ECMAScript正则扩展

RegExp构造函数

ES5中

var regex = new RegExp('xyz', 'i');
var regex = new RegExp(/xyz/i);
// 等价于
var regex = /xyz/i;

上面的第二种方法不允许又第二个参数

var regex = new RegExp(/xyz/, 'i');
// Uncaught TypeError: Cannot supply flags when constructing one RegExp from another

ES6中

new RegExp(/abc/ig, 'i').flags
// "i"

第二个参数i会覆盖原有正则对象的修饰符 ig

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，可以正确处理四个字节的UTF-16编码

/^\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。由于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 。

1. 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

   
   
   

   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. 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

   
   
   

   如果不加 u 修饰符，正则表达式会将 \u{61} 认为匹配61个连续的 u 。

3. 量词
   使用 u 修饰符量词会正确识别大于码点大于 0xFFFF 的Unicode字符

   
   

/^\u{3}$/.test('uuu') // true

正则表达式没有 u 修饰符，大括号被解读为量词。加上 u 修饰符，就会被解读为Unicode表达式。

4. 预定义模式

   
   
   

   \S 是预定义模式，匹配所有不是空格的字符。只有加了 u 修饰符，它才能正确匹配码点大于 0xFFFF 的
   Unicode字符

   
   返回字符串长度
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

/[a-z]/i.test('\u212A') // false
/[a-z]/iu.test('\u212A') // true

不加 u 修饰符，就无法识别非规范的K字符。

y修饰符

ES6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，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。

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

var s = 'aaa_aa_a';
var r = /a+_/y;
r.exec(s) // ["aaa_"]
r.exec(s) // ["aa_"]

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

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('xaxa');
match.index // 3
REGEX.lastIndex // 4

相当于 y 修饰符号隐含了头部匹配的标志 ^

在 split 方法中使用 y 修饰符，原字符串必须以分隔符开头。这也意味着，只要匹配成功，数组的第一个成员肯定是空字符串。后续的分隔符只有紧跟前面的分隔符，才会被识别。

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

字符串对象的 replace 方法的例子

const REGEX = /a/gy;
'aaxa'.replace(REGEX, '-') // '--xa'

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

'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

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;
}
tokenize(TOKEN_Y, '3x + 4')
// [ '3' ]
tokenize(TOKEN_G, '3x + 4')
// [ '3', '+', '4' ]

g 修饰符会忽略非法字符，而 y 修饰符不会

sticky属性

ES6的正则对象多了 sticky 属性，表示是否设置了 y 修饰符

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

flag属性

返回正则表达式的修饰符

// 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'

RegExp.escape()

字符串必须转义，才能作为正则模式

function escapeRegExp(str) {
   return str.replace(/[\-\[\]\/\{\}\(\)\*\+\?\.\\\^\$\|]/g, '\\$&');
}
let str = '/path/to/resource.html?search=query';
escapeRegExp(str)
// "\/path\/to\/resource\.html\?search=query"

RegExp.escape('The Quick Brown Fox');
// "The Quick Brown Fox"
RegExp.escape('Buy it. use it. break it. fix it.');
// "Buy it\. use it\. break it\. fix it\."
RegExp.escape('(*.*)');
// "\(\*\.\*\)"

字符串转义以后，可以使用RegExp构造函数生成正则模式

var str = 'hello. how are you?';
var regex = new RegExp(RegExp.escape(str), 'g');

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）
”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+(?!%)/ 。

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

”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+/

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

"后行断言"的括号之中的部分（ (?<=$) ），也是不计入返回结果"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

/(?<=(\d+)(\d+))$/.exec('1053') // ["", "1", "053"]
/^(\d+)(\d+)$/.exec('1053') // ["1053", "105", "3"]

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 。

/(?<=(o)d\1)r/.exec('hodor') // null
/(?<=\1d(o))r/.exec('hodor') // ["r", "o]

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