39. 正则表达式（RegExp）

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

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. 字面义式 vs. 构造函数式

创建正则表达式的两种主要方法是：

• 字面义式：/abc/ui，被静态编译（在加载时）。
• 构造函数式：new RegExp('abc', 'ui')，被动态编译（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：

• 表达式体 abc - 实际正则表达式。
• 标志 u 和 i。标志配置了表达式模式如何被解释：u切换到 _Unicode 模式 _ 。 i启用大小写不敏感匹配。

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 = '')

  通过指定的pattern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，在修改它们时也是可选的。标志是不可变的，这是改变它们的唯一方法。例如：

function copyAndAddFlags(regExp, flags='') {
  // The constructor doesn’t allow duplicate flags,
  // make sure there aren’t any:
  const newFlags = [...new Set(regExp.flags + flags)].join('');
  return new RegExp(regExp, newFlags);
}
assert.equal(/abc/i.flags, 'i');
assert.equal(copyAndAddFlags(/abc/i, 'g').flags, 'gi');

39.2. 语法

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。

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

在正则表达式字面义中，您还必须转义斜杠（用new RegExp()就没有必要了）：

> /\//.test('/')
true
> new RegExp('/').test('/')
true

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（下面详述）。
• 字符转义（每个转义匹配一个固定字符）：
  • 控制转义（用于一些控制字符）：
    • \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：空白（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：

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

• 检查希腊字母：

  > /^\p{Script=Greek}+$/u.test('μετά')
  true
  

• 删除任何字母：

  > '1π2ü3é4'.replace(/\p{Letter}/ug, '')
  '1234'
  

• 删除小写字母：

  > 'AbCdEf'.replace(/\p{Lowercase_Letter}/ug, '')
  'ACE'
  

进一步阅读：

• Unicode 属性及其值的列表：“Unicode 标准附件＃44：Unicode 字符数据库”（编辑：Mark Davis，LaurenţiuIancu，Ken Whistler）
• Unicode 属性更深入地转义：“探索 ES2018 和 ES2019”中的章节“RegEx Unicode 属性转义”

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：

  ^ \ - ]
  

  ^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（?）：

> /".*"/.exec('"abc"def"')[0]  // greedy
'"abc"def"'
> /".*?"/.exec('"abc"def"')[0] // reluctant
'"abc"'

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

• 向前看:

  • 如果pattern匹配下一个（积极前瞻），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）：

  > 'abcX def'.match(/[a-z]+(?=X)/g)
  [ 'abc' ]
  

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

  > 'abcX def'.match(/[a-z]+(?!X)/g)
  [ 'ab', 'def' ]
  

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

• 向后看 (ES2018):

  • 如果pattern与之前的相符，则(?<=«pattern»)匹配（积极后观）

  > 'Xabc def'.match(/(?<=X)[a-z]+/g)
  [ 'abc' ]
  

  • 如果pattern与之前的不匹配，则(?<!«pattern»)匹配（消极后观）

  > 'Xabc def'.match(/(?<!X)[a-z]+/g)
  [ 'bc', 'def' ]
  

  • 进一步阅读：“探索 ES2018 和 ES2019”中的“RegExp lookbehind 断言”

39.2.7. 分离（|）

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

表格 20: 这些是JavaScript支持的正则表达式标志。

JavaScript 中提供了以下正则表达式标志（表格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：

> /a/.test('A')
false
> /a/i.test('A')
true

• /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。

> 'a1\na2\na3'.match(/^a./gm)
[ 'a1', 'a2', 'a3' ]
> 'a1\na2\na3'.match(/^a./g)
[ 'a1' ]

• /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）。

> 'a1a2 a3'.match(/a./gy)
[ 'a1', 'a2' ]
> 'a1a2 a3'.match(/a./g)
[ 'a1', 'a2', 'a3' ]

• /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：

> /./.test('\n')
false
> /./s.test('\n')
true

旧版 ECMAScript 版本的替代方案：

> /[^]/.test('\n')
true

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）：

> /\a/
/\a/
> /\a/u
SyntaxError: Invalid regular expression: /\a/: Invalid escape

> /\-/
/\-/
> /\-/u
SyntaxError: Invalid regular expression: /\-/: Invalid escape

> /\:/
/\:/
> /\:/u
SyntaxError: Invalid regular expression: /\:/: Invalid escape

• 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：

const codePoint = '