ECMAScript6-基础5-扩展正则

RegExp构造函数

概念

在之前，有2种方式来创建RegExp：

①第一个参数是字符串，第二个参数表示正则表达式的修饰符；

②就一个正则表示式；

到了ES6新增了1种方式：如果RegExp构造函数第一个参数是一个正则对象，那么还可以使用第二个参数指定修饰符，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；

案例讲解/注意事项

new RegExp('xyz', 'i'); 这是ES5的一种方式，该方式需要2个参数，该表达式等价于var regex = /xyz/i;   var regex = new RegExp(/xyz/i); 这是ES5的一种方式，该方式需要1个参数，该表达式等价于var regex = /xyz/i;   new RegExp(/abc/ig, 'i'); 这是ES6新增的方式；

字符串的正则方法

概念

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个方法做了调整，其内部实现都是基于RegExp实例方法来实现：

String.prototype.match底层调用是RegExp.prototype[Symbol.match]

String.prototype.replace 底层调用是RegExp.prototype[Symbol.replace]

String.prototype.search 底层调用是 RegExp.prototype[Symbol.search]

String.prototype.split底层调用是RegExp.prototype[Symbol.split]

新增u修饰符

概念

ES6对正则表达式添加了u修饰符，含义为“Unicode 模式”，即用来正确处理大于\uFFFF的Unicode字符，也就是正确处理四个字节的UTF-16编码；

案例讲解/注意事项

/^\uD83D/u.test('\uD83D\uDC2A') // false /^\uD83D/.test('\uD83D\uDC2A') // true \uD83D\uDC2A是一个四个字节的UTF-16编码，代表一个字符。ES5不支持四个字节的UTF-16 编码，因此，会将其识别为两个字符，导致第二行代码结果为true。加了u修饰符以后，ES6 就会识别其为一个字符，所以第一行代码结果为false。

注意：

一旦加上u修饰符号，就会修改如下正则表达式的行为：

①点字符

点（.）字符在正则表达式中含义是：匹配除了换行符以外的任意单个字符，但是对于码点大于0xFFFF的Unicode字符，点字符不能识别，必须加上u修饰符；

如果不添加u修饰符，正则表达式就会认为字符串为两个字符，从而匹配失败；原因之前讲过了，因为JS默认一个字符需要2个字节，而码点大于0xFFFF的Unicode字符需要4个字节，即JS会默认其有2个字符；

②Unicode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；

如果不加u修饰符，正则表达式无法识别\u{61}这种表示法，只会认为这匹配 61 个连续的u；

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；

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。只有加了u修饰符，它才能正确匹配码点大于0xFFFF的 Unicode 字符，利用这一点，可以写出一个正确返回字符串长度的函数：

一个汉字，由于其是Unicode编码，应该是4字节，即变量s应该是4*2=8个字节，按照JS每2个字节算一个字符的惯例，即变量s应该是8/2=4个字符，所以，s.length = 4;

Length是按照字节数/2的方式来计算字符的个数，面对需要4个字节才能存储的汉字时，则无法反应真实情况；

⑤i修饰符

有些Unicode字符的编码不同，但字型很相近，比如\u004B与\u212A都是大写的K。

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

⑥转义

没有u修饰符的情况下，正则中没有定义的转义（如逗号的转义\,）无效，而在u模式会报错。

/\,/ // /\,/ /\,/u // 报错 没有u修饰符时，逗号前面的反斜杠是无效的，加了u修饰符就报错

RegExp.prototype.unicode 属性

概念

正则实例对象新增unicode属性，表示是否设置了u修饰符；

案例讲解/注意事项

const r1 = /hello/; const r2 = /hello/u; r1.unicode // false r2.unicode // true 正则表达式是否设置了u修饰符，可以从unicode属性看出来；

新增y修饰符

概念

ES6 新增了y修饰符，又叫做“粘连”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；

通俗来讲来讲就是：g只关心是否有匹配的字符，至于字符在什么位置，不关心；y既要关心是否有匹配的字符，且字符的位置必须是从剩余的第一个位置开始，否则y匹配失败；

案例讲解/注意事项

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 一个使用g修饰符，另一个使用y修饰符，r1与r2都是匹配多个a，然后这两个正则表达式各执行了两次： 第一次执行的时候，两者行为相同，剩余字符串都是“_aa_a”（注意这里以_作为开头）。由于g修饰没有位置要求，所以第二次执行会返回结果，而y修饰符要求匹配必须从头部开始，所以返回null；           'a1a2a3'.match(/a\d/y) // ["a1"] 'a1a2a3'.match(/a\d/gy) // ["a1", "a2", "a3"] 每次匹配都是从剩余字符串的头部开始，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，因此，单单一个y修饰符对match方法，只能返回第一个匹配，必须与g修饰符联用，才能返回所有匹配；

每次匹配都是从剩余字符串的头部开始，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，因此，单单一个y修饰符对match方法，只能返回第一个匹配，必须与g修饰符联用，才能返回所有匹配；

扩展

y修饰符的一个应用，是从字符串提取 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; } 如果字符串里面没有非法字符，y修饰符与g修饰符的提取结果是一样的。但是，一旦出现非法字符，两者的行为就不一样了。 tokenize(TOKEN_Y, '3x + 4') // [ '3' ] tokenize(TOKEN_G, '3x + 4') // [ '3', '+', '4' ] 上面代码中，g修饰符会忽略非法字符，而y修饰符不会，这样就很容易发现错误；

RegExp.prototype.sticky属性

概念

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；

案例讲解/注意事项

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

RegExp.prototype.flags属性

概念

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；

案例讲解/注意事项

//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

在正则表达式中，点（.）是一个特殊字符，代表任意的单个字符，但是有两个例外：

①四个字节的UTF-16字符，这个可以用u修饰符解决；

②行终止符，即该字符表示一行的终结，行终止符有：

U+000A换行符（\n）、U+000D回车符（\r）、

U+2028行分隔符、U+2029段分隔符；

 

为了解决这个问题，ES2018 引入s修饰符，从而让.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，对应着，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；

案例讲解/注意事项

/foo.bar/.test('foo\nbar') // false 这里是普通的点（.） /foo.bar/s.test('foo\nbar') // true 这里是使用点（.）的s修饰符     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

概念

之前的正则表达式，只支持先行断言和先行否定断言，不支持后行断言和后行否定断言，到了ES2018 引入了后行断言；

查看w3school中关于JS的教程，链接地址如下：https://www.w3school.com.cn/jsref/jsref_obj_regexp.asp，在“量词”模块，

?=n：匹配任何其后紧接指定字符串 n 的字符串；

?!n：匹配任何其后没有紧接指定字符串 n 的字符串；

 

先行断言：x只有在y前面才能匹配，必须写成/x(?=y)/，例如只匹配百分号之前的数字，要写成/\d+(?=%)/；

先行否定断言：x只有不在y前面才能匹配，必须写成/x(?!y)/，例如只匹配不在百分号之前的数字，要写成/\d+(?!%)/。

后行断言：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：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+/。

案例讲解/注意事项

①/\d+(?=%)/.exec('100% of US presidents have been male')  // ["100"] ②/\d+(?!%)/.exec('that’s all 44 of them')                // ["44"] ①是先行断言，匹配%前面的数字，即100； ②是先行否定断言，匹配的后面没有%的数字，即44；     ③/(?<=\$)\d+/.exec('Benjamin Franklin is on the $100 bill')  // ["100"] ④/(?<!\$)\d+/.exec('it’s is worth about €90')              // ["90"] ③是后行断言，匹配的$后面的数字，即100； ④是后行否定断言，匹配的是非$后面的数字，即90；

注意：

无论是先行断言（x只有在y前面才能匹配）、先行否定断言（x只有不在y前面才能匹配）、后行否定断言（x只有不在y后面才匹配）都是从左往右匹配；

而后行断言（x只有在y后面才匹配）则是从右往左匹配，即先匹配/(?<=y)x/的x，然后再回到左边，匹配y的部分；

JS的正则表达式有2大类：贪婪模式、非贪婪模式；正常情况下的使用量词即可进入贪婪模式，即尽可能多的匹配内容；非贪婪模式匹配尽可能少的内容，在量词后加上?即可进入该模式下；

①/(?<=(\d+)(\d+))$/.exec('1053') // ["", "1", "053"] ②/^(\d+)(\d+)$/.exec('1053') // ["1053", "105", "3"] 表达式②进入了贪婪模式，第一个括号是贪婪模式，第二个括号只能捕获一个字符，所以结果是105和3。 ①是后行断言，由于执行顺序是从右到左，第二个括号是贪婪模式，第一个括号只能捕获一个字符，所以结果是1和053；     /(?<=(o)d\1)r/.exec('hodor')  // null /(?<=\1d(o))r/.exec('hodor')  // ["r", "o"] 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。 上面代码中，如果后行断言的反斜杠引用（\1）放在括号的后面，就不会得到匹配结果，必须放在前面才可以。因为后行断言是先从左到右扫描，发现匹配以后再回过头，从右到左完成反斜杠引用；

Unicode属性类

概念

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；

那么该如何指定Unicode的某种属性呢，格式如下：

\p{UnicodePropertyName=UnicodePropertyValue}，即由Unicode 属性类来指定属性名、属性值；对于某些属性，可以只写属性名，或者只写属性值：\p{UnicodePropertyName}、\p{UnicodePropertyValue}；

\P{…}是\p{…}的反向匹配，即匹配不满足条件的字符；

这两种类只对Unicode有效，所以使用的时候一定要加上u修饰符，如果不加u修饰符，正则表达式使用\p和\P会报错，ECMAScript 预留了这两个类；

正是由于结合Unicdoe，Unicode的各种属性非常多，所以这种新的类的表达能力非常强；

案例讲解/注意事项

const regexGreekSymbol = /\p{Script=Greek}/u; regexGreekSymbol.test('π') // true     // 匹配所有数字 const regex = /^\p{Number}+$/u; regex.test('²³¹¼½¾') // true regex.test('㉛㉜㉝') // true regex.test('ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩⅪⅫ') // true // 匹配所有空格 \p{White_Space} // 匹配各种文字的所有字母，等同于 Unicode 版的 \w [\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}] // 匹配各种文字的所有非字母的字符，等同于 Unicode 版的 \W [^\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}] // 匹配 Emoji /\p{Emoji_Modifier_Base}\p{Emoji_Modifier}?|\p{Emoji_Presentation}|\p{Emoji}\uFE0F/gu // 匹配所有的箭头字符 const regexArrows = /^\p{Block=Arrows}+$/u; regexArrows.test('←↑→↓↔↕↖↗↘↙⇏⇐⇑⇒⇓⇔⇕⇖⇗⇘⇙⇧⇩') // true

具名组匹配

概念

正则表达式使用圆括号()来进行组匹配的，但组匹配存在2个缺陷：

①每一组的匹配含义不容易看出来，特别是接手新项目的时候，往往不知道什么意思；

②由于只能用数字序号引用，如果组的顺序变了，对应的代码必须修改引用的序号；

为了解决这2个缺陷，ES2018引入了具名组匹配，允许为每一个组匹配指定一个名字，这样既方便阅读代码，又便于引用；具名组匹配组成如下：

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，且数字序号依然有效；

变相的为每一组匹配加上了ID，便于描述匹配的目的，如果组的顺序变了，也不用改变匹配后的处理代码；

如果组匹配失败，则对应的groups对象属性会是undefined；

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 应用具名组匹配后： 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     匹配失败后，具名组匹配的行为： const RE_OPT_A = /^(?<as>a+)?$/; const matchObj = RE_OPT_A.exec(''); matchObj.groups.as // undefined 'as' in matchObj.groups // true

案例讲解/注意事项

解构赋值和替换 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}} = /^(?<one>.*):(?<two>.*)$/u.exec('foo:bar'); one  // foo two  // bar 字符串替换时，使用$<组名>引用具名组： let re = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/u; '2015-01-02'.replace(re, '$<day>/$<month>/$<year>') // '02/01/2015'       引用 如果要在正则表达式内部引用某个“具名组匹配”，可以使用\k<组名>的写法： const RE_TWICE = /^(?<word>[a-z]+)!\k<word>$/; RE_TWICE.test('abc!abc') // true RE_TWICE.test('abc!ab') // false 数字索引引用（\1）依然有效： const RE_TWICE = /^(?<word>[a-z]+)!\1$/; RE_TWICE.test('abc!abc') // true RE_TWICE.test('abc!ab') // false 这两种引用语法还可以同时使用： const RE_TWICE = /^(?<word>[a-z]+)!\k<word>!\1$/; RE_TWICE.test('abc!abc!abc') // true RE_TWICE.test('abc!abc!ab') // false

正则匹配索引

概述

正则匹配结果的开始位置和结束位置，目前获取并不是很方便。正则实例的exec()方法，返回结果有一个index属性，可以获取整个匹配结果的开始位置，但是如果包含组匹配，每个组匹配的开始位置，很难拿到；

现在有一个第三阶段提案，为exec()方法的返回结果加上indices属性，在这个属性上面可以拿到匹配的开始位置和结束位置；

案例讲解/注意事项

const text = 'zabbcdef'; const re = /ab/; const result = re.exec(text); result.index // 1 result.indices // [ [1, 3] ]包头不包尾 exec()方法的返回结果result，它的index属性是整个匹配结果（ab）的开始位置，而它的indices属性是一个数组，成员是每个匹配的开始位置和结束位置的数组。由于该例子的正则表达式没有组匹配，所以indices数组只有一个成员，表示整个匹配的开始位置是1，结束位置是3； 注意，开始位置包含在匹配结果之中，但是结束位置不包含在匹配结果之中，即包头不包尾，比如，匹配结果为ab，分别是原始字符串的第1位和第2位，那么结束位置就是第3位。     const text = 'zabbcdef'; const re = /ab+(cd)/; const result = re.exec(text); result.indices // [ [ 1, 6 ], [ 4, 6 ] ] 如果正则表达式包含组匹配，那么indices属性对应的数组就会包含多个成员，提供每个组匹配的开始位置和结束位 上面例子中，正则表达式包含一个组匹配，那么indices属性数组就有两个成员，第一个成员是整个匹配结果（abbcd）的开始位置和结束位置，第二个成员是组匹配（cd）的开始位置和结束位置；     const text = 'zabbcdef'; const re = /ab+(?<Z>cd)/; const result = re.exec(text); result.indices.groups // { Z: [ 4, 6 ] } 如果正则表达式包含具名组匹配，indices属性数组还会有一个groups属性。该属性是一个对象，可以从该对象获取具名组匹配的开始位置和结束位置。     const text = 'zabbcdef'; const re = /ab+(?<Z>ce)?/; const result = re.exec(text); result.indices[1] // undefined result.indices.groups['Z'] // undefined 如果获取组匹配不成功，indices属性数组的对应成员则为undefined，indices.groups属性对象的对应成员也是undefined；

String.prototype.matchAll()

概念

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；ES2020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；

案例讲解/注意事项

const string = 'test1test2test3'; 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：、 // 转为数组的方法一 [...string.matchAll(regex)] // 转为数组的方法二 Array.from(string.matchAll(regex))