ES6正則表達式擴展

前面的話

　　正則表達式是javascript操做字符串的一個重要組成部分，但在以往的版本中並未有太多改變。然而，在ES6中，隨着字符串操做的變動， ES6也對正則表達式進行了一些更新。本文將詳細介紹ES6正則表達式擴展

 

構造函數

　　在 ES5 中，RegExp構造函數的參數有兩種狀況。

　　第一種狀況是，參數是字符串，這時第二個參數表示正則表達式的修飾符（flag）

var regex = new RegExp('xyz', 'i');
// 等價於
var regex = /xyz/i;

　　第二種狀況是，參數是一個正則表示式，這時會返回一個原有正則表達式的拷貝

var regex = new RegExp(/xyz/i);
// 等價於
var regex = /xyz/i;

　　可是，ES5 不容許此時使用第二個參數添加修飾符，不然會報錯

// Uncaught TypeError: Cannot supply flags when constructing one RegExp from another
var regex = new RegExp(/xyz/, 'i');

　　ES6 改變了這種行爲。若是RegExp構造函數第一個參數是一個正則對象，那麼能夠使用第二個參數指定修飾符。並且，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

console.log(new RegExp(/abc/ig, 'i').flags);//i

　　上面代碼中，原有正則對象的修飾符是ig，它會被第二個參數i覆蓋

【flags】

　　ES6 爲正則表達式新增了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'

 

正則方法

　　字符串對象共有4個方法，能夠使用正則表達式：match()、replace()、search()和split()

　　ES6 將這4個方法，在語言內部所有調用RegExp的實例方法，從而作到全部與正則相關的方法，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

　　正則表達式能夠完成簡單的字符串操做，但默認將字符串中的每個字符按照16位編碼處理。爲了解決這個問題， ES6 對正則表達式添加了u修飾符，含義爲「Unicode模式」，用來正確處理大於\uFFFF的 Unicode 字符。也就是說，會正確處理四個字節的 UTF-16 編碼

/^\uD83D/u.test('\uD83D\uDC2A') // false
/^\uD83D/.test('\uD83D\uDC2A') // true

　　一旦爲正則表達式設置了 u 修飾符，正則表達式將會識別32位的輔助平面字符爲1個字符，而不是兩個

【點號】

　　點（.）字符在正則表達式中，含義是除了換行符之外的任意單個字符。對於碼位大於0xFFFF的 Unicode 字符，點字符不能識別，必須加上u修飾符

var text = "𠮷" ;
console.log(text.length); // 2
console.log(/^.$/.test(text));//false
console.log(/^.$/u.test(text)); //true

【大括號】

　　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，才能識別當中的大括號，不然會被解讀爲量詞

/\u{61}/.test('a') // false
/\u{61}/u.test('a') // true
/\u{20BB7}/u.test('𠮷') // true

【量詞】

　　使用u修飾符後，全部量詞都會正確識別碼點大於0xFFFF的 Unicode 字符

/a{2}/.test('aa') // true
/a{2}/u.test('aa') // true
/𠮷{2}/.test('𠮷𠮷') // false
/𠮷{2}/u.test('𠮷𠮷') // true

【預約義模式】

　　u修飾符也影響到預約義模式，可否正確識別碼點大於0xFFFF的 Unicode 字符

/^\S$/.test('𠮷') // false
/^\S$/u.test('𠮷') // true

【字符串長度】

　　上面代碼的\S是預約義模式，匹配全部不是空格的字符。只有加了u修飾符，它才能正確匹配碼點大於0xFFFF的 Unicode 字符

　　雖然ES6不支持字符串碼位數量的檢測，length屬性仍然返回字符串編碼單元的數量。利用[\s\S]，再加上u修飾符，就能夠寫出一個正確返回字符串長度的函數

function codePointLength(text) {
  var result = text.match(/[\s\S]/gu);
  return result ? result.length : 0;
}

var s = '𠮷𠮷';

console.log(s.length); // 4
console.log(codePointLength(s)); // 2

【檢測支持】

　　u修飾符是語法層面的變動，嘗試在不兼容 ES6 的 JS 引擎中使用它會拋出語法錯誤。若是要檢測當前引擎是否支持u修飾符，最安全的方式是經過如下函數來判斷

function hasRegExpU() {
    try {
        var pattern = new RegExp(".", "u");
        return true;
    } catch (ex) {
        return false;
    }
}

　　這個函數使用了RegExp構造函數並傳入字符串'u'做爲參數，該語法即便在舊版 JS 引擎中也是有效的。可是，若是當前引擎不支持u修飾符則會拋出錯誤

 

y修飾符

　　除了u修飾符，ES6 還爲正則表達式添加了y修飾符，叫作「粘連」（sticky）修飾符

　　y修飾符的做用與g修飾符相似，也是全局匹配，後一次匹配都從上一次匹配成功的下一個位置開始。不一樣之處在於，g修飾符只要剩餘位置中存在匹配就可，而y修飾符確保匹配必須從剩餘的第一個位置開始，這也就是「粘連」的涵義

【全局匹配】

　　y修飾符的設計本意，就是讓頭部匹配的標誌^在全局匹配中都有效

var s = 'aaa_aa_a';
var r1 = /a+/g;
var r2 = /a+/y;

console.log(r1.exec(s)); // ["aaa"]
console.log(r2.exec(s)); // ["aaa"]

console.log(r1.exec(s)); // ["aa"]
console.log(r2.exec(s)); // null

　　上面代碼有兩個正則表達式，一個使用g修飾符，另外一個使用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，二者行爲相同，剩餘字符串都是_aa_a。因爲g修飾沒有位置要求，因此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，因此返回null。

　　若是改一下正則表達式，保證每次都能頭部匹配，y修飾符就會返回結果了

var s = 'aaa_aa_a';
var r = /a+_/y;

console.log(r.exec(s)); // ["aaa_"]
console.log(r.exec(s)); // ["aa_"]

　　上面代碼每次匹配，都是從剩餘字符串的頭部開始

【非全局匹配】

　　單單一個y修飾符使用match方法，只能返回第一個匹配，必須與g修飾符聯用，才能返回全部匹配

'a1a2a3'.match(/a\d/y) // ["a1"]
'a1a2a3'.match(/a\d/gy) // ["a1", "a2", "a3"]

　　[注意]y修飾符只有在調用 exec()和test()這兩個正則匹配方法時，纔會進行全局匹配；若是調用match()、replace()等字符串的方法時，不會進行全局匹配

【stiky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

【應用】

　　y修飾符的一個應用，是從字符串提取 token（詞元），y修飾符確保了匹配之間不會有漏掉的字符

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;
}

　　上面代碼中，若是字符串裏面沒有非法字符，y修飾符與g修飾符的提取結果是同樣的。可是，一旦出現非法字符，二者的行爲就不同了

tokenize(TOKEN_Y, '3x + 4')
// [ '3' ]
tokenize(TOKEN_G, '3x + 4')
// [ '3', '+', '4' ]

　　上面代碼中，g修飾符會忽略非法字符，而y修飾符不會，這樣就很容易發現錯誤

【檢測支持】

　　y修飾符與u修飾符相似，它也是一個語法層面的變動，嘗試在不兼容 ES6 的 JS 引擎中使用它會拋出語法錯誤。若是要檢測當前引擎是否支持y修飾符，能夠經過如下函數來檢測

function hasRegExpY() {
    try {
        var pattern = new RegExp(".", "y");
        return true;
    } catch (ex) {
        return false;
    }
}

　　這個函數使用了RegExp構造函數並傳入字符串'y'做爲參數，該語法即便在舊版 JS 引擎中也是有效的。可是，若是當前引擎不支持y修飾符則會拋出錯誤

　

逆序環視

　　JavaScript 語言的正則表達式，只支持先行斷言（lookahead）和先行否認斷言（negative lookahead），不支持後行斷言（lookbehind）和後行否認斷言（negative lookbehind）。ES2018 引入逆序環視，也稱爲後行斷言，V8 引擎 4.9 版（Chrome 62）已經支持

　　先行斷言指的是，x只有在y前面才匹配，必須寫成/x(?=y)/。好比，只匹配百分號以前的數字，要寫成/\d+(?=%)/。」先行否認斷言「指的是，x只有不在y前面才匹配，必須寫成/x(?!y)/。好比，只匹配不在百分號以前的數字，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，若是互換正則表達式，就不會獲得相同結果。另外，還能夠看到，」先行斷言「括號之中的部分（(?=%)），是不計入返回結果的。

　　「後行斷言」正好與「先行斷言」相反，x只有在y後面才匹配，必須寫成/(?<=y)x/。好比，只匹配美圓符號以後的數字，要寫成/(?<=\$)\d+/。」後行否認斷言「則與」先行否認斷言「相反，x只有不在y後面才匹配，必須寫成/(?<!y)x/。好比，只匹配不在美圓符號後面的數字，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，「後行斷言」的括號之中的部分（(?<=\$)），也是不計入返回結果