ES6（五）：正则表达式扩展

前面的话

---

正则表达式是javascript操作字符串的一个重要组成部分，但在以往的版本中并未有太多改变。然而，在ES6中，随着字符串操作的变更，
ES6也对正则表达式进行了一些更新。本文将详细介绍ES6正则表达式扩展

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（flag）

varregex =newRegExp('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

varregex =newRegExp(/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

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

• 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

console.log(newRegExp(/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

【flags】

• 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

//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'

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

• 正则表达式可以完成简单的字符串操作，但默认将字符串中的每一个字符按照16位编码处理。为了解决这个问题， 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

/^\uD83D/u.test('\uD83D\uDC2A')// false/^\uD83D/.test('\uD83D\uDC2A')// true

• 一旦为正则表达式设置了u 修饰符，正则表达式将会识别32位的辅助平面字符为1个字符，而不是两个

【点号】

• 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。对于码位大于0xFFFF的 Unicode 字符，点字符不能识别，必须加上u修饰符

var text = "𠮷";
console.log(text.length); // 2console.log(/^.$/.test(text));
//falseconsole.log(/^.$/u.test(text));//true`1

【大括号】

• 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

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

【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

/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】

• 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

/^\S$/.test('𠮷') // false/^\S$/u.test('𠮷')// true

【字符串长度】

• 上面代码的\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

• 虽然ES6不支持字符串码位数量的检测，length属性仍然返回字符串编码单元的数量。利用[\s\S]，再加上u修饰符，就可以写出一个正确返回字符串长度的函数

function codePointLength(text) { varresult = text.match(/[\s\S]/gu);
returnresult? result.length : 0;
}var s = '𠮷𠮷';
console.log(s.length); // 4console.log(codePointLength(s));// 2

【检测支持】

• u修饰符是语法层面的变更，尝试在不兼容ES6 的JS 引擎中使用它会抛出语法错误。如果要检测当前引擎是否支持u修饰符，最安全的方式是通过以下函数来判断

function hasRegExpU() { try { varpattern =newRegExp(".", "u");
   returntrue;
    } catch (ex) { return false;
   }
}

• 这个函数使用了RegExp构造函数并传入字符串'u'作为参数，该语法即使在旧版JS 引擎中也是有效的。但是，如果当前引擎不支持u修饰符则会抛出错误

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

【全局匹配】

• 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

vars = 'aaa_aa_a';varr1 = /a+/g;varr2 = /a+/y;
console.log(r1.exec(s)); // ["aaa"]console.log(r2.exec(s));
// ["aaa"]console.log(r1.exec(s)); // ["aa"]console.log(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

vars = 'aaa_aa_a';varr = /a+_/y;
console.log(r.exec(s)); // ["aaa_"]console.log(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

【非全局匹配】

• 单单一个y修饰符使用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"]

• [注意]y修饰符只有在调用exec()和test()这两个正则匹配方法时，才会进行全局匹配；如果调用match()、replace()等字符串的方法时，不会进行全局匹配

【stiky属性】

• 与y修饰符相匹配，ES6 的正则对象多了sticky属性，表示是否设置了y修饰符

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

【应用】

• 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'
]functiontokenize(TOKEN_REGEX, str) {
   let result =[];
   let match; while(match =TOKEN_REGEX.exec(str)) {
      result.push(match[1]);
   } returnresult;
}

• 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

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

【检测支持】

• y修饰符与u修饰符类似，它也是一个语法层面的变更，尝试在不兼容ES6 的JS 引擎中使用它会抛出语法错误。如果要检测当前引擎是否支持y修饰符，可以通过以下函数来检测

function hasRegExpY() { try { varpattern =newRegExp(".", "y");
    return true;
   } catch (ex) { return false;
   }
}

• 这个函数使用了RegExp构造函数并传入字符串'y'作为参数，该语法即使在旧版JS 引擎中也是有效的。但是，如果当前引擎不支持y修饰符则会抛出错误