正则的扩展

原书作者：阮一峰
原书地址：ECMASript 6入门

• RegExp构造函数
• 修饰符
• 后行断言（提案）

1. RegExp构造函数

• 两种形式

var regex = new RegExp('xyz', 'i');
// 等价于
var regex = /xyz/i;
// 参数是字符串，第二个参数为正则表达式的修饰符

var regex = new RegExp(/xyz/i);
// 等价于
var regex = /xyz/i;
// 参数是一个正则表达式的情况

• ES5 不支持第二个参数形式

var regex = new RegExp(/xyz/, 'i');
// Uncaught TypeError: Cannot supply flags

new RegExp(/abc/ig, 'i').flags
// "i"
// i替换了原ig为新的修饰符

2. 修饰符

ES6新增的flags属性返回对应的修饰符

// 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'

• 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。

/^\uD83D/u.test('\uD83D\uDC2A') // false
/^\uD83D/.test('\uD83D\uDC2A') // true
// \uD83D\uDC2A是一个四个字节的 UTF-16 编码，代表一个字符
// 不加入u时，会错误认为是两个字符

• u修饰符使用场景
  • 点字符（匹配码点大于0xFFFF需要使用u修饰符）

  var s = '𠮷';
  
  /^.$/.test(s) // false
  /^.$/u.test(s) // true
  

  • unicode字符表示法（识别大括号unicode需要加上u）

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

  • 量词（使用unicode后，所有量词都会识别码点大于0xFFFF的字符）

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

  • 预定义模式

  /^\S$/.test('𠮷') // false
  /^\S$/u.test('𠮷') // true
  // ^\S为不是空格的其他字符
  

• y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修饰符与g修饰符类似，都是全局匹配；
  g修饰符只要剩余位置中匹配即可，y修饰符需要确保从剩余的第一个位置开始；

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

• y修饰符应用场景
  • split方法，原字符需要以分隔符开头，如果匹配成功，第一个成员为空字符串

  // 没有找到匹配
  'x##'.split(/#/y)
  // [ 'x##' ]
  
  // 找到两个匹配
  '##x'.split(/#/y)
  // [ '', '', 'x' ]
  

  • match方法，只能返回第一个匹配，返回所有结果需要配合g

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

  • 检测非法字符

  const TOKEN_Y = /\s*(\+|[0-9]+)\s*/y;
  const TOKEN_G  = /\s*(\+|[0-9]+)\s*/g;
  
  function tokenize(TOKEN_REGEX, str) {
    let result = [];
    let match;
    while (match = TOKEN_REGEX.exec(str)) {
      result.push(match[1]);
    }
    return result;
  }
  
  tokenize(TOKEN_Y, '3 + 4')
  // [ '3', '+', '4' ]
  tokenize(TOKEN_G, '3 + 4')
  // [ '3', '+', '4' ]
  // 无异常字符时，二者结果一致
  
  tokenize(TOKEN_Y, '3x + 4')
  // [ '3' ]
  tokenize(TOKEN_G, '3x + 4')
  // [ '3', '+', '4' ]
  // 出现异常字符x时，二者结果不一致
  

  • sticky属性（用于检测是否设置了y修饰符）

  var r = /hello\d/y;
  r.sticky // true
  

• s修饰符（提案）
  正则表达式中，"."是一个特殊的字符，代表任意字符，终止符除外
  以下为四种终止符

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）

/foo.bar/.test('foo\nbar')
// false
// .不能匹配\n

/foo[^]bar/.test('foo\nbar')
// true
// 变通的写法如上所示

提案中，/s使得.可以匹配任意字符
这被称为dotAll模式，dot即.可以匹配任意字符

/foo.bar/s.test('foo\nbar') // true

3. 后行断言（提案）

(ES5 仅支持先行断言和先行否定断言)
”先行断言“指的是，x只有在y前面才匹配，必须写成/x(?=y)/；
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)/；

/\d+(?=%)/.exec('100% of US presidents have been male')  // ["100"]
/\d+(?!%)/.exec('that’s all 44 of them')                 // ["44"]

“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/；
”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/

/(?<=\$)\d+/.exec('Benjamin Franklin is on the $100 bill')  // ["100"]
/(?<!\$)\d+/.exec('it’s is worth about €90')                // ["90"]