本文为学习笔记;
<<<<转载请注明原文出处!
RegExp 构造函数
在 ES5 中,RegExp构造函数的参数有两种情况:
参数是字符串,这时第二个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;
参数是一个正则表示式,这时会返回一个原有正则表达式的拷贝。
var regex = new RegExp(/xyz/i);// 等价于var regex = /xyz/i;
但是,ES5 不允许此时使用第二个参数添加修饰符,否则会报错。
var regex = new RegExp(/xyz/, 'i');// Uncaught TypeError: Cannot supply flags when constructing one RegExp from another
ES6 改变了这种行为。如果RegExp构造函数第一个参数是一个正则对象,那么可以使用第二个参数指定修饰符。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"上面代码中,原有正则对象的修饰符是ig,它会被第二个参数i覆盖。
字符串的正则方法
字符串对象共有 4 个方法,可以使用正则表达式:match()
、replace()
、search()
和split()
。
ES6 将这 4 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]
u 修饰符
ES6 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。也就是说,会正确处理四个字节的 UTF-16 编码。
u
修饰符号,就会修改下面这些正则表达式的行为: - 点字符 点(
.
)字符在正则表达式中,含义是除了换行符以外的任意单个字符。对于码点大于0xFFFF
的 Unicode 字符,点字符不能识别,必须加上u
修饰符。 - Unicode 字符表示法 ES6 新增了使用大括号表示 Unicode 字符,这种表示法在正则表达式中必须加上
u
修饰符,才能识别当中的大括号,否则会被解读为量词。 - 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。 - 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。 - i 修饰符 有些 Unicode 字符的编码不同,但是字型很相近,比如,
\u004B
与\u212A
都是大写的K
。
RegExp.prototype.unicode 属性
正则实例对象新增unicode属性,表示是否设置了u
修饰符。
const r1 = /hello/;const r2 = /hello/u; r1.unicode // falser2.unicode // 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,后一次匹配都从上一次匹配成功的下一个位置开始。不同之处在于:g
修饰符只要剩余位置中存在匹配就可,而y
修饰符确保匹配必须从剩余的第一个位置开始,这也就是“粘连”的涵义。 实际上,
y
修饰符号隐含了头部匹配的标志^
。y
修饰符的设计本意,就是让头部匹配的标志^
在全局匹配中都有效。
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。
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'
s 修饰符:dotAll 模式
正则表达式中,点(.
)是一个特殊字符,代表任意的单个字符,但是有两个例外。一个是四个字节的 UTF-16 字符,这个可以用u
修饰符解决;另一个是行终止符(line terminator character)。
所谓行终止符,就是该字符表示一行的终结。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
)
ES2018 引入s
修饰符,使得.
可以匹配任意单个字符,这被称为dotAll模式,即点(dot)代表一切字符;所以,正则表达式还引入了一个dotAll
属性,返回一个布尔值,表示该正则表达式是否处在dotAll模式。
/s
修饰符和多行修饰符/m
不冲突,两者一起使用的情况下,.
匹配所有字符,而^
和$
匹配每一行的行首和行尾。 后行断言
JavaScript 语言的正则表达式,只支持先行断言(lookahead)和先行否定断言(negative lookahead),不支持后行断言(lookbehind)和后行否定断言(negative lookbehind)。ES2018 引入后行断言,V8 引擎 4.9 版(Chrome 62)已经支持。
- 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,只匹配百分号之前的数字,要写成/\d+(?=%)/
。先行否定断言指的是:x
只有不在y
前面才匹配,必须写成/x(?!y)/
。比如,只匹配不在百分号之前的数字,要写成/\d+(?!%)/
。- 先行断言括号之中的部分(
(?=%)
),是不计入返回结果的。- 后行断言正好与 先行断言 相反,
x
只有在y
后面才匹配,必须写成/(?<=y)x/
。比如,只匹配美元符号之后的数字,要写成/(?<=\$)\d+/
。后行否定断言则与先行否定断言相反,x
只有不在y
后面才匹配,必须写成/(?<!y)x/
。比如,只匹配不在美元符号后面的数字,要写成/(?<!\$)\d+/
。- 后行断言的括号之中的部分也是不计入返回结果。
后行断言的实现,需要先匹配/(?<=y)x/
的x
,然后再回到左边,匹配y
的部分。这种“先右后左”的执行顺序,与所有其他正则操作相反,导致了一些不符合预期的行为:
- 首先,后行断言的组匹配,与正常情况下结果是不一样的。
- 其次,“后行断言”的反斜杠引用,也与通常的顺序相反,必须放在对应的那个括号之前。
Unicode 属性类
ES2018 引入了一种新的类的写法\p{...}
和\P{...}
,允许正则表达式匹配符合 Unicode 某种属性的所有字符。
Unicode 属性类要指定属性名和属性值。
对于某些属性,可以只写属性名,或者只写属性值。
\P{…}
是\p{…}
的反向匹配,即匹配不满足条件的字符。
具名组匹配
正则表达式使用圆括号进行组匹配。
const RE_DATE = /(\d{4})-(\d{2})-(\d{2})/;
上面代码中,正则表达式里面有三组圆括号。使用exec
方法,就可以将这三组匹配结果提取出来。
const RE_DATE = /(\d{4})-(\d{2})-(\d{2})/;const matchObj = RE_DATE.exec('1999-12-31');const year = matchObj[1]; // 1999const month = matchObj[2]; // 12const day = matchObj[3]; // 31
组匹配的一个问题是,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。
const RE_DATE = /(?\d{4})-(? \d{2})-(? \d{2})/;const matchObj = RE_DATE.exec('1999-12-31');const year = matchObj.groups.year; // 1999const month = matchObj.groups.month; // 12const day = matchObj.groups.day; // 31
“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
”(?<year>
),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。
解构赋值和替换
解构赋值
有了具名组匹配以后,可以使用解构赋值直接从匹配结果上为变量赋值。
let {groups: {one, two}} = /^(?.*):(? .*)$/u.exec('foo:bar');one // footwo // bar
字符串替换
let re = /(?\d{4})-(? \d{2})-(? \d{2})/u;'2015-01-02'.replace(re, '$ /$ /$ ')// '02/01/2015'
replace
方法的第二个参数也可以是函数,该函数的参数序列如下:
'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
如果要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。
String.prototype.matchAll
如果一个正则表达式在字符串里面有多个匹配,现在一般使用g
修饰符或y
修饰符,在循环里面逐一取出。
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"]// ]
上面代码中,while循环取出每一轮的正则匹配,一共三轮。
目前有一个提案,增加了String.prototype.matchAll
方法,可以一次性取出所有匹配。不过,它返回的是一个遍历器(Iterator
),而不是数组。 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"]
上面代码中,由于string.matchAll(regex)
返回的是遍历器,所以可以用for...of
循环取出。相对于返回数组,返回遍历器的好处在于,如果匹配结果是一个很大的数组,那么遍历器比较节省资源。
遍历器转为数组是非常简单的,使用...
运算符和Array.from
方法就可以了。
// 转为数组方法一[...string.matchAll(regex)]// 转为数组方法二Array.from(string.matchAll(regex));