es6-正则

RegExp构造函数

每当ES5丁,RegExp构造函数的参数有星星点点栽情况。

率先种状况是,参数是字符串,这时第二独参数表示正则表达式的修饰符(flag)。

var regex = new RegExp('xyz', 'i');
// 等价于
var regex = /xyz/i;

其次栽情形是,参数是一个恰巧则象征式,这时会回一个原有正则表达式的正片。

var regex = new RegExp(/xyz/i);
// 等价于
var regex = /xyz/i;

而,ES5休容许此时动第二独参数,添加修饰符,否则会报错。

var regex = new RegExp(/xyz/, 'i');
// Uncaught TypeError: Cannot supply flags when constructing one RegExp from another

ES6改变了这种作为。如果RegExp构造函数第一独参数是一个正则对象,那么可采用第二单参数指定修饰符。而且,返回的正则表达式会忽略原有的正则表达式的修饰符,只使用新指定的修饰符。

new RegExp(/abc/ig, 'i').flags
// "i"

地方代码中,原有正则对象的修饰符是ig,它会让第二独参数i覆盖。

字符串的正则方法

字符串对象同发生4单方法,可以应用正则表达式:match()replace()search()split()

ES6拿这4个点子,在语言里尽调用RegExp的实例方法,从而完成所有与正则相关的章程,全都定义在RegExp对象及。

  • String.prototype.match 调用 RegExp.prototype[Symbol.match]
  • String.prototype.replace 调用 RegExp.prototype[Symbol.replace]
  • String.prototype.search 调用 RegExp.prototype[Symbol.search]
  • String.prototype.split 调用 RegExp.prototype[Symbol.split]

u修饰符

ES6针对性正则表达式添加了u修饰符,含义为“Unicode模式”,用来正确处理大于\uFFFF的Unicode字符。也就是说,会正确处理四个字节的UTF-16编码。

/^\uD83D/u.test('\uD83D\uDC2A')
// false
/^\uD83D/.test('\uD83D\uDC2A')
// true

方代码中,\uD83D\uDC2A举凡一个季个字节的UTF-16编码,代表一个字符。但是,ES5勿支持四单字节的UTF-16编码,会用那识别为少独字符,导致第二尽代码结果也true。加了u修饰符以后,ES6即会识别其也一个字符,所以率先推行代码结果为false

若果增长u修饰符号,就见面修改下面这些正则表达式的行事。

(1)点字符

点(.)字符在正则表达式中,含义是除换行符以外的擅自单个字符。对于码点大于0xFFFF的Unicode字符,点字符不能够辨别,必须抬高u修饰符。

var s = '𠮷';

/^.$/.test(s) // false
/^.$/u.test(s) // true

地方代码表示,如果不弥加u修饰符,正则表达式就会见当字符串为简单个字符,从而匹配失败。

(2)Unicode字符表示法

ES6新加了利用大括声泪俱下表示Unicode字符,这种代表拟在正则表达式中得长u修饰符,才会分辨。

/\u{61}/.test('a') // false
/\u{61}/u.test('a') // true
/\u{20BB7}/u.test('𠮷') // true

地方代码表示,如果无加以u修饰符,正则表达式无法分辨\u{61}这种代表法,只见面当当下匹61只连的u

(3)量词

使用u修饰符后,所有量词都见面不错认识别码点大于0xFFFF的Unicode字符。

/a{2}/.test('aa') // true
/a{2}/u.test('aa') // true
/𠮷{2}/.test('𠮷𠮷') // false
/𠮷{2}/u.test('𠮷𠮷') // true

除此以外,只有在动u修饰符的状况下,Unicode表达式当中的大括号才会受科学解读,否则会被解读为量词。

/^\u{3}$/.test('uuu') // true

面代码中,由于正则表达式没有u修饰符,所以大括声泪俱下让解读为量词。加上u修饰符,就会吃解读呢Unicode表达式。

(4)预定义模式

u修饰符也潜移默化及预定义模式,能否正确认识别码点大于0xFFFF的Unicode字符。

/^\S$/.test('𠮷') // false
/^\S$/u.test('𠮷') // true

上面代码的\S凡预定义模式,匹配有不是空格的字符。只有加了u修饰符,它才会是匹配码点超过0xFFFF的Unicode字符。

以这一点,可以形容来一个不易返回字符串长度的函数。

function codePointLength(text) {
  var result = text.match(/[\s\S]/gu);
  return result ? result.length : 0;
}

var s = '𠮷𠮷';

s.length // 4
codePointLength(s) // 2

(5)i修饰符

微Unicode字符的编码不同,但是字型很相近,比如,\u004B\u212A都是大写的K

/[a-z]/i.test('\u212A') // false
/[a-z]/iu.test('\u212A') // true

点代码中,不加以u修饰符,就无法辨认不规范的K字符。

y 修饰符

除了u修饰符,ES6尚吧正则表达式添加了y修饰符,叫做“粘连”(sticky)修饰符。

y修饰符的作用及g修饰符类似,也是全局匹配,后同样次等匹配都起达平等不成匹配成功的产一个岗位上马。不同之处在于,g修饰符只要剩下位置被在相当就不过,而y修饰符确保匹配必须从剩余的率先单职位上马,这为尽管是“粘连”的涵义。

var s = 'aaa_aa_a';
var r1 = /a+/g;
var r2 = /a+/y;

r1.exec(s) // ["aaa"]
r2.exec(s) // ["aaa"]

r1.exec(s) // ["aa"]
r2.exec(s) // null

上面代码来零星个正则表达式,一个应用g修饰符,另一个利用y修饰符。这点儿独正则表达式各尽了少于不行,第一不善执行的时,两者行为一律,剩余字符串都是_aa_a。由于g修饰没有位置要求,所以亚涂鸦实践会回到结果,而y修饰符要求配合必须于头部开始,所以回来null

如果转一下正则表达式,保证每次都能头部匹配,y修饰符就会返回结果了。

var s = 'aaa_aa_a';
var r = /a+_/y;

r.exec(s) // ["aaa_"]
r.exec(s) // ["aa_"]

地方代码每次匹配,都是从剩余字符串的满头开始。

使用lastIndex特性,可以再好地证明y修饰符。

const REGEX = /a/g;

// 指定从2号位置(y)开始匹配
REGEX.lastIndex = 2;

// 匹配成功
const match = REGEX.exec('xaya');

// 在3号位置匹配成功
match.index // 3

// 下一次匹配从4号位开始
REGEX.lastIndex // 4

// 4号位开始匹配失败
REGEX.exec('xaxa') // null

点代码中,lastIndex性能指定每次搜寻的上马位置,g修饰符从之职位上马为后找,直到发现匹配了。

y修饰符同样遵循lastIndex性能,但是要求要于lastIndex指定的位置发现匹配。

const REGEX = /a/y;

// 指定从2号位置开始匹配
REGEX.lastIndex = 2;

// 不是粘连,匹配失败
REGEX.exec('xaya') // null

// 指定从3号位置开始匹配
REGEX.lastIndex = 3;

// 3号位置是粘连,匹配成功
const match = REGEX.exec('xaxa');
match.index // 3
REGEX.lastIndex // 4

愈说,y修饰符号隐含了脑部匹配的标志^

/b/y.exec('aba')
// null

点代码由于未可知管头部匹配,所以回来nully修饰符的计划本意,就是于首匹配的标志^以大局匹配中都使得。

split方被运用y修饰符,原字符串必须坐分隔符开头。这为象征,只要匹配成功,数组的第一单成员肯定是空字符串。

// 没有找到匹配
'x##'.split(/#/y)
// [ 'x##' ]

// 找到两个匹配
'##x'.split(/#/y)
// [ '', '', 'x' ]

后续的隔符只有紧跟前面的分隔符,才会受识别。

'#x#'.split(/#/y)
// [ '', 'x#' ]

'##'.split(/#/y)
// [ '', '', '' ]

下是字符串对象的replace办法的例子。

const REGEX = /a/gy;
'aaxa'.replace(REGEX, '-') // '--xa'

点代码中,最后一个a以无是起下一样蹩脚匹配的头颅,所以未会见于轮换。

仅一个y修饰符对match计,只能回到第一单相当,必须和g修饰符联用,才会返所有匹配。

'a1a2a3'.match(/a\d/y) // ["a1"]
'a1a2a3'.match(/a\d/gy) // ["a1", "a2", "a3"]

y修饰符的一个用,是自字符串提取token(词元),y修饰符确保了相当之间无会见发出遗漏的字符。

const TOKEN_Y = /\s*(\+|[0-9]+)\s*/y;
const TOKEN_G  = /\s*(\+|[0-9]+)\s*/g;

tokenize(TOKEN_Y, '3 + 4')
// [ '3', '+', '4' ]
tokenize(TOKEN_G, '3 + 4')
// [ '3', '+', '4' ]

function tokenize(TOKEN_REGEX, str) {
  let result = [];
  let match;
  while (match = TOKEN_REGEX.exec(str)) {
    result.push(match[1]);
  }
  return result;
}

地方代码中,如果字符串里面没有地下字符,y修饰符与g修饰符的领到结果是平等的。但是,一旦出现非法字符,两者的行事就是不等同了。

tokenize(TOKEN_Y, '3x + 4')
// [ '3' ]
tokenize(TOKEN_G, '3x + 4')
// [ '3', '+', '4' ]

方代码中,g修饰符会忽略非法字符,而y修饰符不会见,这样虽异常容易觉察左。

sticky属性

y修饰符相匹配,ES6的正则对象多矣sticky性能,表示是否设置了y修饰符。

var r = /hello\d/y;
r.sticky // true

flags属性

ES6乎正则表达式新增了flags特性,会回来正则表达式的修饰符。

// ES5的source属性
// 返回正则表达式的正文
/abc/ig.source
// "abc"

// ES6的flags属性
// 返回正则表达式的修饰符
/abc/ig.flags
// 'gi'

RegExp.escape()

字符串必须转义,才能够当做正则模式。

function escapeRegExp(str) {
  return str.replace(/[\-\[\]\/\{\}\(\)\*\+\?\.\\\^\$\|]/g, '\\$&');
}

let str = '/path/to/resource.html?search=query';
escapeRegExp(str)
// "\/path\/to\/resource\.html\?search=query"

面代码中,str凡是一个正规字符串,必须以反斜杠对中间的特殊字符转义,才会就此来作一个刚刚则匹配的模式。

已经有提议用这需求原则,作为RegExp对象的静态方法RegExp.escape(),放入ES7。2015年7月31日,TC39当,这个办法发生安全风险,又休甘于是主意易得过度复杂,没有许将那个列入ES7,但当时当成一个实的求。

RegExp.escape('The Quick Brown Fox');
// "The Quick Brown Fox"

RegExp.escape('Buy it. use it. break it. fix it.');
// "Buy it\. use it\. break it\. fix it\."

RegExp.escape('(*.*)');
// "\(\*\.\*\)"

字符串转义以后,可以应用RegExp构造函数生成正则模式。

var str = 'hello. how are you?';
var regex = new RegExp(RegExp.escape(str), 'g');
assert.equal(String(regex), '/hello\. how are you\?/g');

当前,该法可就此上文的escapeRegExp函数或者垫片模块regexp.escape实现。

var escape = require('regexp.escape');
escape('hi. how are you?');
// "hi\\. how are you\\?"

s 修饰符:dotAll 模式

正则表达式中,点(.)是一个特殊字符,代表擅自的么字符,但是行终止符(line
terminator character)除外。

以下四单字符属于”行终止符“。

  • U+000A
    换行符(\n
  • U+000D
    回车符(\r
  • U+2028
    行分隔符(line separator)
  • U+2029
    段落分隔符(paragraph separator)

/foo.bar/.test('foo\nbar')
// false

地方代码中,因为.不匹配\n,所以正则表达式返回false

然,很多辰光咱们想匹配的凡擅自单个字符,这时出一致种植变化之写法。

/foo[^]bar/.test('foo\nbar')
// true

这种解决方案毕竟非绝相符直觉,所以现在发一个提案,引入/s修饰符,使得.可配合任意单个字符。

/foo.bar/s.test('foo\nbar') // true

当即叫名dotAll模式,即触发(dot)代表全字符。所以,正则表达式还引入了一个dotAll性,返回一个布尔值,表示该正则表达式是否处于dotAll模式。

const re = /foo.bar/s;
// 另一种写法
// const re = new RegExp('foo.bar', 's');

re.test('foo\nbar') // true
re.dotAll // true
re.flags // 's'

/s修饰符和多行修饰符/m切莫闯,两者联手行使的动静下,.匹配有字符,而^$配合每一行的行首和行尾。

继实施断言

JavaScript
语言的正则表达式,只支持先行断言(lookahead)和事先否定断言(negative
lookahead),不支持后行断言(lookbehind)和后行否定断言(negative
lookbehind)。

目前,有一个提案,引入后行断言。V8
引擎4.9版已经支持,Chrome 浏览器49本开辟”experimental JavaScript
features“开关(地址栏键入about:flags),就可以运用这项功能。

”先行断言“指的凡,x只有在y眼前才匹配,必须写成/x(?=y)/。比如,只相当百分号之前的数字,要描写成/\d+(?=%)/。”先行否定断言“指的是,x只出未在y面前才匹配,必须写成/x(?!y)/。比如,只相当不以百分号之前的数字,要描绘成/\d+(?!%)/

/\d+(?=%)/.exec('100% of US presidents have been male')  // ["100"]
/\d+(?!%)/.exec('that’s all 44 of them')                 // ["44"]

面两独字符串,如果换正则表达式,就见面配合失败。另外,还可以看出,”先行断言“括号中的片((?=%)),是勿计入返回结果的。

“后行断言”正好跟“先行断言”相反,x只有在y后才匹配,必须写成/(?<=y)x/。比如,只相当美元符号之后的数字,要描写成/(?<=\$)\d+/。”后行否定断言“则同”先行否定断言“相反,x只有生非在y背后才匹配,必须写成/(?<!y)x/。比如,只相当不以美元符号后面的数字,要描绘成/(?<!\$)\d+/

/(?<=\$)\d+/.exec('Benjamin Franklin is on the $100 bill')  // ["100"]
/(?<!\$)\d+/.exec('it’s is worth about €90')                // ["90"]

地方的例证中,“后行断言”的括号里的部分((?<=\$)),也是不计入返回结果。

“后行断言”的落实,需要先匹配/(?<=y)x/x,然后再次回到左边,匹配y的片段。这种“先右后左”的实行顺序,与有其他正则操作相反,导致了部分无吻合预期的作为。

先是,”后行断言“的组匹配,与健康情形下结果是勿同等的。

/(?<=(\d+)(\d+))$/.exec('1053') // ["", "1", "053"]
/^(\d+)(\d+)$/.exec('1053') // ["1053", "105", "3"]

方代码中,需要捕捉两单组匹配。没有”后行断言”时,第一只括号是贪心模式,第二独括号只能捕获一个字符,所以结果是1053。而”后行断言”时,由于实行顺序是自从右侧至不当,第二个括号是贪心模式,第一单括号只能捕获一个字符,所以结果是1053

附带,”后行断言”的倒斜杠引用,也和普通的逐一相反,必须放在对应之深括号之前。

/(?<=(o)d\1)r/.exec('hodor')  // null
/(?<=\1d(o))r/.exec('hodor')  // ["r", "o"]

方代码中,如果后行断言的倒斜杠引用(\1)放在括号的背后,就无见面沾匹配结果,必须放在面前才得。

Unicode属性类

目前,有一个提案,引入了相同种植新的近乎的写法\p{...}\P{...},允许正则表达式匹配符合Unicode某种属性之持有字符。

const regexGreekSymbol = /\p{Script=Greek}/u;
regexGreekSymbol.test('π') // u

方代码中,\p{Script=Greek}指定匹配一个希腊仿母,所以匹配π成功。

Unicode属性类要指定属性名和属性值。

\p{UnicodePropertyName=UnicodePropertyValue}

对于一些性能,可以独自写属性名。

\p{UnicodePropertyName}

\P{…}\p{…}的反为匹配,即匹配不满足条件的字符。

留神,这有限栽类似就针对Unicode有效,所以用的当儿自然要是抬高u修饰符。如果非加u修饰符,正则表达式使用\p\P会见报错,ECMAScript预留了当下简单单类似。

由于Unicode的各种性能很多,所以这种新的好像的表达能力非常强。

const regex = /^\p{Decimal_Number}+$/u;
regex.test('𝟏𝟐𝟑𝟜𝟝𝟞𝟩𝟪𝟫𝟬𝟭𝟮𝟯𝟺𝟻𝟼') // true

面代码中,属性类指定匹配有十迈入制字符,可以看出各种字型的十前行制字符都会配合成功。

\p{Number}还是会配合罗马数字。

// 匹配所有数字
const regex = /^\p{Number}+$/u;
regex.test('²³¹¼½¾') // true
regex.test('㉛㉜㉝') // true
regex.test('ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩⅪⅫ') // true

下是其余一些例子。

// 匹配各种文字的所有字母,等同于Unicode版的\w
[\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]

// 匹配各种文字的所有非字母的字符,等同于Unicode版的\W
[^\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]

// 匹配所有的箭头字符
const regexArrows = /^\p{Block=Arrows}+$/u;
regexArrows.test('←↑→↓↔↕↖↗↘↙⇏⇐⇑⇒⇓⇔⇕⇖⇗⇘⇙⇧⇩') // true

留言