ECMAScript 6 入门——正则的扩展

五、正则的扩展

1.RegExp构造函数

• ES5中，RegExp构造函数的参数有两种情况
  (1)两个参数且都是字符串，这时第二个参数表示正则表达式的修饰符(flag)
  (2)一个参数而是正则表达式，这时会返回一个原由正则表达式的拷贝。此时不允许使用第二个参数添加修饰符

(1)
var regex = new RegExp('xyz', 'i');
// 等价于
var regex = /xyz/i;
(2)
var regex = new RegExp(/xyz/i);
// 等价于
var regex = /xyz/i;

• ES6中改进了ES5(2)的这种情况。在第一个参数是正则对象(表达式)，那么允许使用第二个参数指定修饰符，如参数1带了修饰符，则参数2覆盖参数1修饰符。

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

2.字符串的正则方法

ES6将String对象的这四个方法，在语言内部全部调用RegExp的实例方法，从而做到所有与正则相关的方法，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]

• 例子

console.log('abciaa'.split(/i/i))// Array ["abc", "aa"]
console.log('abcd1234'.search(/23/g)) //5
console.log('abcd\n1234'.replace(/23/i,'good'))
//"abcd 换行 1good4"
console.log('a12345bcd'.match(/123|cd/g))//Array ["1"]

JS RegExp 对象：https://www.runoob.com/jsref/jsref-obj-regexp.html

3.u修饰符

• ES5不支持4字节的UTF-16编码，会将大于\uFFFF识别为两个字符
• ES6支持4字节的UTF-16编码，对正则表达式添加了u修饰符，含义为“Unicode 模式”，用来正确处理大于\uFFFF的 Unicode 字符。

u模式下,查找以\uD83D开头的字符串，目标字符串为一个字符=>false
/^\uD83D/u.test('\uD83D\uDC2A') // false
非u模式下，查找以\uD83D开头的字符串，目标字符串为\uD83D开头的两个字符=>true
/^\uD83D/.test('\uD83D\uDC2A') // true

(1)点字符

点(.)字符为匹配除了换行和行结束符的单个字符。则对大于0xFFFF的Unicode字符需使用u修饰符才能识别

var s = '𠮷';

/^.$/.test(s) // false //非u则连续两个字符
/^.$/u.test(s) // true

(2)Unicode字符表示法

ES6新增了使用{}表示Unicode字符，这种表示法在正则中必须加上u修饰符才能识别，否则会被解读为量词

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

(3)量词

使用u修饰符后，所有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

(4)预定义模式

u修饰符也影响到预定义模式，能否正确识别码点大于0xFFFF的 Unicode 字符。

\S是预定义模式，匹配所有非空白字符，加了u修饰符才能正确匹配大于0xFFFF的Unicode字符
/^\S$/.test('𠮷') // false
/^\S$/u.test('𠮷') // true

返回字符串正确长度的函数

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

有些Unicode字符编码不同，但是字型很接近，如\u004B和\u212A都是大写K

不加u修饰符，就无法识别非规范的K字符
/[a-z]/i.test('\u212A') // false
/[a-z]/iu.test('\u212A') // true

(6)转义

没有u修身情况正则的没有定义的转义无效，而u模式则报错

/\,/ // /\,/
/\,/u // 报错

4.RegExp.prototype.unicode 属性

RegExp增加unicode属性，表示是否设置了u修饰符

const r1 = /hello/;
const r2 = /hello/u;

r1.unicode // false
r2.unicode // true

5.y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修饰符的作用域g修饰符类似，也是全局匹配，后一次匹配都从上一次匹配成功的下一个位置开始。

g和y的不同之处在于，g的后一次匹配只要存在匹配即可继续匹配，而y则是后一次匹配必须从剩余位置的第一个位置开始。

• g和y区别例子

ar s = 'aaa_aa_a';
var r1 = /a+/g;
var r2 = /a+/y;
第一次匹配,g和y无区别
r1.exec(s) // ["aaa"]
r2.exec(s) // ["aaa"]
第二次匹配依然存在a+表达式的条件，但剩余字符串是_aa_a。此时y模式就不匹配(第一个字符是a)
r1.exec(s) // ["aa"]
r2.exec(s) // null

可以理解y模式，就是每一个匹配的开头都隐含了量词(^意思是匹配任何开头为匹配目标的字符串)

/b/y.exec('aba')
// null
上面的例子头部加b同样null
var s = 'baaa_aa_a';
var r2 = /a+/y;
r2.exec(s) // null

y修饰符的应用

1. 从字符串提取token(词元)，y修饰符确保了匹配之间不会有漏掉的字符

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;
}

此时非法字符x在g模式下回忽略，而y模式下则不会，这样容易找到错误

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

6.RegExp.prototype.sticky属性

与y修饰符相匹配，ES6 的正则实例对象多了sticky属性，表示是否设置了y修饰符。

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

7.RegExp.prototype.flags属性

ES6 为正则表达式新增了flags属性，会返回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'

8.s修饰符：dotAll模式

正则表达式中，点(.)是查找除了换行和行结束符的单个字符。
但有时希望匹配的是任意单个字符，ES2018引入s修饰符，使得.可以匹配任意单个字符。

非s模式
/foo.bar/.test('foo\nbar')
// false
希望匹配任意单个字符的变通做法
/foo[^]bar/.test('foo\nbar')
// true
ES2018的s模式
/foo.bar/s.test('foo\nbar') // true

s模式也成为dotAll模式，即点(dot)代表一切字符。

• 对应的也有判断是否处于dotall模式的属性

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，同时使用时，.匹配所有字符，而^和$匹配每一行的行首和行尾

9.后行断言

ES2018以前只支持先行断言、先行否定断言。
ES2018开始引入支持后行断言、后行否定断言。

• 先行断言
  x只在y前面才匹配。正则表达式正文格式/x(?=y)/

/\d+(?=%)/.exec('100% of US presidents have been male')  // ["100"]

• 先行否定断言
  x只不在y前面才匹配，正则表达式正文格式/x(?!y)/

/\d+(?!%)/.exec('that’s all 44 of them')                 // ["44"]

• 后行断言
  x只在y后面才匹配。正则表达式正文/(?<=y)x/

/(?<=\$)\d+/.exec('Benjamin Franklin is on the $100 bill')  // ["100"]

• 后行否定断言
  x只不在y后面才匹配，正则表达式正文格式/(?<!y)x/

/(?<!\$)\d+/.exec('it’s is worth about €90')                // ["90"]

后行断言的组匹配顺序是相反的(从右到左)

组匹配，第一个括号是贪婪，第二个火狐捕获一个字符
/^(\d+)(\d+)$/.exec('1053') // ["1053", "105", "3"]
组匹配，后行断言从右到左，则第二个括号是贪婪，第一个括号只捕获1个字符
/(?<=(\d+)(\d+))$/.exec('1053') // ["", "1", "053"]

JS贪婪与非贪婪：https://www.jianshu.com/p/7fa165acd51e
分组匹配：https://www.cnblogs.com/embrace-ly/p/10660266.html

后行断言的反斜杠引用顺序是相反的(从右到左)

/(?<=(o)d\1)r/.exec('hodor')  // null
先匹配到r，在匹配到od，匹配结果反斜杠引用取第一个匹配=>od中的o。
/(?<=\1d(o))r/.exec('hodor')  // ["r", "o"]

反斜杠引用(\1\2)：https://blog.csdn.net/weixin_43639512/article/details/84785585

10.Unicode属性类

ES2018引入的心的类写法\p{…{}和\P{…}，运行正则表达式匹配符合Unicode某种属性的所有字符。(u模式下)

• 例子

在u模式下使用\p{Script=Greek}匹配一个希腊字母
const regexGreekSymbol = /\p{Script=Greek}/u;
regexGreekSymbol.test('π') // true

• 例子

// 匹配时间张子枫
const regex = /^\p{Decimal_Number}+$/u;
regex.test('𝟏𝟐𝟑𝟜𝟝𝟞𝟩𝟪𝟫𝟬𝟭𝟮𝟯𝟺𝟻𝟼') // true
// 匹配所有数字
const regex = /^\p{Number}+$/u;
regex.test('²³¹¼½¾') // true
regex.test('㉛㉜㉝') // true
regex.test('ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩⅪⅫ') // true

• 例子

// 匹配所有空格
\p{White_Space}

// 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 Emoji
/\p{Emoji_Modifier_Base}\p{Emoji_Modifier}?|\p{Emoji_Presentation}|\p{Emoji}\uFE0F/gu

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

11.具名组匹配

ES2018以前的组匹配

正则表达式使用圆括号进行组匹配

• 例子

const RE_DATE = /(\d{4})-(\d{2})-(\d{2})/;

const matchObj = RE_DATE.exec('1999-12-31');
const year = matchObj[1]; // 1999
const month = matchObj[2]; // 12
const day = matchObj[3]; // 31

• 缺点
  每一组的匹配含义不容易看出来，而且只能用数字序号（比如matchObj[1]）引用，要是组的顺序变了，引用的时候就必须修改序号

ES2018的具名组匹配

允许为每个组匹配指定一个名字，既便于阅读代码，又便于引用

• 使用
  “具名组匹配”在圆括号内部，模式的头部添加“问号 + 尖括号 + 组名”（?）。
  然后就可以在exec方法返回结果的groups属性上引用该组名。同时，数字序号（matchObj[1]）依然有效。

const RE_DATE = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/;

const matchObj = RE_DATE.exec('1999-12-31');
const year = matchObj.groups.year; // 1999
const month = matchObj.groups.month; // 12
const day = matchObj.groups.day; // 31

• 没有匹配到的属性值为undefined，但键名始终存在

const RE_OPT_A = /^(?<as>a+)?$/;
const matchObj = RE_OPT_A.exec('');

matchObj.groups.as // undefined
'as' in matchObj.groups // true

解构赋值和替换

• 解构赋值
  具名组+解构赋值，可以直接从匹配结果变为变量赋值

let {groups: {one, two}} = /^(?<one>.*):(?<two>.*)$/u.exec('foo:bar');
one  // foo
two  // bar

• 替换
  字符串替换时，可以使用$<组名>引用具名组

let re = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/u;
第二个参数为字符串而不是正则表达式
'2015-01-02'.replace(re, '$<day>/$<month>/$<year>')
// '02/01/2015'

• replace方法的第二个参数也可以是函数。

let re = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/u;
'2015-01-02'.replace(re, (
   matched, // 整个匹配结果 2015-01-02
   capture1, // 第一个组匹配 2015
   capture2, // 第二个组匹配 01
   capture3, // 第三个组匹配 02
   position, // 匹配开始的位置 0
   S, // 原字符串 2015-01-02
   groups // 具名组构成的一个对象 {year, month, day}
 ) => {
 let {day, month, year} = groups;
 return `${day}/${month}/${year}`;
});

具名组匹配在原来的基础上，新增了最后一个函数参数：具名组构成的一个对象。函数内部可以直接对这个对象进行解构赋值。

引用

在正则表达式内部引用某个“具名组匹配”，可以使用\k<组名>的写法

const RE_TWICE = /^(?<word>[a-z]+)!\k<word>$/;
RE_TWICE.test('abc!abc') // true
RE_TWICE.test('abc!ab') // false

数字引用(\1)依然有效(\1等同于上面的k

const RE_TWICE = /^(?<word>[a-z]+)!\1$/;
RE_TWICE.test('abc!abc') // true
RE_TWICE.test('abc!ab') // false

可同时引用\1和内部引用

const RE_TWICE = /^(?<word>[a-z]+)!\k<word>!\1$/;
RE_TWICE.test('abc!abc!abc') // true
RE_TWICE.test('abc!abc!ab') // false

12.String.prototype.matchAll

• 不使用matchAll取出多个匹配。返回的是数组

var regex = /t(e)(st(\d?))/g;
var string = 'test1test2test3';

var matches = [];
var match;
while (match = regex.exec(string)) {
  matches.push(match);
}

matches
// [
//   ["test1", "e", "st1", "1", index: 0, input: "test1test2test3"],
//   ["test2", "e", "st2", "2", index: 5, input: "test1test2test3"],
//   ["test3", "e", "st3", "3", index: 10, input: "test1test2test3"]
// ]

• 使用matchAll取出多个匹配。返回的是遍历器(Iterator)，可以使用for…of循环取出。好处是遍历器比较节省资源，当匹配结果是个很大的数组时。

const string = 'test1test2test3';

// g 修饰符加不加都可以
const regex = /t(e)(st(\d?))/g;

for (const match of string.matchAll(regex)) {
  console.log(match);
}
// ["test1", "e", "st1", "1", index: 0, input: "test1test2test3"]
// ["test2", "e", "st2", "2", index: 5, input: "test1test2test3"]
// ["test3", "e", "st3", "3", index: 10, input: "test1test2test3"]

• 遍历器转为数组

// 转为数组方法一
[...string.matchAll(regex)]

// 转为数组方法二
Array.from(string.matchAll(regex));