es6-正则

u修饰符

ES6对正则表明式添加了u修饰符,含义为“Unicode方式”,用来正确处理大于\uFFFF的Unicode字符。也正是说,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

下面代码中,\uD83D\uDC2A是三个多少个字节的UTF-16编码,代表2个字符。可是,ES5不辅助多少个字节的UTF-16编码,会将其识别为多个字符,导致第叁行代码结果为true。加了u修饰符现在,ES6就会识别其为三个字符,所以首先行代码结果为false

万一增进u修饰符号,就会修改下边那一个正则表达式的一举一动。

(1)点字符

点(.)字符在正则表达式中,含义是除了换行符以外的随意单个字符。对于码点大于0xFFFF的Unicode字符,点字符不能够鉴定区别,必须抬高u修饰符。

var s = '𠮷';

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

地点代码表示,若是不添加u修饰符,正则表达式就会以为字符串为多少个字符,从而匹配失败。

(2)Unicode字符表示法

ES6新增了应用大括号表示Unicode字符,那种表示法在正则表明式中务必抬高u修饰符,才能辨别。

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

地点代码表示,如若不加u修饰符,正则表明式不可能甄别\u{61}那种表示法,只会觉得那匹配61个几次三番的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

此外,只有在运用u修饰符的气象下,Unicode表明式在那之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

上边代码中,由刘阳则表明式没有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表达式。

(4)预订义方式

u修饰符也潜移默化到预订义格局,能否正确识别码点大于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,匹配全数不是空格的字符。只有加了u修饰符,它才能正确匹配码点超越0xFFFF的Unicode字符。

运用那或多或少,能够写出叁个毋庸置疑重返字符串长度的函数。

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

稍微Unicode字符的编码不相同,不过字型很相近,比如,\u004B\u212A都以大写的K

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

下面代码中,不加u修饰符,就无法甄别非规范的K字符。

字符串的正则方法

字符串对象共有陆个主意,能够接纳正则表达式:match()replace()search()split()

ES6将那四个艺术,在言语内部任何调用RegExp的实例方法,从而完毕全部与正则相关的章程,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]

留言

sticky属性

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

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

y 修饰符

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

y修饰符的作用与g修饰符类似,也是全局匹配,后1次匹配都从上2次匹配成功的下1个岗位上马。分化之处在于,g修饰符只要剩下地方中设有十分就可,而y修饰符确定保证匹配必须从剩余的第三个职位上马,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

地方代码有七个正则表明式,2个行使g修饰符,另一个用到y修饰符。那七个正则表达式各执行了一回,第1遍实践的时候,两者行为等同,剩余字符串都以_aa_a。由于g修饰没有地点须要,所以第一回实施会回来结果,而y修饰符需求同盟必须从头顶发轫,所以回来null

假定改一下正则表明式,保障每一次都能底部匹配,y修饰符就会回来结果了。

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

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

地方代码每便匹配,都以从剩余字符串的头顶开端。

使用lastIndex天性,可以更好地印证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

地方代码中,lastIndex属性内定每一遍搜寻的初始地点,g修饰符从那一个地方上马向后查找,直到发现匹配甘休。

y修饰符同样遵守lastIndex天性,然则供给必须在lastIndex内定的任务发现匹配。

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

一发说,y修饰符号隐含了底部匹配的标志^

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

地点代码由于不可能保险底部匹配,所以回来nully修饰符的筹划本意,便是让尾部匹配的注脚^在大局匹配中都有效。

split办法中应用y修饰符,原字符串必须以分隔符初始。那也表示,只要匹配成功,数组的第三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)
// [ '', '', '' ]

上边是字符串对象的replace方法的事例。

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

上面代码中,最终三个a因为不是出新下2次匹配的底部,所以不会被轮换。

无非贰个y修饰符对match艺术,只可以回去第3个门道相当,必须与g修饰符联用,才能回来全部匹配。

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

y修饰符的3个使用,是从字符串提取token(词元),y修饰符确定保障了协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;
}

地点代码中,假诺字符串里面没有地下字符,y修饰符与g修饰符的提取结果是同一的。可是,一旦出现违法字符,两者的表现就不均等了。

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

地点代码中,g修饰符会忽略违法字符,而y修饰符不会,那样就很简单发现错误。

s 修饰符:dotAll 模式

正则表明式中,点(.)是一个特殊字符,代表私自的单个字符,不过行终止符(line
terminator character)除却。

以下四个字符属于”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

上边代码中,因为.不匹配\n,所以正则表达式再次回到false

但是,很多时候我们期待匹配的是任意单个字符,这时有一种变更的写法。

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

那种消除方案终归不太适合直觉,所以以后有2个提案,引入/s修饰符,使得.能够匹配任意单个字符。

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

那被喻为dotAll情势,即点(dot)代表全体字符。所以,正则表明式还引入了贰个dotAll属性,重回2个布尔值,表示该正则表达式是不是处在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不争辨,两者联手使用的场馆下,.卓绝全部字符,而^$协作每一行的行首和行尾。

RegExp构造函数

在ES第55中学,RegExp构造函数的参数有二种情状。

首先种情景是,参数是字符串,这时第二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;

第三种状态是,参数是二个正则表示式,那时会回来贰个原来正则表达式的正片。

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

可是,ES5不容许此时利用第二个参数,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改成了那种行为。假诺RegExp构造函数第四个参数是贰个正则对象,那么能够利用第③个参数钦命修饰符。而且,再次回到的正则表明式会忽略原有的正则表明式的修饰符,只使用新钦命的修饰符。

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

地点代码中,原有正则对象的修饰符是ig,它会被第二个参数i覆盖。

后行断言

JavaScript
语言的正则表明式,只辅助先行断言(lookahead)和预先否定断言(negative
lookahead),不援救后行断言(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版已经辅助,Chrome 浏览器49版开辟”experimental JavaScript
features“开关(地址栏键入about:flags),就足以选拔这项成效。

”先行断言“指的是,x只有在y前面才匹配,必须写成/x(?=y)/。比如,只十一分百分号在此以前的数字,要写成/\d+(?=%)/。”先行否定断言“指的是,x惟有不在y前面才匹配,必须写成/x(?!y)/。比如,只卓殊不在百分号以前的数字,要写成/\d+(?!%)/

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

上边八个字符串,假使调换正则表明式,就会同盟战败。此外,还足以看看,”先行断言“括号之中的片段((?=%)),是不计入重临结果的。

“后行断言”正好与“先行断言”相反,x只有在y末尾才匹配,必须写成/(?<=y)x/。比如,只万分韩元符号之后的数字,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后边才匹配,必须写成/(?<!y)x/。比如,只极度不在美金符号前面包车型客车数字,要写成/(?<!\$)\d+/

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

上面的例证中,“后行断言”的括号之中的局地((?<=\$)),也是不计入重回结果。

“后行断言”的落到实处,必要先匹配/(?<=y)x/x,然后再回去左边,匹配y的片段。那种“先右后左”的施行各样,与全数其余正则操作相反,导致了一些不切合预期的表现。

第壹,”后行断言“的组匹配,与正规情况下结果是差异的。

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

上边代码中,供给捕捉七个组匹配。没有”后行断言”时,第1个括号是贪心格局,第一个括号只可以捕获3个字符,所以结果是1053。而”后行断言”时,由于实施种种是从右到左,第一个括号是贪心方式,第一个括号只好捕获3个字符,所以结果是1053

附带,”后行断言”的反斜杠引用,也与普通的相继相反,必须放在对应的百般括号在此之前。

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

下边代码中,如果后行断言的反斜杠引用(\1)放在括号的前面,就不会得到匹配结果,必须放在前方才方可。

RegExp.escape()

字符串必须转义,才能作为正则格局。

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是多少个平常化字符串,必须使用反斜杠对里面包车型地铁特殊字符转义,才能用来作为叁个正则匹配的形式。

已经有提议将以此供给原则,作为RegExp对象的静态方法RegExp.escape(),放入ES7。二〇一六年4月2一日,TC39以为,那几个办法有安全风险,又不愿那么些点子变得过于复杂,没有允许将其列入ES7,但那当成叁个实在的要求。

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

字符串转义以往,能够使用RegExp构造函数生成正则情势。

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

眼下,该格局能够用上文的escapeRegExp函数或许垫片模块regexp.escape实现。

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

flags属性

ES6为正则表达式新增了flags天性,会回来正则表明式的修饰符。

// 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'

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某种属性的具备字符。

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

地方代码中,\p{Script=Greek}钦点匹配三个希腊语(Greece)文字母,所以匹配π成功。

Unicode属性类要内定属性名和属性值。

\p{UnicodePropertyName=UnicodePropertyValue}

对于一些质量,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。

小心,那两系列只对Unicode有效,所以使用的时候势须要抬高u修饰符。要是不加u修饰符,正则表明式使用\p\P会报错,ECMAScript预留了这七个类。

由于Unicode的各个品质分外多,所以那种新的类的表明能力拾壹分强。

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

上边代码中,属性类钦定匹配全部十进制字符,能够看看各样字型的十进制字符都会合营成功。

\p{Number}竟然能合作埃及开罗数字。

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

上边是别的一些事例。

// 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