10 KiB
Классы и спецсимволы
Рассмотрим практическую задачу -- есть телефонный номер "+7(903)-123-45-67", и нам нужно найти в этой строке цифры. А остальные символы нас не интересуют.
Для поиска символов определённого вида в регулярных выражениях предусмотрены "классы символов".
[cut]
Класс символов -- это специальное обозначение, под которое подходит любой символ данного класса.
Например, класс "любая цифра" обозначается \d. Это обозначение вставляется в паттерн наравне с остальными символами, и при поиске под него подходит любая цифра.
Регулярное выражение /\d/ ищет ровно одну цифру (первую):
//+ run
var str = "+7(903)-123-45-67";
var reg = /\d/;
alert( str.match(reg) ); // 7
...Ну а для поиска всех цифр достаточно добавить к нему флаг g:
//+ run
var str = "+7(903)-123-45-67";
var reg = /\d/g;
alert( str.match(reg) ); // массив цифр: 7,9,0,3,1,2,3,4,5,6,7
Важнейшие классы
Это был класс для цифр.
Конечно же, есть и другие. Самые полезные классы:
- `\d` (от английского "digit" - "цифра")
- Цифра, символ от `0` до `9`.
- `\s` (от английского "space" - "пробел")
- Пробельный символ, включая табы, переводы строки и т.п.
- `\w` (от английского "word" -- "слово")
- Символ латинского алфавита или цифра или подчёркивание `'_'`. Не-английские буквы не являются `\w`.
Регулярное выражение как правило содержит одновременно и обычные символы и классы.
Например, CSS\d найдёт строку CSS, с любой цифрой после неё.
Пример ниже найдёт строку CSS с любой цифровой версией:
//+ run
var str = "Стандарт CSS4 - это здорово";
var reg = /CSS\d/
alert( str.match(reg) ); // CSS4
Можно указать и несколько классов в одном регэкспе:
//+ run
alert( "Я люблю HTML5!".match(/\s\w\w\w\w\d/) ); // 'HTML5'
Совпадение (каждому классу в регэкспе соответствует один символ результата):
Обратные классы
Для каждого символьного класса существует "обратный ему", представленный такой же, но заглавной буквой.
"Обратный" -- означает, что ему соответствуют все остальные символы, например:
- `\D`
- Не-цифра, то есть любой символ кроме `\d`, например буква.
- `\S`
- Не-пробел, то есть любой символ кроме `\s`, например буква.
- `\W`
- Любой символ, кроме `\w`, то есть не латинница, не подчёркивание, не цифра. В частности, русские буквы принадлежат этому классу.
В начале этой главы мы видели, как получить из телефона +7(903)-123-45-67 все цифры.
Первый способ -- найти все цифры через match(/\d/g), но есть и альтернативный -- найти все НЕцифры и удалить их из строки:
//+ run
var str = "+7(903)-123-45-67";
alert( str.replace(/\D/g, "") ); // 79031234567
Спецсимволы
Регулярное выражение может также содержать стандартные спецсимволы строк, такие как перевод строки \n, табуляцию \t и другие.
Отличить их от классов очень просто -- для классов зарезервированы другие буквы. Так что никакого конфликта здесь нет.
Пробелы
Обычно мы не обращаем внимание на пробелы. Для нашего взгляда строки 1-5 и 1 - 5 почти идентичны.
Но в регулярных выражениях пробел - такой же символ, как и другие.
Поиск ниже не сработает, так как не учитывает пробелы вокруг дефиса:
//+ run
alert( "1 - 5".match (/\d-\d/) ); // null, нет совпадений!
Поправим это, добавив в регэксп пробелы:
//+ run
alert( "1 - 5".match (/\d - \d/) ); // работает, пробелы вокруг дефиса
В регулярные выражения также не надо вставлять лишние пробелы. Все символы имеют значение:
//+ run
alert( "1-5".match( /\d - \d/ ) ); // null, так как в строке 1-5 нет пробелов
Класс точка
Особым классом символов является точка ".".
В регулярном выражении, точка "." обозначает любой символ, кроме перевода строки:
//+ run
alert( "Z".match(/./) ); // найдено Z
Посередине регулярного выражения:
//+ run
var re = /CS.4/;
alert( "CSS4".match(re) ); // найдено "CSS4"
alert( "CS-4".match(re) ); // найдено "CS-4"
alert( "CS 4".match(re) ); // найдено "CS 4" (пробел тоже символ)
Обратим внимание -- точка означает именно "произвольный символ".
То есть какой-то символ на этом месте в строке должен быть:
//+ run
alert( "CS4".match (/CS.4/) ); // нет совпадений, так как для точки нет символа
Экранирование специальных символов
В регулярных выражениях есть и другие символы, имеющие особый смысл.
Они используются, чтобы расширить возможности поиска.
Вот их полный список: [ \ ^ $ . | ? * + ( ).
Не пытайтесь запомнить его -- когда мы разберёмся с каждым из них по отдельности, он запомнится сам собой.
Чтобы использовать специальный символ в качестве обычного, он должен быть экранирован.
Или, другими словами, перед символом должен быть обратный слэш '\'.
Например, нам нужно найти точку '.'. В регулярном выражении она означает "любой символ, кроме новой строки", поэтому чтобы найти именно сам символ "точка" -- её нужно экранировать: ..
//+ run
alert( "Глава 5.1".match( /\d\.\d/ ) ); // 5.1
Круглые скобки также являются специальными символами, так что для поиска именно скобки нужно использовать \(. Пример ниже ищет строку "g()":
//+ run
alert( "function g()".match( /g\(\)/ ) ); // "g()"
Сам символ слэш '/', хотя и не является специальными символом в регулярных выражениях, но открывает-закрывает регэксп в синтаксисе /...pattern.../, поэтому его тоже нужно экранировать.
Так выглядит поиск слэша '/':
//+ run
alert( "/".match( /\// ) ); // '/'
Ну и, наконец, если нам нужно найти сам обратный слэш \, то его нужно просто задублировать.
Так выглядит поиск обратного слэша "\":
//+ run
alert( "1\2".match( /\\/ ) ); // '\'
Итого
Мы рассмотрели классы для поиска типов символов:
- `\d` -- цифры.
- `\D` -- не-цифры.
- `\s` -- пробельные символы, переводы строки.
- `\S` -- всё, кроме `\s`.
- `\w` -- латинница, цифры, подчёркивание `'_'`.
- `'.'` -- точка обозначает любой символ, кроме перевода строки.
Кроме того, в регэкспах допустимы и обычные спец-символы строк, например \n.
Если хочется поискать именно точку или какой-то другой "особый" символ, то его экранируют: .