ES9的新特性:正規表示式RegExp

flydean發表於2021-04-07

簡介

正規表示式是我們做資料匹配的時候常用的一種工具，雖然正規表示式的語法並不複雜，但是如果多種語法組合起來會給人一種無從下手的感覺。

於是正規表示式成了程式設計師的噩夢。今天我們來看一下如何在ES9中玩轉正規表示式。

Numbered capture groups

我們知道正規表示式可以分組，分組是用括號來表示的，如果想要獲取到分組的值，那麼就叫做capture groups。

通常來說，我們是通過序號來訪問capture groups的，這叫做Numbered capture groups。

舉個例子：

const RE_DATE = /([0-9]{4})-([0-9]{2})-([0-9]{2})/;

const matchObj = RE_DATE.exec('1999-12-31');
const year = matchObj[1]; // 1999
const month = matchObj[2]; // 12
const day = matchObj[3]; // 31

上面的正規表示式要匹配年月日，然後通過exec方法，返回match的陣列。這個陣列儲存的是匹配的groups資訊。

因為我們有三個括號，所以可以匹配三個group。然後通過1，2，3來訪問特定的group。

我們把上面的matchObj輸出看一下其中的內容：

[
  '1999-12-31',
  '1999',
  '12',
  '31',
  index: 0,
  input: '1999-12-31',
  groups: undefined
]

可以看到matchObj是一個陣列，index 0儲存的是要匹配的字串。這裡我們看到matchObj還有一個groups是undefined，這個groups就是命名groups。

Named capture groups

上面講到了numbered capture groups是通過序列號來訪問到匹配的資料。但是匹配到的group是沒有名字的。

我們看下怎麼才能夠給這些groups起個名字：

const RE_DATE = /(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{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

看下matchObj的內容：

[
  '1999-12-31',
  '1999',
  '12',
  '31',
  index: 0,
  input: '1999-12-31',
  groups: [Object: null prototype] { year: '1999', month: '12', day: '31' }
]

可以看到，這次多了groups的資訊。

如果要匹配我們之前匹配過的group資訊，則可以使用numbered groups的 \k 或者 named groups的 \k.

我們看一個例子：

const RE_TWICE = /^(?<word>[a-z]+)!\k<word>$/;
RE_TWICE.test('abc!abc'); // true
RE_TWICE.test('abc!ab'); // false

const RE_TWICE = /^(?<word>[a-z]+)!\1$/;
RE_TWICE.test('abc!abc'); // true
RE_TWICE.test('abc!ab'); // false

兩種語法都可以使用。

Named capture groups還可以和replace一起使用。

有了group name，我們可以直接在replace中使用group name來做引用：

const RE_DATE = /(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{2})/;
console.log('1999-12-31'.replace(RE_DATE,
    '$<month>/$<day>/$<year>'));
    // 12/31/1999

replace的第二個引數還可以是一個函式，函式的引數就是我們group出來的一些內容：

const RE_DATE = /(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{2})/;
console.log('1999-12-31'.replace(
    RE_DATE,
    (g0,y,m,d,offset,input, {year, month, day}) => // (A)
        month+'/'+day+'/'+year));
    // 12/31/1999

上面的例子中，g0 = 1999-12-31 表示匹配的子字串。 y, m, d 匹配的是numbered groups 1，2，3。

input 是整個的輸入。{year, month, day} 匹配的是named groups。

RegExp中Unicode屬性的轉義

在Unicode標準中，每一個字元都有屬性，簡單點說屬性就是用來描述這個字元的。

比如說General_Category表示的是字元的分類： x: General_Category = Lowercase_Letter

White_Space表示的是空格，tabs和換行： \t: White_Space = True

Age表示的是該字元什麼時候被加入到Unicode中等等。

這些屬性還有對應的縮寫： Lowercase_Letter = Ll ， Currency_Symbol = Sc 等等。

舉個例子，比如說我們想匹配空格。傳統做法是這樣做的：

> /^\s+$/.test('\t \n\r')
true

前面是正規表示式，然後使用一個test方法來匹配字串，最終得到的true。

剛剛講到了unicode的屬性，我們也可以用屬性來匹配：

> /^\p{White_Space}+$/u.test('\t \n\r')
true

屬性匹配使用的是\p, 後面跟的是屬性值。

注意，我們還要在正規表示式後面加上u，以表示使用的是Unicode屬性轉義。

lookaround assertion

lookaround assertion可以被翻譯為環視斷言，它是正規表示式中的一種結構，用來判斷要匹配的物件的前後環境是什麼樣的。

有兩種lookaround assertion，一種是Lookahead一種是Lookbehind。

我們先看一下Lookahead的使用：

const RE_AS_BS = /aa(?=bb)/;
const match1 = RE_AS_BS.exec('aabb');
console.log(match1[0]); // 'aa'

const match2 = RE_AS_BS.exec('aab');
console.log(match2); // null

lookahead就是向前檢視，上面我們使用的是(?=bb) 來向前匹配bb。

注意，雖然正規表示式匹配上了aabb，但是match中並不包含bb。

結果是第一個匹配上了，第二個沒有匹配。

除了是用?= 之外，我們還可以使用?! 表示不等：

> const RE_AS_NO_BS = /aa(?!bb)/;
> RE_AS_NO_BS.test('aabb')
false
> RE_AS_NO_BS.test('aab')
true
> RE_AS_NO_BS.test('aac')
true

再來看一下Lookbehind的使用。

Lookbehind和Lookahead查詢的方向剛剛相反。

向後匹配是使用?<=來表示的，我們來看一個例子：

const RE_DOLLAR_PREFIX = /(?<=\$)foo/g;
'$foo %foo foo'.replace(RE_DOLLAR_PREFIX, 'bar');
    // '$bar %foo foo'

上面的例子中，我們匹配了最前面的$，然後使用bar替換掉了foo。

同樣的，我們也可以使用?<! 來表示非相等的情況：

const RE_NO_DOLLAR_PREFIX = /(?<!\$)foo/g;
'$foo %foo foo'.replace(RE_NO_DOLLAR_PREFIX, 'bar');
    // '$foo %bar bar'

dotAll flag

正常情況下dot . 代表的是一個字元，但是這個字元不能夠代表行的結束符：

> /^.$/.test('\n')
false

而dotAll是在 dot . 匹配後面引入的s, 它可以被用來匹配行的結束符：

> /^.$/s.test('\n')
true

在ES中，有下面幾種字元表示的都是行的結束符：

  • U+000A LINE FEED (LF) (\n)
  • U+000D CARRIAGE RETURN (CR) (\r)
  • U+2028 LINE SEPARATOR
  • U+2029 PARAGRAPH SEPARATOR

總結

以上就是ES9中引入的正規表示式RegExp的新特性了，希望大家能夠喜歡。

本文作者：flydean程式那些事

本文連結：http://www.flydean.com/es9-regexp/

本文來源：flydean的部落格

歡迎關注我的公眾號:「程式那些事」最通俗的解讀，最深刻的乾貨，最簡潔的教程，眾多你不知道的小技巧等你來發現！

相關文章