非数字字符。等价于 [^0-9]。 
f 
匹配一个换页符。等价于 x0c 和 cL。 
n 
匹配一个换行符。等价于 x0a 和 cJ。 
r 
匹配一个回车符。等价于 x0d 和 cM。 
s 
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ fnrtv]。 
S 
匹配任何非空白字符。等价于 [^ fnrtv]。 
t 
匹配一个制表符。等价于 x09 和 cI。 
v 
匹配一个垂直制表符。等价于 x0b 和 cK。 
w 
匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 
W 
匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。 
xn 
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， 'x41' 匹配 "A"。'x041' 则等价于 'x04' & "1"。正则表达式中可以使用 ASCII 编码。. 
num 
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)' 匹配两个连续的相同字符。 
n 
标识一个八进制转义值或一个后向引用。如果 n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 
nm 
标识一个八进制转义值或一个后向引用。如果 nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 nm 将匹配八进制转义值 nm。 
nml 
如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 
un 
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如，u00A9 匹配版权符号 (?)。

 

===================================================================================

 

附件参数g的用法 

表达式加上参数g之后，表明可以进行全局匹配，注意这里“可以”的含义。我们详细叙述： 

1）对于表达式对象的exec方法，不加入g，则只返回第一个匹配，无论执行多少次均是如此，如果加入g，则第一次执行也返回第一个匹配，再执行返回第二个匹配，依次类推。例如 
var regx=/userd/; 
var str=“user18dsdfuser2dsfsd”; 
var rs=regx.exec(str);//此时rs的值为{user1} 
var rs2=regx.exec(str);//此时rs的值依然为{user1} 
如果regx=/userd/g；则rs的值为{user1}，rs2的值为{user2} 
通过这个例子说明：对于exec方法，表达式加入了g，并不是说执行exec方法就可以返回所有的匹配，而是说加入了g之后，我可以通过某种方式得到所有的匹配，这里的“方式”对于exec而言，就是依次执行这个方法即可。 

2）对于表达式对象的test方法，加入g于不加上g没有什么区别。 

3）对于String对象的match方法，不加入g，也只是返回第一个匹配，一直执行match方法也总是返回第一个匹配，加入g，则一次返回所有的匹配（注意这与表达式对象的exec方法不同，对于exec而言，表达式即使加上了g，也不会一次返回所有的匹配）。例如： 
var regx=/userd/; 
var str=“user1sdfsffuser2dfsdf”; 
var rs=str.match(regx);//此时rs的值为{user1} 
var rs2=str.match(regx);//此时rs的值依然为{user1} 
如果regx=/userd/g，则rs的值为{user1,user2}，rs2的值也为{user1,user2} 

4）对于String对象的replace方法，表达式不加入g，则只替换第一个匹配，如果加入g，则替换所有匹配。（开头的三道测试题能很好的说明这一点） 

5）对于String对象的split方法，加上g与不加g是一样的，即： 
var sep=/userd/; 
var array=“user1dfsfuser2dfsf”.split(sep); 
则array的值为{dfsf, dfsf} 
此时sep=/userd/g，返回值是一样的。 

6）对于String对象的search方法，加不加g也是一样的。 

总结2：附加参数m的用法 

附加参数m，表明可以进行多行匹配，但是这个只有当使用^和$模式时才会起作用，在其他的模式中，加不加入m都可以进行多行匹配（其实说多行的字符串也是一个普通字符串），我们举例说明这一点 

1）使用^的例子 
var regx=/^b./g; 
var str=“bd76 dfsdf 
sdfsdfs dffs 
b76dsf sdfsdf”; 
var rs=str.match(regx); 
此时加入g和不加入g，都只返回第一个匹配{bd}，如果regx=/^b./gm，则返回所有的匹配{bd,b7}，注意如果regx=/^b./m，则也只返回第一个匹配。所以，加入m表明可以进行多行匹配，加入g表明可以进行全局匹配，综合到一起就是可以进行多行全局匹配 

2）使用其他模式的例子，例如 
var regx=/userd/; 
var str=“sdfsfsdfsdf 
sdfsuser3 dffs 
b76dsf user6”; 
var rs=str.match(regx); 
此时不加参数g，则返回{user3}，加入参数g返回{user3,user6}，加不加入m对此没有影响。 

3）因此对于m我们要清楚它的使用，记住它只对^和$模式起作用，在这两种模式中，m的作用为：如果不加入m，则只能在第一行进行匹配，如果加入m则可以在所有的行进行匹配。我们再看一个^的例子 
var regx=/^b./; 
var str=“ret76 dfsdf 
bjfsdfs dffs 
b76dsf sdfsdf”; 
var rs=str.match(regx); 
此时rs的值为null，如果加入g，rs的值仍然为null，如果加入m，则rs的值为{bj}（也就是说，在第一行没有找到匹配，因为有参数m，所以可以继续去下面的行去找是否有匹配），如果m和g都加上，则返回{bj,b7}（只加m不加g说明，可以去多行进行匹配，但是找到一个匹配后就返回，加入g表明将多行中所有的匹配返回，当然对于match方法是如此，对于exec呢，则需要执行多次才能依次返回） 

总结3：在HTML的textarea输入域中，按一个Enter键，对应的控制字符为“rn”，即“回车换行”，而不是“nr”，即“换行回车”，我们看一个前面我们举过的例子： 
var regx=/arnbc/; 
var str=“a 
bc”; 
var rs=regx.exec(str); 
结果：匹配成功，rs的值为：{ }，如果表达式为/anrbc/，则不会被匹配，因此在一般的编辑器中一个”Enter”键代表着“回车换行”，而非“换行回车”，至少在textarea域中是这样的。