ECMAScript正则的恢宏

正则的壮大

  1. RegExp构造函数
  2. 字符串的正则方法
  3. u修饰符
  4. y
    修饰符
  5. sticky属性
  6. flags属性
  7. RegExp.escape())
  8. s 修饰符:dotAll
    模式
  9. 后行断言
  10. Unicode属性类

RegExp构造函数

在ES5中,RegExp构造函数的参数有三种处境。

第②种情景是,参数是字符串,那时第三个参数表示正则表明式的修饰符(flag)。

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

第二种情景是,参数是三个正则表示式,那时会重回二个原本正则表达式的正片。

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

可是,ES5分化意此时选用第二个参数,添加修饰符,不然会报错。

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

ES6改成了这种作为。假如RegExp构造函数第③个参数是三个正则对象,那么能够应用第②个参数钦点修饰符。而且,再次回到的正则表明式会忽略原有的正则表达式的修饰符,只利用新钦点的修饰符。

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

上面代码中,原有正则对象的修饰符是ig,它会被第3个参数i覆盖。

字符串的正则方法

字符串对象共有6个法子,能够行使正则表明式:match()replace()search()split()

ES6将那四个章程,在语言内部任何调用RegExp的实例方法,从而成就全部与正则相关的方法,全都定义在RegExp对象上。

  • 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对正则表明式添加了u修饰符,含义为“Unicode情势”,用来正确处理大于\uFFFF的Unicode字符。也正是说,会正确处理八个字节的UTF-16编码。

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

地方代码中,\uD83D\uDC2A是一个多个字节的UTF-16编码,代表三个字符。不过,ES5不协助多少个字节的UTF-16编码,会将其识别为四个字符,导致第叁行代码结果为true。加了u修饰符以往,ES6就会识别其为二个字符,所以率先行代码结果为false

假定增进u修饰符号,就会修改下边这几个正则表明式的表现。

(1)点字符

点(.)字符在正则表明式中,含义是除了换行符以外的自由单个字符。对于码点大于0xFFFF的Unicode字符,点字符不可能辨别,必须抬高u修饰符。

var s = '𠮷';

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

地点代码表示,尽管不添加u修饰符,正则表明式就会觉得字符串为七个字符,从而匹配战败。

(2)Unicode字符表示法

ES6新增了动用大括号表示Unicode字符,这种表示法在正则表达式中务必抬高u修饰符,才能识别。

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

地点代码表示,假若不加u修饰符,正则表明式不可能分辨\u{61}那种表示法,只会认为那匹配陆16个一而再的u

(3)量词

使用u修饰符后,全部量词都会正确识别码点大于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,唯有在动用u修饰符的情况下,Unicode表明式个中的大括号才会被科学解读,不然会被解读为量词。

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

上面代码中,由王芸则表明式没有u修饰符,所以大括号被解读为量词。加上u修饰符,就会被解读为Unicode表明式。

(4)预订义方式

u修饰符也影响到预订义格局,能或无法正确识别码点大于0xFFFF的Unicode字符。

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

地点代码的\S是预约义情势,匹配全部不是空格的字符。唯有加了u修饰符,它才能科学匹配码点超越0xFFFF的Unicode字符。

动用那点,能够写出三个科学再次回到字符串长度的函数。

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

稍许Unicode字符的编码差异,可是字型很相近,比如,\u004B\u212A都以大写的K

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

地点代码中,不加u修饰符,就不能够辨别非规范的K字符。

y 修饰符

除了u修饰符,ES6还为正则表明式添加了y修饰符,叫做“粘连”(sticky)修饰符。

y修饰符的效率与g修饰符类似,也是全局匹配,后贰回匹配都从上1回匹配成功的下多少个职位上马。差异之处在于,g修饰符只要剩下地方中设有极度就可,而y修饰符确定保证匹配必须从剩余的第一个岗位上马,那也正是“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

地方代码有四个正则表明式,1个选择g修饰符,另二个施用y修饰符。那五个正则表明式各执行了一遍,第四回进行的时候,两者行为无差距于,剩余字符串都以_aa_a。由于g修饰没有地方必要,所以第四回实施会回去结果,而y修饰符须要同盟必须从尾部初步,所以回来null

倘若改一下正则表明式,保险每一趟都能尾部匹配,y修饰符就会回去结果了。

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

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

上边代码每回匹配,都以从剩余字符串的尾部初始。

使用lastIndex天性,能够更好地表达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

地点代码中,lastIndex本性钦命每一遍搜寻的初阶位置,g修饰符从这么些地方上马向后搜索,直到发现匹配停止。

y修饰符同样遵循lastIndex质量,可是需求必须在lastIndex点名的职位发现匹配。

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

进一步说,y修饰符号隐含了尾部匹配的标志^

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

上面代码由于不能够确认保障尾部匹配,所以回来nully修饰符的规划本意,便是让底部匹配的阐明^在大局匹配中都有效。

split方式中应用y修饰符,原字符串必须以分隔符开首。那也意味,只要匹配成功,数组的首先个分子肯定是空字符串。

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

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

继续的相间符唯有紧眼前边的分隔符,才会被辨认。

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

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

下边是字符串对象的replace艺术的例子。

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

上边代码中,最终二个a因为不是出现下一次匹配的尾部,所以不会被轮换。

单纯3个y修饰符对match主意,只好回去第一个非凡,必须与g修饰符联用,才能回来全数匹配。

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

y修饰符的2个施用,是从字符串提取token(词元),y修饰符确认保障了合作之间不会有遗漏的字符。

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;
}

上边代码中,假使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一致的。不过,一旦出现违规字符,两者的行为就不均等了。

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

上边代码中,g修饰符会忽略违规字符,而y修饰符不会,那样就很不难发现错误。

sticky属性

y修饰符相匹配,ES6的正则对象多了sticky质量,表示是或不是设置了y修饰符。

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

flags属性

ES6为正则表达式新增了flags品质,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,才能同日而语正则方式。

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

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

地点代码中,str是三个健康字符串,必须利用反斜杠对在那之中的特殊字符转义,才能用来作为1个正则匹配的格局。

已经有提议将以此须要原则,作为RegExp对象的静态方法RegExp.escape(),放入ES7。二零一六年5月15日,TC39认为,这几个主意有平安危害,又不愿那些措施变得过于复杂,没有允许将其列入ES7,但那正是3个实际的急需。

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

字符串转义以往,能够利用RegExp构造函数生成正则格局。

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

现阶段,该办法能够用上文的escapeRegExp函数或然垫片模块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

正则表明式中,点(.)是四个特殊字符,代表私行的单个字符,可是行终止符(line
terminator character)除外。

以下多个字符属于”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 段分隔符(paragraph separator)

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

地点代码中,因为.不匹配\n,所以正则表明式重临false

然而,很多时候大家愿意匹配的是随意单个字符,那时有一种转移的写法。

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

那种消除方案究竟不太适合直觉,所以未来有2个提案,引入/s修饰符,使得.能够合营任意单个字符。

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

这被叫做dotAll格局,即点(dot)代表全部字符。所以,正则表明式还引入了3个dotAll品质,重回四个布尔值,表示该正则表明式是或不是处于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不冲突,两者联手使用的意况下,.分外全数字符,而^$协作每一行的行首和行尾。

后行断言

JavaScript
语言的正则表明式,只援助先行断言(lookahead)和优先否定断言(negative
lookahead),不协理后行断言(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版已经扶助,Chrome 浏览器49版开辟”experimental JavaScript
features“开关(地址栏键入about:flags),就足以选用那项功效。

”先行断言“指的是,x只有在y前边才匹配,必须写成/x(?=y)/。比如,只非凡百分号在此以前的数字,要写成/\d+(?=%)/。”先行否定断言“指的是,x唯有不在y前边才匹配,必须写成/x(?!y)/。比如,只拾分不在百分号从前的数字,要写成/\d+(?!%)/

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

地点八个字符串,固然交流正则表明式,就会协作失利。此外,还足以看出,”先行断言“括号之中的一些((?=%)),是不计入再次回到结果的。

“后行断言”正好与“先行断言”相反,x只有在y末端才匹配,必须写成/(?<=y)x/。比如,只十分美金符号之后的数字,要写成/(?<=\$)\d+/。”后行否定断言“则与”先行否定断言“相反,x唯有不在y末尾才匹配,必须写成/(?<!y)x/。比如,只格外不在欧元符号后边的数字,要写成/(?<!\$)\d+/

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

上边的事例中,“后行断言”的括号之中的一对((?<=\$)),也是不计入重返结果。

“后行断言”的贯彻,须求先匹配/(?<=y)x/x,然后再再次来到左侧,匹配y的一些。那种“先右后左”的实践种种,与具有其余正则操作相反,导致了有个别不切合预期的表现。

先是,”后行断言“的组匹配,与不奇怪意况下结果是不一致等的。

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

上边代码中,必要捕捉八个组匹配。没有”后行断言”时,第二个括号是贪心方式,第四个括号只可以捕获四个字符,所以结果是1053。而”后行断言”时,由于实行种种是从右到左,第①个括号是名缰利锁形式,第③个括号只可以捕获贰个字符,所以结果是1053

说不上,”后行断言”的反斜杠引用,也与普通的逐一相反,必须放在对应的足够括号此前。

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

地点代码中,借使后行断言的反斜杠引用(\1)放在括号的背后,就不会博得匹配结果,必须放在前方才能够。

Unicode属性类

目前,有一个提案,引入了一种新的类的写法\p{...}\P{...},允许正则表达式匹配符合Unicode某种属性的富有字符。

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

地方代码中,\p{Script=Greek}点名匹配二个希腊语(Greece)文字母,所以匹配π成功。

Unicode属性类要钦命属性名和属性值。

\p{UnicodePropertyName=UnicodePropertyValue}

对此某个品质,能够只写属性名。

\p{UnicodePropertyName}

\P{…}\p{…}的反向匹配,即匹配不满足条件的字符。

专注,那两体系只对Unicode有效,所以采纳的时候一定要抬高u修饰符。倘若不加u修饰符,正则表明式使用\p\P会报错,ECMAScript预留了那八个类。

是因为Unicode的各样品质分外多,所以这种新的类的表达能力相当强。

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

地点代码中,属性类钦命匹配全数十进制字符,能够看来种种字型的十进制字符都会同盟成功。

\p{Number}还能合营开普敦数字。

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

下边是其余一些例子。

// 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