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
- 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));