39.正则表达式（RegExp）

原文： http://exploringjs.com/impatient-js/ch_regular-expressions.html

39.正则表达式（RegExp） - 图1 功能的可用性

除非另有说明，否则 ES5 及更高版本支持所有正则表达式功能。

39.1。创建正则表达式

39.1.1。字面值与构造函数

创建正则表达式的两种主要方法是：

  • 字面值：/abc/ui，静态编译（在加载时）。
  • 构造函数：new RegExp('abc', 'ui')，动态编译（在运行时）
    • 第二个参数是可选的。

两个正则表达式都有相同的两个部分：

  • 体 abc - 实际正则表达式。
  • 标志 u和i。标志配置模式的解释方式：u打开 Unicode 模式 。 i启用不区分大小写的匹配。

39.1.2。克隆和非破坏性地修改正则表达式

构造函数RegExp()有两种变体：

  • new RegExp(pattern : string, flags = '')
    通过pattern指定创建新的正则表达式。如果缺少flags，则使用空字符串''。

  • new RegExp(regExp : RegExp, flags = regExp.flags) [ES6]
    regExp被克隆。如果提供了flags，则它确定副本的标志。

第二个变体可用于克隆正则表达式，可选择在修改它们时使用。标志是不可变的，这是改变它们的唯一方法。例如：

39.2。句法

39.2.1。语法字符

在正则表达式的顶层，以下 语法字符 是特殊的。它们通过前缀反斜杠（\）进行转义。

  1. \ ^ $ . * + ? ( ) [ ] { } |

在正则表达式字面值中，您还必须转义斜杠（new RegExp()不需要）：

39.2.2。基本原子

原子 是正则表达式的基本构建块。

  • 模式字符：除语法字符（^，$等）外的所有字符 。模式字符匹配自己。示例：A b %
  • .匹配任何字符。您可以使用标志/s（dotall）来控制点是否与行终止符匹配（在之下）。
  • 字符转义（每个转义匹配一个固定字符）：
    • 控制转义（对于一些控制字符）：
      • \f：换页（FF）
      • \n：换行（LF）
      • \r：回车（CR）
      • \t：角色列表
      • \v：行列表
    • 任意控制字​​符：\cA（Ctrl-A），\cB（Ctrl-B）等。
    • Unicode 代码单位：\u00E4
    • Unicode 代码点（需要标志/u）：\u{1F44D}
  • 字符类转义（每个转义匹配一组字符中的一个）：
    • \d：数字（与[0-9]相同）
      • \D：非数字
    • \w：“单词”字符（与[A-Za-z0-9_]相同）
      • \W：非单词字符
    • \s：空格（空格，制表符，行终止符等）
      • \S：非空白
    • Unicode 属性转义（ES2018）：\p{White_Space}，\P{White_Space}等。
      • 需要标志/u。
      • 在下一小节中描述。
39.2.2.1。 Unicode 属性转义

Unicode 属性转义看起来像这样：

  1. \p{prop=value}：匹配属性prop具有值value的所有字符。
  2. \P{prop=value}：匹配所有没有属性prop的字符，其值为value。
  3. \p{bin_prop}：匹配二进制属性bin_prop为 True 的所有字符。
  4. \P{bin_prop}：匹配二进制属性bin_prop为 False 的所有字符。

评论：

  • 如果设置了标志/u，则只能使用 Unicode 属性转义。没有/u，\p与p相同。

  • 如果属性是General_Category，则表格（3）和（4）可以用作缩写。例如，\p{Lowercase_Letter}是\p{General_Category=Lowercase_Letter}的缩写

例子：

  • 检查空格：

  • 检查希腊字母：

  • 删除任何字母：

  • 删除小写字母：

进一步阅读：

39.2.3。角色类

  • 匹配一组字符中的一个：[abc]

    • 匹配不在集合中的任何字符：[^abc]

  • 在方括号内，只有以下字符是特殊的，必须进行转义：

    1. ^ \ - ]

    ^只有先到时才需要进行转义。 -如果是第一个或最后一个，则无需转义

  • 字符转义（\n，\u{1F44D}）和字符类转义（\d，\p{White_Space}）照常工作。

    • 例外：在方括号内，\b匹配退格。在其他地方，它匹配单词边界。
  • 字符范围通过短划线指定：[a-z]，[^a-z]

39.2.4。组

  • 位置捕获组：(#+)
    • 反向引用：\1，\2等
  • 命名捕获组（ES2018）：(?<hashes>#+)
    • 反向引用：\k<hashes>
  • 非捕获组：(?:#+)

39.2.5。量词

默认情况下，以下所有量词都是贪心的：

  • ?：匹配从不或一次
  • *：匹配零次或多次
  • +：匹配一次或多次
  • {n}：匹配n次
  • {n,}：匹配n次或更多次
  • {n,m}：至少匹配n次，最多m次。

为了使他们不情愿，在他们后面加上问号（?）：

39.2.6。断言

  • ^仅在输入的开头匹配
  • $仅在输入结束时匹配
  • \b仅匹配单词边界
    • \B仅在不在单词边界时匹配

  • Lookahead:

    • 如果pattern匹配下一个（正向前搜），则(?=«pattern»)匹配。示例（“X后跟小写字母的序列” - 请注意X本身不是匹配的子字符串的一部分）：

    • 如果pattern与接下来的内容不匹配，则(?!«pattern»)匹配（负向前瞻）。示例（“小写字母的序列，后面没有X”）

    • 进一步阅读：“探索 ES2018 和 ES2019”中的“RegExp lookbehind 断言”（也涵盖了先行断言）

  • Lookbehind (ES2018):

39.2.7。断开（|）

警告：此运算符的优先级较低。必要时使用组：

  • ^aa|zz$匹配以aa开头和/或以zz结束的所有字符串。请注意，|的优先级低于^和$。
  • ^(aa|zz)$匹配两个字符串'aa'和'zz'。
  • ^a(a|z)z$匹配两个字符串'aaz'和'azz'。

39.3。标志

Table 20: These are the regular expression flags supported by JavaScript.

字面值标志 属性名称 ES 描述
g global ES3 匹配多次
i ignoreCase ES3 不区分大小写
m multiline ES3 每行^和$匹配
s dotall ES2018 Dot 匹配行终止符
u unicode ES6 Unicode 模式（推荐）
y sticky ES6 匹配之间没有字符

JavaScript 中提供了以下正则表达式标志（tbl。 20 提供了紧凑的概述）：

  • /g（.global）：从根本上改变方法RegExp.prototype.test()，RegExp.prototype.exec()和String.prototype.match()的工作方式。将与这些方法一起详细解释。简而言之：如果没有/g，方法只考虑输入字符串中正则表达式的第一个匹配项。使用/g，他们会考虑所有匹配。

  • /i（.ignoreCase）：打开不区分大小写的匹配：

  • /m（.multiline）：如果该标志打开，^匹配每一行的开头，$匹配每一行的结尾。如果它关闭，^匹配整个输入字符串的开头，$匹配整个输入字符串的结尾。

  • /u（.unicode）：该标志用于打开正则表达式的 Unicode 模式。该模式将在下一小节中解释。

  • /y（.sticky）：该标志仅与/g一起使用。当两者都打开时，第一个之后的任何匹配必须直接跟随前一个匹配（它们之间没有任何字符）。

  • /s（.dotall）：默认情况下，点与行终止符不匹配。有了这个标志，它确实：

    旧版 ECMAScript 版本的替代方案：

39.3.1。标志：通过/u的 Unicode 模式

标志/u为正则表达式打开特殊的 Unicode 模式。该模式支持多种功能：

  • 在模式中，您可以使用 Unicode 代码点转义（例如\u{1F42A}）来指定字符。诸如\u03B1之类的代码单元转义只有四个十六进制数字的范围（等于基本的多语言平面）。

  • 在模式中，您可以使用 Unicode 属性转义（ES2018），例如\p{White_Space}。

  • 现在禁止许多转义（这使得之前的功能成为可能）：

  • 匹配的原子单位（“字符”）是代码点，而不是代码单元。

以下小节将更详细地解释最后一项。它们使用以下 Unicode 字符来解释原子单位何时是代码点以及何时是代码单元：

我只在?和\uD83D\uDE42之间切换，以说明 JavaScript 如何看待事物。两者都是等价的，可以在字符串和正则表达式中互换使用。

39.3.1.1。结果：您可以将代码点放在字符类中

使用/u，?的两个代码单元被解释为单个字符：

没有/u，?被解释为两个字符：

请注意，^和$要求输入字符串具有单个字符。这就是为什么第一个结果是false。

39.3.1.2。结果：点运算符（.）匹配代码点，而不是代码单元

使用/u，点运算符匹配代码点（.match()加/g返回一个包含正则表达式的所有匹配项的数组）：

没有/u，点运算符匹配单个代码单元：

39.3.1.3。后果：量词适用于代码点，而不是代码单元

使用/u，量词适用于整个前面的代码点：

没有/u，量词仅适用于前面的代码单元：

39.4。正则表达式对象的属性

值得注意的是：

  • 严格地说，只有.lastIndex是一个真实的实例属性。所有其他属性都通过 getter 实现。
  • 因此，.lastIndex是唯一可变的属性。所有其他属性都是只读的。如果要更改它们，则需要复制正则表达式（有关详细信息，请参阅克隆部分）。

39.4.1。标志作为属性

每个正则表达式标志都作为属性存在，具有更长，更具描述性的名称：

这是标志属性的完整列表：

  • .dotall（/s）
  • .global（/g）
  • .ignoreCase（/i）
  • .multiline（/m）
  • .sticky（/y）
  • .unicode（/u）

39.4.2。其他财产

每个正则表达式还具有以下属性：

  • .source：正则表达式模式。

  • .flags：正则表达式的标志。

  • .lastIndex：当标志/g打开时使用。有关详细信息，请参阅关于该标志的部分。

39.5。使用正则表达式的方法

39.5.1。 regExp.test(str)：有匹配吗？

如果regExp与str匹配，则正则表达式方法.test()返回true：

使用.test()时，通常应避免使用/g标志。如果您使用它，每次调用方法时通常不会得到相同的结果：

结果是由于/a/在字符串中有两个匹配项。找到所有这些后，.test()返回false。

39.5.2。 str.search(regExp)：匹配的是什么指数？

字符串方法.search()返回regExp的第一个索引，其中regExp匹配：

39.5.3。 regExp.exec(str)：捕获组

39.5.3.1。获取第一场比赛的匹配对象

如果没有标志/g，.exec()将返回str中regExp的第一个匹配的所有捕获：

结果是 匹配对象 具有以下属性：

  • [0]：正则表达式匹配的完整子字符串
  • [1]：捕获位置组 1（等）
  • .index：匹配发生在哪里？
  • .input：匹配的字符串
  • .groups：命名组的捕获
39.5.3.2。命名组（ES2018）

前一个示例包含一个位置组。以下示例演示了命名组：

如您所见，命名组key和value也作为位置组存在。

39.5.3.3。循环多场比赛

如果要检索正则表达式的所有匹配（而不仅仅是第一个），则需要打开标志/g。然后你可以多次调用.exec()并每次获得另一场比赛。在最后一场比赛之后，.exec()返回null。

因此，您可以循环所有匹配，如下所示：

与/g共享正则表达式有一些陷阱，稍后会解释。

39.正则表达式（RegExp） - 图2 练习：通过.exec() 提取引用文本

exercises/reg-exp/extract_quoted_test.js

39.5.4。 str.match(regExp)：返回所有匹配的子串

没有/g，.match()就像.exec()一样 - 它返回一个匹配对象。

使用/g，.match()返回与regExp匹配的str的所有子串：

如果没有匹配，.match()返回null：

您可以使用 Or 运算符来保护自己免受null的影响：

39.5.5。 str.replace(searchValue, replacementValue)

.replace()有几种不同的模式，具体取决于您为其参数提供的值：

  • searchValue是……
    • 没有/g的正则表达式：替换第一次出现。
    • 带/g的正则表达式：替换所有出现的事件。
    • 字符串：替换第一次出现（字符串逐字解释，而不是正则表达式）。唉，这意味着字符串作为搜索值的用途有限。在本章的后面，你会发现是一个工具函数，用于将任意文本转换为正则表达式。
  • replacementValue是……
    • 字符串：描述替换
    • 功能：计算替换

下一小节假设正在使用带有/g的正则表达式。

39.5.5.1。 replacementValue是一个字符串

如果替换值是字符串，则美元符号具有特殊含义 - 它插入与正则表达式匹配的内容：

文本 结果
$$ 单$
$& 完全匹配
`$`` 比赛前的文字
$' 比赛后的文字
$n 捕获位置组n（n> 0）
$<name> 捕获命名组name

示例：在匹配的子字符串之前，之内和之后插入文本。

示例：插入位置组的捕获。

示例：插入命名组的捕获。

39.5.5.2。 replacementValue是一个功能

如果替换值是函数，则可以计算每个替换值。在下面的示例中，我们将我们找到的每个非负整数乘以 2。

替换函数获取以下参数。请注意它们与匹配对象的相似程度。这些参数都是位置的，但我已经包含了通常如何命名它们：

  • all：完全匹配
  • g1：捕获位置组 1
  • 等等。
  • index：匹配发生在哪里？
  • input：匹配的字符串
  • groups：命名组（对象）的捕获

39.正则表达式（RegExp） - 图3 练习：通过.replace()和命名组更改引号

exercises/reg-exp/change_quotes_test.js

39.5.6。使用正则表达式的其他方法

String.prototype.split()的第一个参数是字符串或正则表达式。如果是后者，则将组捕获的子串添加到方法的结果中：

有关更多信息，请参阅有关字符串的章节。

39.6。标志/g及其陷阱

如果打开/g，以下两个正则表达式方法会执行异常操作：

  • RegExp.prototype.exec()
  • RegExp.prototype.test()

然后可以重复调用它们并在字符串中传递所有匹配项。正则表达式的属性.lastIndex用于跟踪字符串中的当前位置。例如：

那么 flag /g怎么会有问题呢？我们将首先探讨问题然后解决问题。

39.6.1。问题：您无法使用标志/g内联正则表达式

无法内联带有/g的正则表达式：例如，在以下while循环中，每次检查条件时都会创建正则表达式。因此，它的.lastIndex始终为零，循环永远不会终止。

39.6.2。问题：删除/g可能会破坏代码

如果代码需要带有/g的正则表达式并且在.exec()或.test()的结果上有一个循环，那么没有/g的正则表达式会导致无限循环：

为什么？因为.test()总是返回第一个结果，true，而不是false。

39.6.3。问题：添加/g可能会破坏代码

使用.test()时，还有另一个警告：如果要检查正则表达式是否与字符串匹配，则正则表达式必须不具有/g。否则，每次调用.test()时，通常会得到不同的结果：

通常，如果您打算以这种方式使用.test()，则不会添加/g。但是，例如，如果您使用相同的正则表达式进行测试和替换，则会发生这种情况。或者，如果您通过参数获得正则表达式。

39.6.4。问题：如果.lastIndex不为零，代码可能会中断

创建正则表达式时，.lastIndex初始化为零。如果代码曾经收到.lastIndex不为零的正则表达式，它可能会中断。例如：

如果正则表达式被共享且未正确处理，则.lastIndex不为零可能相对容易发生。

39.6.5。处理/g和.lastIndex

请考虑以下情形：您想要实现一个函数countOccurrences(regExp, str)，它计算regExp在str内​​的匹配频率。你如何防止错误的regExp破坏你的代码？我们来看看三种方法。

首先，如果未设置/g或.lastIndex不为零，则可以抛出异常：

其次，您可以克隆参数。这具有额外的好处，即regExp不会改变。

第三，您可以使用.match()计算出现次数 - 这些次数不会改变或取决于.lastIndex。

39.7。使用正则表达式的技巧

39.7.1。转义正则表达式的任意文本

以下函数会转义任意文本，以便在将其放入正则表达式中时逐字匹配：

在 A 行中，我们转义所有语法字符。请注意，/u禁止许多逃逸：其中包括\:和\-。

这是您可以使用escapeForRegExp()多次替换任意文本的方法：

39.7.2。匹配一切或什么也没有

有时，您可能需要一个匹配所有内容的正则表达式。例如，作为标记值。

  • 匹配所有内容：/(?:)/（空组匹配所有内容;使其无法捕获，避免不必要的工作）

  • 什么都不匹配：/.^/（一旦匹配进展超出第一个字符，^就不再匹配了）