mirror of
https://github.com/ruanyf/es6tutorial.git
synced 2025-05-24 18:32:22 +00:00
715 lines
25 KiB
Markdown
715 lines
25 KiB
Markdown
# 正则的扩展
|
||
|
||
## RegExp 构造函数
|
||
|
||
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）。
|
||
|
||
```javascript
|
||
var regex = new RegExp('xyz', 'i');
|
||
// 等价于
|
||
var regex = /xyz/i;
|
||
```
|
||
|
||
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。
|
||
|
||
```javascript
|
||
var regex = new RegExp(/xyz/i);
|
||
// 等价于
|
||
var regex = /xyz/i;
|
||
```
|
||
|
||
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。
|
||
|
||
```javascript
|
||
var regex = new RegExp(/xyz/, 'i');
|
||
// Uncaught TypeError: Cannot supply flags when constructing one RegExp from another
|
||
```
|
||
|
||
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。
|
||
|
||
```javascript
|
||
new RegExp(/abc/ig, 'i').flags
|
||
// "i"
|
||
```
|
||
|
||
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
|
||
|
||
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()`。
|
||
|
||
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
|
||
|
||
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。
|
||
|
||
```javascript
|
||
/^\uD83D/u.test('\uD83D\uDC2A') // false
|
||
/^\uD83D/.test('\uD83D\uDC2A') // true
|
||
```
|
||
|
||
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**
|
||
|
||
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。
|
||
|
||
```javascript
|
||
var s = '𠮷';
|
||
|
||
/^.$/.test(s) // false
|
||
/^.$/u.test(s) // true
|
||
```
|
||
|
||
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**
|
||
|
||
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。
|
||
|
||
```javascript
|
||
/\u{61}/.test('a') // false
|
||
/\u{61}/u.test('a') // true
|
||
/\u{20BB7}/u.test('𠮷') // true
|
||
```
|
||
|
||
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**
|
||
|
||
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。
|
||
|
||
```javascript
|
||
/a{2}/.test('aa') // true
|
||
/a{2}/u.test('aa') // true
|
||
/𠮷{2}/.test('𠮷𠮷') // false
|
||
/𠮷{2}/u.test('𠮷𠮷') // true
|
||
```
|
||
|
||
**（4）预定义模式**
|
||
|
||
`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。
|
||
|
||
```javascript
|
||
/^\S$/.test('𠮷') // false
|
||
/^\S$/u.test('𠮷') // true
|
||
```
|
||
|
||
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。
|
||
|
||
```javascript
|
||
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
|
||
```
|
||
|
||
**（5）i 修饰符**
|
||
|
||
有些 Unicode 字符的编码不同，但是字型很相近，比如，`\u004B`与`\u212A`都是大写的`K`。
|
||
|
||
```javascript
|
||
/[a-z]/i.test('\u212A') // false
|
||
/[a-z]/iu.test('\u212A') // true
|
||
```
|
||
|
||
上面代码中，不加`u`修饰符，就无法识别非规范的`K`字符。
|
||
|
||
**（6）转义**
|
||
|
||
没有`u`修饰符的情况下，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。
|
||
|
||
```javascript
|
||
/\,/ // /\,/
|
||
/\,/u // 报错
|
||
```
|
||
|
||
上面代码中，没有`u`修饰符时，逗号前面的反斜杠是无效的，加了`u`修饰符就报错。
|
||
|
||
## RegExp.prototype.unicode 属性
|
||
|
||
正则实例对象新增`unicode`属性，表示是否设置了`u`修饰符。
|
||
|
||
```javascript
|
||
const r1 = /hello/;
|
||
const r2 = /hello/u;
|
||
|
||
r1.unicode // false
|
||
r2.unicode // true
|
||
```
|
||
|
||
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
|
||
|
||
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。
|
||
|
||
`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。
|
||
|
||
```javascript
|
||
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`。
|
||
|
||
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。
|
||
|
||
```javascript
|
||
var s = 'aaa_aa_a';
|
||
var r = /a+_/y;
|
||
|
||
r.exec(s) // ["aaa_"]
|
||
r.exec(s) // ["aa_"]
|
||
```
|
||
|
||
上面代码每次匹配，都是从剩余字符串的头部开始。
|
||
|
||
使用`lastIndex`属性，可以更好地说明`y`修饰符。
|
||
|
||
```javascript
|
||
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
|
||
```
|
||
|
||
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。
|
||
|
||
`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。
|
||
|
||
```javascript
|
||
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
|
||
```
|
||
|
||
实际上，`y`修饰符号隐含了头部匹配的标志`^`。
|
||
|
||
```javascript
|
||
/b/y.exec('aba')
|
||
// null
|
||
```
|
||
|
||
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。
|
||
|
||
下面是字符串对象的`replace`方法的例子。
|
||
|
||
```javascript
|
||
const REGEX = /a/gy;
|
||
'aaxa'.replace(REGEX, '-') // '--xa'
|
||
```
|
||
|
||
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。
|
||
|
||
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。
|
||
|
||
```javascript
|
||
'a1a2a3'.match(/a\d/y) // ["a1"]
|
||
'a1a2a3'.match(/a\d/gy) // ["a1", "a2", "a3"]
|
||
```
|
||
|
||
`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。
|
||
|
||
```javascript
|
||
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。
|
||
|
||
```javascript
|
||
tokenize(TOKEN_Y, '3x + 4')
|
||
// [ '3' ]
|
||
tokenize(TOKEN_G, '3x + 4')
|
||
// [ '3', '+', '4' ]
|
||
```
|
||
|
||
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
|
||
|
||
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。
|
||
|
||
```javascript
|
||
var r = /hello\d/y;
|
||
r.sticky // true
|
||
```
|
||
|
||
## RegExp.prototype.flags 属性
|
||
|
||
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。
|
||
|
||
```javascript
|
||
// 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'
|
||
```
|
||
|
||
## s 修饰符：dotAll 模式
|
||
|
||
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）。
|
||
|
||
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）
|
||
|
||
```javascript
|
||
/foo.bar/.test('foo\nbar')
|
||
// false
|
||
```
|
||
|
||
上面代码中，因为`.`不匹配`\n`，所以正则表达式返回`false`。
|
||
|
||
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。
|
||
|
||
```javascript
|
||
/foo[^]bar/.test('foo\nbar')
|
||
// true
|
||
```
|
||
|
||
这种解决方案毕竟不太符合直觉，ES2018 [引入](https://github.com/tc39/proposal-regexp-dotall-flag)`s`修饰符，使得`.`可以匹配任意单个字符。
|
||
|
||
```javascript
|
||
/foo.bar/s.test('foo\nbar') // true
|
||
```
|
||
|
||
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。
|
||
|
||
```javascript
|
||
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'
|
||
```
|
||
|
||
`/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
|
||
|
||
JavaScript 语言的正则表达式，只支持先行断言（lookahead）和先行否定断言（negative lookahead），不支持后行断言（lookbehind）和后行否定断言（negative lookbehind）。ES2018 引入[后行断言](https://github.com/tc39/proposal-regexp-lookbehind)，V8 引擎 4.9 版（Chrome 62）已经支持。
|
||
|
||
“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+(?!%)/`。
|
||
|
||
```javascript
|
||
/\d+(?=%)/.exec('100% of US presidents have been male') // ["100"]
|
||
/\d+(?!%)/.exec('that’s all 44 of them') // ["44"]
|
||
```
|
||
|
||
上面两个字符串，如果互换正则表达式，就不会得到相同结果。另外，还可以看到，“先行断言”括号之中的部分（`(?=%)`），是不计入返回结果的。
|
||
|
||
“后行断言”正好与“先行断言”相反，`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+/`。“后行否定断言”则与“先行否定断言”相反，`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+/`。
|
||
|
||
```javascript
|
||
/(?<=\$)\d+/.exec('Benjamin Franklin is on the $100 bill') // ["100"]
|
||
/(?<!\$)\d+/.exec('it’s is worth about €90') // ["90"]
|
||
```
|
||
|
||
上面的例子中，“后行断言”的括号之中的部分（`(?<=\$)`），也是不计入返回结果。
|
||
|
||
下面的例子是使用后行断言进行字符串替换。
|
||
|
||
```javascript
|
||
const RE_DOLLAR_PREFIX = /(?<=\$)foo/g;
|
||
'$foo %foo foo'.replace(RE_DOLLAR_PREFIX, 'bar');
|
||
// '$bar %foo foo'
|
||
```
|
||
|
||
上面代码中，只有在美元符号后面的`foo`才会被替换。
|
||
|
||
“后行断言”的实现，需要先匹配`/(?<=y)x/`的`x`，然后再回到左边，匹配`y`的部分。这种“先右后左”的执行顺序，与所有其他正则操作相反，导致了一些不符合预期的行为。
|
||
|
||
首先，后行断言的组匹配，与正常情况下结果是不一样的。
|
||
|
||
```javascript
|
||
/(?<=(\d+)(\d+))$/.exec('1053') // ["", "1", "053"]
|
||
/^(\d+)(\d+)$/.exec('1053') // ["1053", "105", "3"]
|
||
```
|
||
|
||
上面代码中，需要捕捉两个组匹配。没有“后行断言”时，第一个括号是贪婪模式，第二个括号只能捕获一个字符，所以结果是`105`和`3`。而“后行断言”时，由于执行顺序是从右到左，第二个括号是贪婪模式，第一个括号只能捕获一个字符，所以结果是`1`和`053`。
|
||
|
||
其次，“后行断言”的反斜杠引用，也与通常的顺序相反，必须放在对应的那个括号之前。
|
||
|
||
```javascript
|
||
/(?<=(o)d\1)r/.exec('hodor') // null
|
||
/(?<=\1d(o))r/.exec('hodor') // ["r", "o"]
|
||
```
|
||
|
||
上面代码中，如果后行断言的反斜杠引用（`\1`）放在括号的后面，就不会得到匹配结果，必须放在前面才可以。因为后行断言是先从左到右扫描，发现匹配以后再回过头，从右到左完成反斜杠引用。
|
||
|
||
## Unicode 属性类
|
||
|
||
ES2018 [引入](https://github.com/tc39/proposal-regexp-unicode-property-escapes)了一种新的类的写法`\p{...}`和`\P{...}`，允许正则表达式匹配符合 Unicode 某种属性的所有字符。
|
||
|
||
```javascript
|
||
const regexGreekSymbol = /\p{Script=Greek}/u;
|
||
regexGreekSymbol.test('π') // true
|
||
```
|
||
|
||
上面代码中，`\p{Script=Greek}`指定匹配一个希腊文字母，所以匹配`π`成功。
|
||
|
||
Unicode 属性类要指定属性名和属性值。
|
||
|
||
```javascript
|
||
\p{UnicodePropertyName=UnicodePropertyValue}
|
||
```
|
||
|
||
对于某些属性，可以只写属性名，或者只写属性值。
|
||
|
||
```javascript
|
||
\p{UnicodePropertyName}
|
||
\p{UnicodePropertyValue}
|
||
```
|
||
|
||
`\P{…}`是`\p{…}`的反向匹配，即匹配不满足条件的字符。
|
||
|
||
注意，这两种类只对 Unicode 有效，所以使用的时候一定要加上`u`修饰符。如果不加`u`修饰符，正则表达式使用`\p`和`\P`会报错，ECMAScript 预留了这两个类。
|
||
|
||
由于 Unicode 的各种属性非常多，所以这种新的类的表达能力非常强。
|
||
|
||
```javascript
|
||
const regex = /^\p{Decimal_Number}+$/u;
|
||
regex.test('𝟏𝟐𝟑𝟜𝟝𝟞𝟩𝟪𝟫𝟬𝟭𝟮𝟯𝟺𝟻𝟼') // true
|
||
```
|
||
|
||
上面代码中，属性类指定匹配所有十进制字符，可以看到各种字型的十进制字符都会匹配成功。
|
||
|
||
`\p{Number}`甚至能匹配罗马数字。
|
||
|
||
```javascript
|
||
// 匹配所有数字
|
||
const regex = /^\p{Number}+$/u;
|
||
regex.test('²³¹¼½¾') // true
|
||
regex.test('㉛㉜㉝') // true
|
||
regex.test('ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩⅪⅫ') // true
|
||
```
|
||
|
||
下面是其他一些例子。
|
||
|
||
```javascript
|
||
// 匹配所有空格
|
||
\p{White_Space}
|
||
|
||
// 匹配各种文字的所有字母，等同于 Unicode 版的 \w
|
||
[\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]
|
||
|
||
// 匹配各种文字的所有非字母的字符，等同于 Unicode 版的 \W
|
||
[^\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]
|
||
|
||
// 匹配 Emoji
|
||
/\p{Emoji_Modifier_Base}\p{Emoji_Modifier}?|\p{Emoji_Presentation}|\p{Emoji}\uFE0F/gu
|
||
|
||
// 匹配所有的箭头字符
|
||
const regexArrows = /^\p{Block=Arrows}+$/u;
|
||
regexArrows.test('←↑→↓↔↕↖↗↘↙⇏⇐⇑⇒⇓⇔⇕⇖⇗⇘⇙⇧⇩') // true
|
||
```
|
||
|
||
## 具名组匹配
|
||
|
||
### 简介
|
||
|
||
正则表达式使用圆括号进行组匹配。
|
||
|
||
```javascript
|
||
const RE_DATE = /(\d{4})-(\d{2})-(\d{2})/;
|
||
```
|
||
|
||
上面代码中，正则表达式里面有三组圆括号。使用`exec`方法，就可以将这三组匹配结果提取出来。
|
||
|
||
```javascript
|
||
const RE_DATE = /(\d{4})-(\d{2})-(\d{2})/;
|
||
|
||
const matchObj = RE_DATE.exec('1999-12-31');
|
||
const year = matchObj[1]; // 1999
|
||
const month = matchObj[2]; // 12
|
||
const day = matchObj[3]; // 31
|
||
```
|
||
|
||
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（比如`matchObj[1]`）引用，要是组的顺序变了，引用的时候就必须修改序号。
|
||
|
||
ES2018 引入了[具名组匹配](https://github.com/tc39/proposal-regexp-named-groups)（Named Capture Groups），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。
|
||
|
||
```javascript
|
||
const RE_DATE = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/;
|
||
|
||
const matchObj = RE_DATE.exec('1999-12-31');
|
||
const year = matchObj.groups.year; // 1999
|
||
const month = matchObj.groups.month; // 12
|
||
const day = matchObj.groups.day; // 31
|
||
```
|
||
|
||
上面代码中，“具名组匹配”在圆括号内部，模式的头部添加“问号 + 尖括号 + 组名”（`?<year>`），然后就可以在`exec`方法返回结果的`groups`属性上引用该组名。同时，数字序号（`matchObj[1]`）依然有效。
|
||
|
||
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`。
|
||
|
||
```javascript
|
||
const RE_OPT_A = /^(?<as>a+)?$/;
|
||
const matchObj = RE_OPT_A.exec('');
|
||
|
||
matchObj.groups.as // undefined
|
||
'as' in matchObj.groups // true
|
||
```
|
||
|
||
上面代码中，具名组`as`没有找到匹配，那么`matchObj.groups.as`属性值就是`undefined`，并且`as`这个键名在`groups`是始终存在的。
|
||
|
||
### 解构赋值和替换
|
||
|
||
有了具名组匹配以后，可以使用解构赋值直接从匹配结果上为变量赋值。
|
||
|
||
```javascript
|
||
let {groups: {one, two}} = /^(?<one>.*):(?<two>.*)$/u.exec('foo:bar');
|
||
one // foo
|
||
two // bar
|
||
```
|
||
|
||
字符串替换时，使用`$<组名>`引用具名组。
|
||
|
||
```javascript
|
||
let re = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/u;
|
||
|
||
'2015-01-02'.replace(re, '$<day>/$<month>/$<year>')
|
||
// '02/01/2015'
|
||
```
|
||
|
||
上面代码中，`replace`方法的第二个参数是一个字符串，而不是正则表达式。
|
||
|
||
`replace`方法的第二个参数也可以是函数，该函数的参数序列如下。
|
||
|
||
```javascript
|
||
'2015-01-02'.replace(re, (
|
||
matched, // 整个匹配结果 2015-01-02
|
||
capture1, // 第一个组匹配 2015
|
||
capture2, // 第二个组匹配 01
|
||
capture3, // 第三个组匹配 02
|
||
position, // 匹配开始的位置 0
|
||
S, // 原字符串 2015-01-02
|
||
groups // 具名组构成的一个对象 {year, month, day}
|
||
) => {
|
||
let {day, month, year} = groups;
|
||
return `${day}/${month}/${year}`;
|
||
});
|
||
```
|
||
|
||
具名组匹配在原来的基础上，新增了最后一个函数参数：具名组构成的一个对象。函数内部可以直接对这个对象进行解构赋值。
|
||
|
||
### 引用
|
||
|
||
如果要在正则表达式内部引用某个“具名组匹配”，可以使用`\k<组名>`的写法。
|
||
|
||
```javascript
|
||
const RE_TWICE = /^(?<word>[a-z]+)!\k<word>$/;
|
||
RE_TWICE.test('abc!abc') // true
|
||
RE_TWICE.test('abc!ab') // false
|
||
```
|
||
|
||
数字引用（`\1`）依然有效。
|
||
|
||
```javascript
|
||
const RE_TWICE = /^(?<word>[a-z]+)!\1$/;
|
||
RE_TWICE.test('abc!abc') // true
|
||
RE_TWICE.test('abc!ab') // false
|
||
```
|
||
|
||
这两种引用语法还可以同时使用。
|
||
|
||
```javascript
|
||
const RE_TWICE = /^(?<word>[a-z]+)!\k<word>!\1$/;
|
||
RE_TWICE.test('abc!abc!abc') // true
|
||
RE_TWICE.test('abc!abc!ab') // false
|
||
```
|
||
|
||
## 正则匹配索引
|
||
|
||
正则匹配结果的开始位置和结束位置，目前获取并不是很方便。正则实例的`exec()`方法，返回结果有一个`index`属性，可以获取整个匹配结果的开始位置，但是如果包含组匹配，每个组匹配的开始位置，很难拿到。
|
||
|
||
现在有一个[第三阶段提案](https://github.com/tc39/proposal-regexp-match-Indices)，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。
|
||
|
||
```javascript
|
||
const text = 'zabbcdef';
|
||
const re = /ab/;
|
||
const result = re.exec(text);
|
||
|
||
result.index // 1
|
||
result.indices // [ [1, 3] ]
|
||
```
|
||
|
||
上面例子中，`exec()`方法的返回结果`result`，它的`index`属性是整个匹配结果（`ab`）的开始位置，而它的`indices`属性是一个数组，成员是每个匹配的开始位置和结束位置的数组。由于该例子的正则表达式没有组匹配，所以`indices`数组只有一个成员，表示整个匹配的开始位置是`1`，结束位置是`3`。
|
||
|
||
注意，开始位置包含在匹配结果之中，但是结束位置不包含在匹配结果之中。比如，匹配结果为`ab`，分别是原始字符串的第1位和第2位，那么结束位置就是第3位。
|
||
|
||
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。
|
||
|
||
```javascript
|
||
const text = 'zabbcdef';
|
||
const re = /ab+(cd)/;
|
||
const result = re.exec(text);
|
||
|
||
result.indices // [ [ 1, 6 ], [ 4, 6 ] ]
|
||
```
|
||
|
||
上面例子中，正则表达式包含一个组匹配，那么`indices`属性数组就有两个成员，第一个成员是整个匹配结果（`abbcd`）的开始位置和结束位置，第二个成员是组匹配（`cd`）的开始位置和结束位置。
|
||
|
||
下面是多个组匹配的例子。
|
||
|
||
```javascript
|
||
const text = 'zabbcdef';
|
||
const re = /ab+(cd(ef))/;
|
||
const result = re.exec(text);
|
||
|
||
result.indices // [ [1, 8], [4, 8], [6, 8] ]
|
||
```
|
||
|
||
上面例子中，正则表达式包含两个组匹配，所以`indices`属性数组就有三个成员。
|
||
|
||
如果正则表达式包含具名组匹配，`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。
|
||
|
||
```javascript
|
||
const text = 'zabbcdef';
|
||
const re = /ab+(?<Z>cd)/;
|
||
const result = re.exec(text);
|
||
|
||
result.indices.groups // { Z: [ 4, 6 ] }
|
||
```
|
||
|
||
上面例子中，`exec()`方法返回结果的`indices.groups`属性是一个对象，提供具名组匹配`Z`的开始位置和结束位置。
|
||
|
||
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`。
|
||
|
||
```javascript
|
||
const text = 'zabbcdef';
|
||
const re = /ab+(?<Z>ce)?/;
|
||
const result = re.exec(text);
|
||
|
||
result.indices[1] // undefined
|
||
result.indices.groups['Z'] // undefined
|
||
```
|
||
|
||
上面例子中，由于组匹配不成功，所以`indices`属性数组和`indices.groups`属性对象对应的组匹配成员都是`undefined`。
|
||
|
||
## String.prototype.matchAll()
|
||
|
||
如果一个正则表达式在字符串里面有多个匹配，现在一般使用`g`修饰符或`y`修饰符，在循环里面逐一取出。
|
||
|
||
```javascript
|
||
var regex = /t(e)(st(\d?))/g;
|
||
var string = 'test1test2test3';
|
||
|
||
var matches = [];
|
||
var match;
|
||
while (match = regex.exec(string)) {
|
||
matches.push(match);
|
||
}
|
||
|
||
matches
|
||
// [
|
||
// ["test1", "e", "st1", "1", index: 0, input: "test1test2test3"],
|
||
// ["test2", "e", "st2", "2", index: 5, input: "test1test2test3"],
|
||
// ["test3", "e", "st3", "3", index: 10, input: "test1test2test3"]
|
||
// ]
|
||
```
|
||
|
||
上面代码中，`while`循环取出每一轮的正则匹配，一共三轮。
|
||
|
||
[ES2020](https://github.com/tc39/proposal-string-matchall) 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），而不是数组。
|
||
|
||
```javascript
|
||
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"]
|
||
```
|
||
|
||
上面代码中，由于`string.matchAll(regex)`返回的是遍历器，所以可以用`for...of`循环取出。相对于返回数组，返回遍历器的好处在于，如果匹配结果是一个很大的数组，那么遍历器比较节省资源。
|
||
|
||
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。
|
||
|
||
```javascript
|
||
// 转为数组的方法一
|
||
[...string.matchAll(regex)]
|
||
|
||
// 转为数组的方法二
|
||
Array.from(string.matchAll(regex))
|
||
```
|
||
|