学习来源:ES6入门教程
正则扩展
(1) RegExp构造函数
- ES5中主要是两种情况:
- 第一个参数时字符串,第二个修饰符:var regex = new RegExp(‘xyz’, ‘i’);
- 只有一个参数,正则表达式:var regex = new RegExp(/xyz/i);,不允许使用第二个参数会报错。
- ES6改变了这种行为,可以允许使用第二个参数指定修饰符,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:var regex = new RegExp(/abc/ig, ‘i’);
- 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。比如:/abc/ig.flags // ‘gi’
(2) 字符串的正则方法
- ES6将原先字符串上的4个有关正则的方法(match()、replace()、search()和split())全部变成在语言内部调用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。
- 比如:String.prototype.match 调用 RegExp.prototype[Symbol.match]
- 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)可以用for of 遍历,而不是数组。
- 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。
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"]
(3) u修饰符
- “Unicode 模式”,用来正确处理大于\uFFFF的 Unicode 字符,正确处理四个字节的 UTF-16 编码,不会将一个四字节的字符识别为两个字符。
- 一旦加上u修饰符会改变以下正则表达式的行为:
- 点符号: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。
- /𠮷{2}/.test(‘𠮷𠮷’) // false
/𠮷{2}/u.test(‘𠮷𠮷’) // true
- /𠮷{2}/.test(‘𠮷𠮷’) // false
- 预定义模式:
- 影响到预定义模式能否正确识别码点大于0xFFFF的 Unicode 字符。
- 上面代码的\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。
- 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
- 主要解决有些 Unicode 字符的编码不同,但是字型很相近的问题。比如,\u004B与\u212A都是大写的K,不加u修饰符就无法识别非规范的K字符
- 转义
- 没有u修饰符时,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。
- 正则实例对象新增unicode属性,表示是否设置了u修饰符。
(4) y修饰符
- y修饰符(sticky,粘连)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^。
- const REGEX = /a/gy;
‘aaxa’.replace(REGEX, ‘-’) // ‘–xa’ 最后一个a因为不是出现在下一次匹配的头部所不会被替换。
- const REGEX = /a/gy;
- 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。
- 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。
- ES6 的正则实例对象多了sticky属性,表示是否设置了y修饰符。
(5) s修饰符:dotAll模式
- 扩展原因: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。
- 四字节的字符(utf-16),这个u修饰符解决
- 另一个是行终止符,表示一行的终结。像换行\n,回车\r,行分隔符,段分隔符无法匹配。
- 比如,/foo.bar/.test(‘foo\nbar’)//false,这种情况.不匹配\n
- ES2018引入s修饰符,使得.可以匹配任意单个字符。被称为dotAll模式,同时引入dotAll属性,返回布尔值。
- /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$匹配每一行的行首和行尾。
(6) 后行断言
- 之前的JS只支持
- 先行断言指的是,x只有在y前面才匹配,必须写成**/x(?=y)/**。
- 比如,只匹配百分号之前的数字,要写成/\d+(?=%)/。
- 先行否定断言指的是,x只有不在y前面才匹配,必须写成**/x(?!y)/**。
- 比如,只匹配不在百分号之前的数字,要写成/\d+(?!%)/。
- 先行断言指的是,x只有在y前面才匹配,必须写成**/x(?=y)/**。
- ES2018引入后行断言
- 后行断言指的是x只有在y后面才匹配,必须写成**/(?<=y)x/**。
- 比如,只匹配美元符号之后的数字,要写成/(?<=$)\d+/。
- 后行断言执行顺序先右后左,会有些不合预期的行为
- 后行断言的组匹配,与正常情况下结果是不一样的。
- 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。
- 后行断言的组匹配,与正常情况下结果是不一样的。
- 后行否定断言指的是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/(?<!$)\d+/。
- 后行断言指的是x只有在y后面才匹配,必须写成**/(?<=y)x/**。
(7) Unicode属性类
- ES2018 引入了一种新的类的写法\p{…}和\P{…},允许正则表达式匹配符合 Unicode 某种属性的所有字符。
- \p{…}:/\p{Script=Greek}/指定匹配一个希腊文字母,所以匹配π成功。主要形式是指定属性名和属性值(或者有时其中之一)—\p{UnicodePropertyName=UnicodePropertyValue}
- \P{…}是\p{…}的反向匹配,即匹配不满足条件的字符。
- 注意,这两种类只对 Unicode 有效,所以使用的时候一定要加上u修饰符。由于 Unicode 的各种属性非常多,所以这种新的类的表达能力非常强。
// 匹配所有数字
const regex = /^\p{Number}+$/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}+$/u;
regexArrows.test('←↑→↓↔↕↖↗↘↙⇏⇐⇑⇒⇓⇔⇕⇖⇗⇘⇙⇧⇩') // true
(8) 具名组匹配
- 原先的组匹配的一个问题是,每一组的匹配含义不容易看出来,而且只能用数字序号引用,要是组的顺序变了,引用的时候就必须修改序号。
- ES2018引入具名组匹配,允许为每一个组匹配指定一个名字,既便于阅读代码,又便于引用。
- 具名组匹配等于为每一组匹配加上了 ID,便于描述匹配的目的。如果组的顺序变了,也不用改变匹配后的处理代码。如果具名组没有匹配,那么对应的groups对象属性会是undefined。
- 解构赋值与替换
- 有了具名组匹配以后,可以使用解构赋值直接从匹配结果上为变量赋值。
- 字符串(str.replace())替换时,使用$<组名>引用具名组。
- 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。
- 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。数字引用(\1)依然有效。两者还可以同时使用。
- 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。数字引用(\1)依然有效。两者还可以同时使用。
(9) 正则匹配索引
- 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(结束位置不包含元素)。
- 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置。result.indices // [ [1, 8], [4, 8], [6, 8] ]
- 如果还包含具名组匹配,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。result.indices.groups // { Z: [ 4, 6 ] }
- 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。