ECMAScript 6 正則的擴(kuò)展

RegExp構(gòu)造函數(shù)

在ES5中，RegExp構(gòu)造函數(shù)的參數(shù)有兩種情況。

第一種情況是，參數(shù)是字符串，這時(shí)第二個(gè)參數(shù)表示正則表達(dá)式的修飾符（flag）。

var regex = new RegExp('xyz', 'i');
// 等價(jià)于
var regex = /xyz/i;

第二種情況是，參數(shù)是一個(gè)正則表示式，這時(shí)會(huì)返回一個(gè)原有正則表達(dá)式的拷貝。

var regex = new RegExp(/xyz/i);
// 等價(jià)于
var regex = /xyz/i;

但是，ES5不允許此時(shí)使用第二個(gè)參數(shù)，添加修飾符，否則會(huì)報(bào)錯(cuò)。

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

ES6改變了這種行為。如果RegExp構(gòu)造函數(shù)第一個(gè)參數(shù)是一個(gè)正則對(duì)象，那么可以使用第二個(gè)參數(shù)指定修飾符。而且，返回的正則表達(dá)式會(huì)忽略原有的正則表達(dá)式的修飾符，只使用新指定的修飾符。

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

上面代碼中，原有正則對(duì)象的修飾符是ig，它會(huì)被第二個(gè)參數(shù)i覆蓋。

字符串的正則方法

字符串對(duì)象共有4個(gè)方法，可以使用正則表達(dá)式：match()、replace()、search()和split()。

ES6將這4個(gè)方法，在語(yǔ)言?xún)?nèi)部全部調(diào)用RegExp的實(shí)例方法，從而做到所有與正則相關(guān)的方法，全都定義在RegExp對(duì)象上。

• String.prototype.match 調(diào)用 RegExp.prototype[Symbol.match]
• String.prototype.replace 調(diào)用 RegExp.prototype[Symbol.replace]
• String.prototype.search 調(diào)用 RegExp.prototype[Symbol.search]
• String.prototype.split 調(diào)用 RegExp.prototype[Symbol.split]

u修飾符

ES6對(duì)正則表達(dá)式添加了u修飾符，含義為“Unicode模式”，用來(lái)正確處理大于\uFFFF的Unicode字符。也就是說(shuō)，會(huì)正確處理四個(gè)字節(jié)的UTF-16編碼。

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

上面代碼中，\uD83D\uDC2A是一個(gè)四個(gè)字節(jié)的UTF-16編碼，代表一個(gè)字符。但是，ES5不支持四個(gè)字節(jié)的UTF-16編碼，會(huì)將其識(shí)別為兩個(gè)字符，導(dǎo)致第二行代碼結(jié)果為true。加了u修飾符以后，ES6就會(huì)識(shí)別其為一個(gè)字符，所以第一行代碼結(jié)果為false。

一旦加上u修飾符號(hào)，就會(huì)修改下面這些正則表達(dá)式的行為。

（1）點(diǎn)字符

點(diǎn)（.）字符在正則表達(dá)式中，含義是除了換行符以外的任意單個(gè)字符。對(duì)于碼點(diǎn)大于0xFFFF的Unicode字符，點(diǎn)字符不能識(shí)別，必須加上u修飾符。

var s = '????';

/^.$/.test(s) // false
/^.$/u.test(s) // true

上面代碼表示，如果不添加u修飾符，正則表達(dá)式就會(huì)認(rèn)為字符串為兩個(gè)字符，從而匹配失敗。

（2）Unicode字符表示法

ES6新增了使用大括號(hào)表示Unicode字符，這種表示法在正則表達(dá)式中必須加上u修飾符，才能識(shí)別。

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

上面代碼表示，如果不加u修飾符，正則表達(dá)式無(wú)法識(shí)別\u{61}這種表示法，只會(huì)認(rèn)為這匹配61個(gè)連續(xù)的u。

（3）量詞

使用u修飾符后，所有量詞都會(huì)正確識(shí)別碼點(diǎn)大于0xFFFF的Unicode字符。

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

另外，只有在使用u修飾符的情況下，Unicode表達(dá)式當(dāng)中的大括號(hào)才會(huì)被正確解讀，否則會(huì)被解讀為量詞。

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

上面代碼中，由于正則表達(dá)式?jīng)]有u修飾符，所以大括號(hào)被解讀為量詞。加上u修飾符，就會(huì)被解讀為Unicode表達(dá)式。

（4）預(yù)定義模式

u修飾符也影響到預(yù)定義模式，能否正確識(shí)別碼點(diǎn)大于0xFFFF的Unicode字符。

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

上面代碼的\S是預(yù)定義模式，匹配所有不是空格的字符。只有加了u修飾符，它才能正確匹配碼點(diǎn)大于0xFFFF的Unicode字符。

利用這一點(diǎn)，可以寫(xiě)出一個(gè)正確返回字符串長(zhǎng)度的函數(shù)。

function codePointLength(text) {
  var result = text.match(/[\s\S]/gu);
  return result ? result.length : 0;
}

var s = '????????';

s.length // 4
codePointLength(s) // 2

（5）i修飾符

有些Unicode字符的編碼不同，但是字型很相近，比如，\u004B與\u212A都是大寫(xiě)的K。

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

上面代碼中，不加u修飾符，就無(wú)法識(shí)別非規(guī)范的K字符。

y修飾符

除了u修飾符，ES6還為正則表達(dá)式添加了y修飾符，叫做“粘連”（sticky）修飾符。

y修飾符的作用與g修飾符類(lèi)似，也是全局匹配，后一次匹配都從上一次匹配成功的下一個(gè)位置開(kāi)始。不同之處在于，g修飾符只要剩余位置中存在匹配就可，而y修飾符確保匹配必須從剩余的第一個(gè)位置開(kāi)始，這也就是“粘連”的涵義。

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

上面代碼有兩個(gè)正則表達(dá)式，一個(gè)使用g修飾符，另一個(gè)使用y修飾符。這兩個(gè)正則表達(dá)式各執(zhí)行了兩次，第一次執(zhí)行的時(shí)候，兩者行為相同，剩余字符串都是_aa_a。由于g修飾沒(méi)有位置要求，所以第二次執(zhí)行會(huì)返回結(jié)果，而y修飾符要求匹配必須從頭部開(kāi)始，所以返回null。

如果改一下正則表達(dá)式，保證每次都能頭部匹配，y修飾符就會(huì)返回結(jié)果了。

var s = 'aaa_aa_a';
var r = /a+_/y;

r.exec(s) // ["aaa_"]
r.exec(s) // ["aa_"]

上面代碼每次匹配，都是從剩余字符串的頭部開(kāi)始。

使用lastIndex屬性，可以更好地說(shuō)明y修飾符。

const REGEX = /a/g;

// 指定從2號(hào)位置（y）開(kāi)始匹配
REGEX.lastIndex = 2;

// 匹配成功
const match = REGEX.exec('xaya');

// 在3號(hào)位置匹配成功
match.index // 3

// 下一次匹配從4號(hào)位開(kāi)始
REGEX.lastIndex // 4

// 4號(hào)位開(kāi)始匹配失敗
REGEX.exec('xaxa') // null

上面代碼中，lastIndex屬性指定每次搜索的開(kāi)始位置，g修飾符從這個(gè)位置開(kāi)始向后搜索，直到發(fā)現(xiàn)匹配為止。

y修飾符同樣遵守lastIndex屬性，但是要求必須在lastIndex指定的位置發(fā)現(xiàn)匹配。

const REGEX = /a/y;

// 指定從2號(hào)位置開(kāi)始匹配
REGEX.lastIndex = 2;

// 不是粘連，匹配失敗
REGEX.exec('xaya') // null

// 指定從3號(hào)位置開(kāi)始匹配
REGEX.lastIndex = 3;

// 3號(hào)位置是粘連，匹配成功
const match = REGEX.exec('xaxa');
match.index // 3
REGEX.lastIndex // 4

進(jìn)一步說(shuō)，y修飾符號(hào)隱含了頭部匹配的標(biāo)志^。

/b/y.exec('aba')
// null

上面代碼由于不能保證頭部匹配，所以返回null。y修飾符的設(shè)計(jì)本意，就是讓頭部匹配的標(biāo)志^在全局匹配中都有效。

在split方法中使用y修飾符，原字符串必須以分隔符開(kāi)頭。這也意味著，只要匹配成功，數(shù)組的第一個(gè)成員肯定是空字符串。

// 沒(méi)有找到匹配
'x##'.split(/#/y)
// [ 'x##' ]

// 找到兩個(gè)匹配
'##x'.split(/#/y)
// [ '', '', 'x' ]

后續(xù)的分隔符只有緊跟前面的分隔符，才會(huì)被識(shí)別。

'#x#'.split(/#/y)
// [ '', 'x#' ]

'##'.split(/#/y)
// [ '', '', '' ]

下面是字符串對(duì)象的replace方法的例子。

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

上面代碼中，最后一個(gè)a因?yàn)椴皇浅霈F(xiàn)下一次匹配的頭部，所以不會(huì)被替換。

單單一個(gè)y修飾符對(duì)match方法，只能返回第一個(gè)匹配，必須與g修飾符聯(lián)用，才能返回所有匹配。

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

y修飾符的一個(gè)應(yīng)用，是從字符串提取token（詞元），y修飾符確保了匹配之間不會(huì)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;
}

上面代碼中，如果字符串里面沒(méi)有非法字符，y修飾符與g修飾符的提取結(jié)果是一樣的。但是，一旦出現(xiàn)非法字符，兩者的行為就不一樣了。

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

上面代碼中，g修飾符會(huì)忽略非法字符，而y修飾符不會(huì)，這樣就很容易發(fā)現(xiàn)錯(cuò)誤。

sticky屬性

與y修飾符相匹配，ES6的正則對(duì)象多了sticky屬性，表示是否設(shè)置了y修飾符。

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

flags屬性

ES6為正則表達(dá)式新增了flags屬性，會(huì)返回正則表達(dá)式的修飾符。

// ES5的source屬性
// 返回正則表達(dá)式的正文
/abc/ig.source
// "abc"

// ES6的flags屬性
// 返回正則表達(dá)式的修飾符
/abc/ig.flags
// 'gi'

RegExp.escape()

字符串必須轉(zhuǎn)義，才能作為正則模式。

function escapeRegExp(str) {
  return str.replace(/[\-\[\]\/\{\}\(\)\*\+\?\.\\\^\$\|]/g, '\\$&');
}

let str = '/path/to/resource.html?search=query';
escapeRegExp(str)
// "\/path\/to\/resource\.html\?search=query"

上面代碼中，str是一個(gè)正常字符串，必須使用反斜杠對(duì)其中的特殊字符轉(zhuǎn)義，才能用來(lái)作為一個(gè)正則匹配的模式。

已經(jīng)有提議將這個(gè)需求標(biāo)準(zhǔn)化，作為RegExp對(duì)象的靜態(tài)方法RegExp.escape()，放入ES7。2015年7月31日，TC39認(rèn)為，這個(gè)方法有安全風(fēng)險(xiǎn)，又不愿這個(gè)方法變得過(guò)于復(fù)雜，沒(méi)有同意將其列入ES7，但這不失為一個(gè)真實(shí)的需求。

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('(*.*)');
// "\(\*\.\*\)"

字符串轉(zhuǎn)義以后，可以使用RegExp構(gòu)造函數(shù)生成正則模式。

var str = 'hello. how are you?';
var regex = new RegExp(RegExp.escape(str), 'g');
assert.equal(String(regex), '/hello\. how are you\?/g');

目前，該方法可以用上文的escapeRegExp函數(shù)或者墊片模塊regexp.escape實(shí)現(xiàn)。

var escape = require('regexp.escape');
escape('hi. how are you?');
// "hi\\. how are you\\?"

后行斷言

JavaScript語(yǔ)言的正則表達(dá)式，只支持先行斷言（lookahead）和先行否定斷言（negative lookahead），不支持后行斷言（lookbehind）和后行否定斷言（negative lookbehind）。

目前，有一個(gè)提案，在ES7加入后行斷言。V8引擎4.9版已經(jīng)支持，Chrome瀏覽器49版打開(kāi)”experimental JavaScript features“開(kāi)關(guān)（地址欄鍵入about:flags），就可以使用這項(xiàng)功能。

”先行斷言“指的是，x只有在y前面才匹配，必須寫(xiě)成/x(?=y)/。比如，只匹配百分號(hào)之前的數(shù)字，要寫(xiě)成/\d+(?=%)/?！毕刃蟹穸〝嘌浴爸傅氖?，x只有不在y前面才匹配，必須寫(xiě)成/x(?!y)/。比如，只匹配不在百分號(hào)之前的數(shù)字，要寫(xiě)成/\d+(?!%)/。

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

上面兩個(gè)字符串，如果互換正則表達(dá)式，就會(huì)匹配失敗。另外，還可以看到，”先行斷言“括號(hào)之中的部分（(?=%)），是不計(jì)入返回結(jié)果的。

"后行斷言"正好與"先行斷言"相反，x只有在y后面才匹配，必須寫(xiě)成/(?<=y)x/。比如，只匹配美元符號(hào)之后的數(shù)字，要寫(xiě)成/(?<=\$)\d+/?！焙笮蟹穸〝嘌浴皠t與”先行否定斷言“相反，x只有不在y后面才匹配，必須寫(xiě)成/(?<!y)x/。比如，只匹配不在美元符號(hào)后面的數(shù)字，要寫(xiě)成/(?<!\$)\d+/。

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

上面的例子中，"后行斷言"的括號(hào)之中的部分（(?<=\$)），也是不計(jì)入返回結(jié)果。

"后行斷言"的實(shí)現(xiàn)，需要先匹配/(?<=y)x/的x，然后再回到左邊，匹配y的部分。這種"先右后左"的執(zhí)行順序，與所有其他正則操作相反，導(dǎo)致了一些不符合預(yù)期的行為。

首先，”后行斷言“的組匹配，與正常情況下結(jié)果是不一樣的。

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

上面代碼中，需要捕捉兩個(gè)組匹配。沒(méi)有"后行斷言"時(shí)，第一個(gè)括號(hào)是貪婪模式，第二個(gè)括號(hào)只能捕獲一個(gè)字符，所以結(jié)果是105和3。而"后行斷言"時(shí)，由于執(zhí)行順序是從右到左，第二個(gè)括號(hào)是貪婪模式，第一個(gè)括號(hào)只能捕獲一個(gè)字符，所以結(jié)果是1和053。

其次，"后行斷言"的反斜杠引用，也與通常的順序相反，必須放在對(duì)應(yīng)的那個(gè)括號(hào)之前。

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

上面代碼中，如果后行斷言的反斜杠引用（\1）放在括號(hào)的后面，就不會(huì)得到匹配結(jié)果，必須放在前面才可以。