【阮一峰ES6入门教程学习笔记】正则扩展

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
  • 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。
  • 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。
• 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+(?!%)/。
• 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+/。

(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。
    
• 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。
    

(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。