RegExp構造函數
如果RegExp構造函數第一個參數是一個正則對象,那么可以使用第二個參數指定修飾符。而且,返回的正則表達式會忽略原有的正則表達式的修飾符,只使用新指定的修飾符。
下面代碼中,原有正則對象的修飾符是ig,它會被第二個參數i覆蓋。
new RegExp(/abc/ig, 'i').flags
// "i"
字符串的正則方法
字符串對象共有4個方法,可以使用正則表達式:match()、replace()、search()和split()。
ES6將這4個方法,在語言內部全部調用RegExp的實例方法,從而做到所有與正則相關的方法,全都定義在RegExp對象上。
- String.prototype.match 調用 RegExp.prototype[Symbol.match]
- String.prototype.replace 調用 RegExp.prototype[Symbol.replace]
- String.prototype.search 調用 RegExp.prototype[Symbol.search]
- String.prototype.split 調用 RegExp.prototype[Symbol.split]
u修飾符
ES6對正則表達式添加了u修飾符,含義為“Unicode模式”,用來正確處理大于\uFFFF的Unicode字符。即會正確處理四個字節的UTF-16編碼。
下面代碼中,\uD83D\uDC2A是一個四個字節的UTF-16編碼,代表一個字符。但是,ES5不支持四個字節的UTF-16編碼,會將其識別為兩個字符,導致第二行代碼結果為true。加了u修飾符以后,ES6就會識別其為一個字符,所以第一行代碼結果為false。
/^\uD83D/u.test('\uD83D\uDC2A')
// false
/^\uD83D/.test('\uD83D\uDC2A')
// true
一旦加上u修飾符號,就會修改下面這些正則表達式的行為。
1.點字符
點(.)字符在正則表達式中,含義是除了換行符以外的任意單個字符。對于碼點大于0xFFFF的Unicode字符,點字符不能識別,必須加上u修飾符。
下面代碼表示,如果不添加u修飾符,正則表達式就會認為字符串為兩個字符,從而匹配失敗。
var s = '??';
/^.$/.test(s) // false
/^.$/u.test(s) // true
2.Unicode字符表示法
ES6新增了使用大括號表示Unicode字符,這種表示法在正則表達式中必須加上u修飾符,才能識別。
下面代碼表示,如果不加u修飾符,正則表達式無法識別\u{61}這種表示法,只會認為這匹配61個連續的u。
/\u{61}/.test('a') // false
/\u{61}/u.test('a') // true
/\u{20BB7}/u.test('??') // true
3.量詞
使用u修飾符后,所有量詞都會正確識別碼點大于0xFFFF的Unicode字符。
/a{2}/.test('aa') // true
/a{2}/u.test('aa') // true
/??{2}/.test('????') // false
/??{2}/u.test('????') // true
另外,只有在使用u修飾符的情況下,Unicode表達式當中的大括號才會被正確解讀,否則會被解讀為量詞。
下面代碼中,由于正則表達式沒有u修飾符,所以大括號被解讀為量詞。加上u修飾符,就會被解讀為Unicode表達式。
/^\u{3}$/.test('uuu') // true
4.預定義模式
u修飾符也影響到預定義模式,能否正確識別碼點大于0xFFFF的Unicode字符。
下面代碼的\S是預定義模式,匹配所有不是空格的字符。只有加了u修飾符,它才能正確匹配碼點大于0xFFFF的Unicode字符。
/^\S$/.test('??') // false
/^\S$/u.test('??') // true
5.i修飾符
有些Unicode字符的編碼不同,但是字型很相近,比如,\u004B與\u212A都是大寫的K。
下面代碼中,不加u修飾符,就無法識別非規范的K字符。
/[a-z]/i.test('\u212A') // false
/[a-z]/iu.test('\u212A') // true
y修飾符
除了u修飾符,ES6還為正則表達式添加了y修飾符,叫做“粘連”(sticky)修飾符。
y修飾符的作用與g修飾符類似,也是全局匹配,后一次匹配都從上一次匹配成功的下一個位置開始。不同之處在于,g修飾符只要剩余位置中存在匹配就可,而y修飾符確保匹配必須從剩余的第一個位置開始,這也就是“粘連”的涵義。
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
上面代碼有兩個正則表達式,一個使用g修飾符,另一個使用y修飾符。這兩個正則表達式各執行了兩次,第一次執行的時候,兩者行為相同,剩余字符串都是_aa_a。由于g修飾沒有位置要求,所以第二次執行會返回結果,而y修飾符要求匹配必須從頭部開始,所以返回null。
如果改一下正則表達式,保證每次都能頭部匹配,y修飾符就會返回結果了。
下面代碼每次匹配,都是從剩余字符串的頭部開始。
var s = 'aaa_aa_a';
var r = /a+_/y;
r.exec(s) // ["aaa_"]
r.exec(s) // ["aa_"]
sticky屬性
與y修飾符相匹配,ES6的正則對象多了sticky屬性,表示是否設置了y修飾符。
var r = /hello\d/y;
r.sticky // true
flags屬性
ES6為正則表達式新增了flags屬性,會返回正則表達式的修飾符。
// ES5的source屬性
// 返回正則表達式的正文
/abc/ig.source
// "abc"
// ES6的flags屬性
// 返回正則表達式的修飾符
/abc/ig.flags
// 'gi'
RegExp.escape()
字符串必須轉義,才能作為正則模式。
function escapeRegExp(str) {
return str.replace(/[\-\[\]\/\{\}\(\)\*\+\?\.\\\^\$\|]/g, '\\$&');
}
let str = '/path/to/resource.html?search=query';
escapeRegExp(str)
// "\/path\/to\/resource\.html\?search=query"
上面代碼中,str
是一個正常字符串,必須使用反斜杠對其中的特殊字符轉義,才能用來作為一個正則匹配的模式。
已經有提議將這個需求標準化,作為RegExp對象的靜態方法RegExp.escape(),放入ES7。2015年7月31日,TC39認為,這個方法有安全風險,又不愿這個方法變得過于復雜,沒有同意將其列入ES7,但這不失為一個真實的需求。
RegExp.escape('The Quick Brown Fox');
// "The Quick Brown Fox"
RegExp.escape('Buy it. use it. break it. fix it.');
// "Buy it\. use it\. break it\. fix it\."
RegExp.escape('(*.*)');
// "\(\*\.\*\)"
字符串轉義以后,可以使用RegExp構造函數生成正則模式。
var str = 'hello. how are you?';
var regex = new RegExp(RegExp.escape(str), 'g');
assert.equal(String(regex), '/hello\. how are you\?/g');
s修飾符:dotAll 模式
正則表達式中,點(.)是一個特殊字符,代表任意的單個字符,但是行終止符(line terminator character)除外。
以下四個字符屬于”行終止符“。
1.U+000A 換行符(\n)
2.U+000D 回車符(\r)
3.U+2028 行分隔符(line separator)
4.U+2029 段分隔符(paragraph separator)
下面代碼中,因為.不匹配\n,所以正則表達式返回false。
/foo.bar/.test('foo\nbar')
// false
但是,很多時候我們希望匹配的是任意單個字符,這時有一種變通的寫法,引入/s修飾符,使得.可以匹配任意單個字符。
/foo.bar/s.test('foo\nbar') // true
這被稱為dotAll模式,即點(dot)代表一切字符。所以,正則表達式還引入了一個dotAll屬性,返回一個布爾值,表示該正則表達式是否處在dotAll模式。
/s修飾符和多行修飾符/m不沖突,兩者一起使用的情況下,.匹配所有字符,而^和$匹配每一行的行首和行尾。
const re = /foo.bar/s;
// 另一種寫法
// const re = new RegExp('foo.bar', 's');
re.test('foo\nbar') // true
re.dotAll // true
re.flags // 's'
后行斷言
JavaScript語言的正則表達式,只支持先行斷言(lookahead)和先行否定斷言(negative lookahead),不支持后行斷言(lookbehind)和后行否定斷言(negative lookbehind)。
目前,有一個提案,在ES7加入后行斷言。V8引擎4.9版已經支持,Chrome瀏覽器49版打開”experimental JavaScript features“開關(地址欄鍵入about:flags
),就可以使用這項功能。
”先行斷言“指的是,x
只有在y
前面才匹配,必須寫成/x(?=y)/
。比如,只匹配百分號之前的數字,要寫成/\d+(?=%)/
。”先行否定斷言“指的是,x
只有不在y
前面才匹配,必須寫成/x(?!y)/
。比如,只匹配不在百分號之前的數字,要寫成/\d+(?!%)/
。
/\d+(?=%)/.exec('100% of US presidents have been male') // ["100"]
/\d+(?!%)/.exec('that’s all 44 of them') // ["44"]
上面兩個字符串,如果互換正則表達式,就會匹配失敗。另外,還可以看到,”先行斷言“括號之中的部分((?=%)),是不計入返回結果的。
"后行斷言"正好與"先行斷言"相反,x只有在y后面才匹配,必須寫成/(?<=y)x/。比如,只匹配美元符號之后的數字,要寫成/(?<=$)\d+/?!焙笮蟹穸〝嘌浴皠t與”先行否定斷言“相反,x只有不在y后面才匹配,必須寫成/(?<!y)x/。比如,只匹配不在美元符號后面的數字,要寫成/(?<!$)\d+/。
/(?<=\$)\d+/.exec('Benjamin Franklin is on the $100 bill') // ["100"]
/(?<!\$)\d+/.exec('it’s is worth about €90') // ["90"]
上面的例子中,"后行斷言"的括號之中的部分((?<=$)),也是不計入返回結果。
Unicode屬性類
目前,有一個提案,引入了一種新的類的寫法\p{...}
和\P{...}
,允許正則表達式匹配符合Unicode某種屬性的所有字符。
const regexGreekSymbol = /\p{Script=Greek}/u;
regexGreekSymbol.test('π') // u
上面代碼中,\p{Script=Greek}指定匹配一個希臘文字母,所以匹配π成功。
Unicode屬性類要指定屬性名和屬性值。
\p{UnicodePropertyName=UnicodePropertyValue}
對于某些屬性,可以只寫屬性名。
\p{UnicodePropertyName}
\P{…}是\p{…}的反向匹配,即匹配不滿足條件的字符。
注意,這兩種類只對Unicode有效,所以使用的時候一定要加上u修飾符。如果不加u修飾符,正則表達式使用\p和\P會報錯,ECMAScript預留了這兩個類。