JavaScript正则表达式解析URL的技巧-巨人网络通讯

JavaScript正则表达式解析URL的技巧

正则表达式是一个描述字符模式的对象。

首先，此片文章并不是直接告诉你，url的正则表达式是什么，以及怎么使用这个正则表达式去解析一个URL地址，相信这种问题在网络上已经能找到很多。本文的宗旨在于教你如何理解URL的正则表达式，以达到理解正则表达式，以及能够在日后的工作中写出相对简单的正则。言归正传，先看看一下的例子：

var parse_url = /^(?:([A-Za-z]+):)?(\/{0,3})([0-9.\-A-Za-z]+)(?::(\d+))?(?:\/([^?#]*))?(?:\&;([^#]*))?(?:#(.*))?$/;

var parse_url = /^(?:([A-Za-z]+):)?(\/{,})([-.\-A-Za-z]+)(?::(\d+))?(?:\/([^?#]*))?(?:\&;([^#]*))?(?:#(.*))?$/;
 var url = "http://qiji.kerlai.net:/GoodsBasic/Operate/?q#simen";
 var result = parse_url.exec(url);
 var names = ["url","scheme","slash","host","port","path","query","hash"];
 for(var i=; i names.length;i++){
  console.log(names[i]+":"+result[i]);
 }
 //输出结果
 /*
 url:http://qiji.kerlai.net:/GoodsBasic/Operate/?q#simen
 scheme:http
 slash://
 host:qiji.kerlai.net
 port:
 path:GoodsBasic/Operate/
 query:q
 hash:simen
 */

我们先来看看结果：

url:http://qiji123.kerlai.net:81/GoodsBasic/Operate/12678?q#simen
scheme:http
slash://
host:qiji123.kerlai.net
port:81
path:GoodsBasic/Operate/12678
query:q
hash:simen

代码中result数组的集合是['http://qiji123.kerlai.net:81/GoodsBasic/Operate/12678?q#simen','http', '//', 'qiji123.kerlai.net', '81', 'GoodsBasic/Operate/12678', 'q', 'simen']

现在我们尝试把从第2个到最后一个的结果一个一个链接起来，得到的结果为："http // qiji123.kerlai.net 81 GoodsBasic/Operate/12678 q simen" 和原来的url相比，缺少了":?#"等链接符。这个是为何？说到这，我们就要引出正则表达式的一个概念为正则表达式的分组。正则表达式有4种分组，分别是：捕获型、飞捕获型、向前正向匹配、向前负向匹配。此处我重点介绍前面两种，后面两种大家可以自行补脑。其中非捕获型的就不会在结果的数组中出现，（）括起来的为一个组，即会占用结果数组的一个位置。同样如果在你的正则表达式中，没有用括号括起来，那么所匹配到的字符将不会出现在exec()方法所返回的数组中。正则的分组是使用（）括起来的称为一个分组。

1、捕获型分组：(...)

2、非捕获型分组：(?: .....)

3、向前正向匹配：(?=........)

4、向前负向匹配：(?!.........)

接下来我们来分解parse_url这个正则表达式，第一个分组

1、^表示字符串的开始

整个正则因子是匹配一个协议名：http

2、(?: )表示一个非捕获型分组：即在这个括号内的，但是不在其子括号内所匹配到的字符将不放入结果数组中。

3、()表示一个捕获型分组，此括号内所匹配到的字符放入结果数组中对应url中的:http字符

4、[]为正则表达式类，表示符合中括号内任一一个字符。

7、A-Za-z表示字母A到字母Z，字母a到字母z。[A-Za-z]表示符合字母A到字母Z，字母a到字母z的任一一个字符

5、+表示匹配1次货多次

6、？表示此组为可选匹配条件

第二个正则因子：(\/{0,3})://

捕获型分组，\/表示一个应该被匹配的/，{0,3}表示\将被匹配0次或者1到3次之间

([0-9.\-A-Za-z]+):qiji123.kerlai.net

捕获型分组，由一个或多个数字，“.”，”\-“(转义成”-“)，字母A到Z和字母a到z组成

(?::(\d+))?：81

前置：放在非捕获型分组中将不会出现在返回数组中，\d表示匹配数字。整个因子就是匹配前置为：后面跟随一个或多个数字。此分组因子为可选的

(?:\/([^?#]*))?：GoodsBasic/Operate/12678

该分组由/开始，^在此处表示非的意思，即除?#之外的所有字符最后一个？表示此正则因子分组可选

(?:\&;([^#]*))? ：q

该分组表示包含0个或多个非#字符

(?:#(.*))?：simen

该分组以#开始，(.)将匹配除结束符以外的所有字符。

$表示这个字符串结束。

到此就已经分析完url的所有分组。接下来大家可以写写电话号码的正则表达式：既能匹配固定电话有能匹配手机号（这个会用到新的字符：|）

字符	含意
\	做为转意，即通常在"\"后面的字符不按原来意义解释，如/b/匹配字符"b"，当b前面加了反斜杆后/\b/，转意为匹配一个单词的边界。 -或- 对正则表达式功能字符的还原，如""匹配它前面元字符0次或多次，/a/将匹配a,aa,aaa，加了"\"后，/a\/将只匹配"a"。
^	匹配一个输入或一行的开头，/^a/匹配"an A"，而不匹配"An a"
$	匹配一个输入或一行的结尾，/a$/匹配"An a"，而不匹配"an A"
*	匹配前面元字符0次或多次，/ba*/将匹配b,ba,baa,baaa
+	匹配前面元字符1次或多次，/ba*/将匹配ba,baa,baaa
?	匹配前面元字符0次或1次，/ba*/将匹配b,ba
(x)	匹配x保存x在名为$1...$9的变量中
x\|y	匹配x或y
{n}	精确匹配n次
{n,}	匹配n次以上
{n,m}	匹配n-m次
[xyz]	字符集(character set)，匹配这个集合中的任一一个字符(或元字符)
[^xyz]	不匹配这个集合中的任何一个字符
[\b]	匹配一个退格符
\b	匹配一个单词的边界
\B	匹配一个单词的非边界
\cX	这儿，X是一个控制符，/\cM/匹配Ctrl-M
\d	匹配一个字数字符，/\d/ = /[0-9]/
\D	匹配一个非字数字符，/\D/ = /[^0-9]/
\n	匹配一个换行符
\r	匹配一个回车符
\s	匹配一个空白字符，包括\n,\r,\f,\t,\v等
\S	匹配一个非空白字符，等于/[^\n\f\r\t\v]/
\t	匹配一个制表符
\v	匹配一个重直制表符
\w	匹配一个可以组成单词的字符(alphanumeric，这是我的意译，含数字)，包括下划线，如[\w]匹配"$5.98"中的5，等于[a-zA-Z0-9]
\W	匹配一个不可以组成单词的字符，如[\W]匹配"$5.98"中的$，等于[^a-zA-Z0-9]。