RegExp 构造函数
var regex = new RegExp('xyz', 'i'); // 等价于 var regex = /xyz/i;
1.在 ES5 中,RegExp
构造函数的参数有两种情况。
第一种情况是,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;
2.第二种情况是,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'); // Uncaught TypeError: Cannot supply flags when constructing one RegExp from another
3.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。
new RegExp(/abc/ig, 'i').flags // "i"
4.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。
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
1.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()
。
2.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
/^\uD83D/u.test('\uD83D\uDC2A') // false /^\uD83D/.test('\uD83D\uDC2A') // true
1.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。
上面代码中,\uD83D\uDC2A
是一个四个字节的 UTF-16 编码,代表一个字符。
但是,ES5 不支持四个字节的 UTF-16 编码,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
。
一旦加上u
修饰符号,就会修改下面这些正则表达式的行为。
(1)点字符
1.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。
var s = '𠮷'; /^.$/.test(s) // false /^.$/u.test(s) // true
2.上面代码表示,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。
(2)Unicode 字符表示法
1.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。
/\u{61}/.test('a') // false /\u{61}/u.test('a') // true /\u{20BB7}/u.test('𠮷') // true
2.上面代码表示,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
/a{2}/.test('aa') // true /a{2}/u.test('aa') // true /𠮷{2}/.test('𠮷𠮷') // false /𠮷{2}/u.test('𠮷𠮷') // true
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
/^\S$/.test('𠮷') // false /^\S$/u.test('𠮷') // true
1.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。
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。
function codePointLength(text) { var result = text.match(/[\s\S]/gu); return result ? result.length : 0; } var s = '𠮷𠮷'; s.length // 4 codePointLength(s) // 2
2.利用这一点,可以写出一个正确返回字符串长度的函数。
RegExp.prototype.unicode 属性
const r1 = /hello/; const r2 = /hello/u; r1.unicode // false r2.unicode // true
1.正则实例对象新增unicode
属性,表示是否设置了u
修饰符。
上面代码中,正则表达式是否设置了u
修饰符,可以从unicode
属性看出来。
y修饰符
1.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。
2.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。
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
3.上面代码有两个正则表达式,一个使用g
修饰符,另一个使用y
修饰符。
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
。
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
。
var s = 'aaa_aa_a'; var r = /a+_/y; r.exec(s) // ["aaa_"] r.exec(s) // ["aa_"]
4.如果改一下正则表达式,保证每次都能头部匹配,y
修饰符就会返回结果了。
上面代码每次匹配,都是从剩余字符串的头部开始。
const REGEX = /a/g; // 指定从2号位置(y)开始匹配 REGEX.lastIndex = 2; // 匹配成功 const match = REGEX.exec('xaya'); // 在3号位置匹配成功 match.index // 3 // 下一次匹配从4号位开始 REGEX.lastIndex // 4 // 4号位开始匹配失败 REGEX.exec('xaya') // null
5.使用lastIndex
属性,可以更好地说明y
修饰符。
上面代码中,lastIndex
属性指定每次搜索的开始位置,g
修饰符从这个位置开始向后搜索,直到发现匹配为止。
const REGEX = /a/y; // 指定从2号位置开始匹配 REGEX.lastIndex = 2; // 不是粘连,匹配失败 REGEX.exec('xaya') // null // 指定从3号位置开始匹配 REGEX.lastIndex = 3; // 3号位置是粘连,匹配成功 const match = REGEX.exec('xaya'); match.index // 3 REGEX.lastIndex // 4
6.y
修饰符同样遵守lastIndex
属性,但是要求必须在lastIndex
指定的位置发现匹配。
/b/y.exec('aba') // null
7.实际上,y
修饰符号隐含了头部匹配的标志^
。
上面代码由于不能保证头部匹配,所以返回null
。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。
const REGEX = /a/gy; 'aaxa'.replace(REGEX, '-') // '--xa'
8.下面是字符串对象的replace
方法的例子。
上面代码中,最后一个a
因为不是出现在下一次匹配的头部,所以不会被替换。
'a1a2a3'.match(/a\d/y) // ["a1"] 'a1a2a3'.match(/a\d/gy) // ["a1", "a2", "a3"]
9.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。
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; }
10.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。
上面代码中,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' ]
11.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
var r = /hello\d/y; r.sticky // true
1.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
// 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'
1.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。
s修饰符:dotAll 模式
1.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)。
2.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)
/foo.bar/.test('foo\nbar') // false
3.上面代码中,因为.
不匹配\n
,所以正则表达式返回false
。
/foo[^]bar/.test('foo\nbar') // true
4.但是,很多时候我们希望匹配的是任意单个字符,这时有一种变通的写法。
/foo.bar/s.test('foo\nbar') // true
5.这种解决方案毕竟不太符合直觉,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。
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'
6./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