39.正则表达式（`RegExp`）-[译] 写给不耐烦程序员的 JavaScript

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：

\p{prop=value}：匹配属性prop具有值value的所有字符。
\P{prop=value}：匹配所有没有属性prop的字符，其值为value。
\p{bin_prop}：匹配二进制属性bin_prop为 True 的所有字符。
\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。

字面义标志	属性名称	ES	描述
`g`	`global`	ES3	匹配多次
`i`	`ignoreCase`	ES3	不区分大小写
`m`	`multiline`	ES3	每行`^`和`$`匹配
`s`	`dotall`	ES2018	点`.`匹配行终止符
`u`	`unicode`	ES6	Unicode 模式（推荐）
`y`	`sticky`	ES6	匹配之间没有字符

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 = '🙂';
const codeUnits = '\uD83D\uDE42'; // UTF-16

assert.equal(codePoint, codeUnits); // same string!

我只在🙂和\uD83D\uDE42之间切换，以说明 JavaScript 如何看待事物。两者都是等价的，可以在字符串和正则表达式中互换使用。

39.3.1.1. 结果：您可以将代码点放在字符类中

使用/u，🙂的两个代码单元被解释为单个字符：

> /^[🙂]$/u.test('🙂')
true

没有/u，🙂被解释为两个字符：

> /^[\uD83D\uDE42]$/.test('\uD83D\uDE42')
false
> /^[\uD83D\uDE42]$/.test('\uDE42')
true

请注意，^和$要求输入字符串具有单个字符。这就是为什么第一个结果是false。

39.3.1.2. 结果：点运算符（`.`）匹配代码点，而不是代码单元

使用/u，点运算符匹配代码点（.match()加/g返回一个包含正则表达式的所有匹配项的数组）：

> '🙂'.match(/./gu).length
1

没有/u，点运算符匹配单个代码单元：

> '\uD83D\uDE80'.match(/./g).length
2

39.3.1.3. 后果：量词适用于代码点，而不是代码单元

使用/u，量词适用于整个前面的代码点：

> /^🙂{3}$/u.test('🙂🙂🙂')
true

没有/u，量词仅适用于前面的代码单元：

> /^\uD83D\uDE80{3}$/.test('\uD83D\uDE80\uDE80\uDE80')
true

39.4. 正则表达式对象的属性

值得注意的是：

严格地说，只有.lastIndex是一个真实的实例属性。所有其他属性都通过 getter 实现。
因此，.lastIndex是唯一可变的属性。所有其他属性都是只读的。如果要更改它们，则需要复制正则表达式（有关详细信息，请参阅克隆部分）。

39.4.1. 标志作为属性

每个正则表达式标志都作为属性存在，具有更长，更具描述性的名称：

> /a/i.ignoreCase
true
> /a/.ignoreCase
false

这是标志属性的完整列表：

.dotall（/s）
.global（/g）
.ignoreCase（/i）
.multiline（/m）
.sticky（/y）
.unicode（/u）

39.4.2. 其他财产

每个正则表达式还具有以下属性：

.source：正则表达式模式。

> /abc/ig.source
'abc'

.flags：正则表达式的标志。

> /abc/ig.flags
'gi'

.lastIndex：当标志/g打开时使用。有关详细信息，请参阅关于该标志的部分。

39.5. 使用正则表达式的方法

39.5.1. `regExp.test(str)`：有匹配吗？

如果regExp与str匹配，则正则表达式方法.test()返回true：

> /abc/.test('ABC')
false
> /abc/i.test('ABC')
true
> /\.js$/.test('main.js')
true

使用.test()时，通常应避免使用/g标志。如果您使用它，每次调用方法时通常不会得到相同的结果：

> const r = /a/g;
> r.test('aab')
true
> r.test('aab')
true
> r.test('aab')
false

结果是由于/a/在字符串中有两个匹配项。找到所有这些后，.test()返回false。

39.5.2. `str.search(regExp)`：匹配的是什么指数？

字符串方法.search()返回regExp的第一个索引，其中regExp匹配：

> '_abc_'.search(/abc/)
1
> 'main.js'.search(/\.js$/)
4

39.5.3. `regExp.exec(str)`：捕获组

39.5.3.1. 获取第一场比赛的匹配对象

如果没有标志/g，.exec()将返回str中regExp的第一个匹配的所有捕获：

assert.deepEqual(
  /(a+)b/.exec('ab aab'),
  {
    0: 'ab',
    1: 'a',
    index: 0,
    input: 'ab aab',
    groups: undefined,
  }
);

结果是 _ 匹配对象 _ 具有以下属性：

[0]：正则表达式匹配的完整子字符串
[1]：捕获位置组 1（等）
.index：匹配发生在哪里？
.input：匹配的字符串
.groups：命名组的捕获

39.5.3.2. 命名组（ES2018）

前一个示例包含一个位置组。以下示例演示了命名组：

const regExp = /^(?<key>[A-Za-z]+): (?<value>.*)$/u;
assert.deepEqual(
  regExp.exec('first: Jane'),
  {
    0: 'first: Jane',
    1: 'first',
    2: 'Jane',
    index: 0,
    input: 'first: Jane',
    groups: { key: 'first', value: 'Jane' },
  }
);

如您所见，命名组key和value也作为位置组存在。

39.5.3.3. 循环多场比赛

如果要检索正则表达式的所有匹配（而不仅仅是第一个），则需要打开标志/g。然后你可以多次调用.exec()并每次获得另一场比赛。在最后一场比赛之后，.exec()返回null。

> const regExp = /(a+)b/g;
> regExp.exec('ab aab')
{ 0: 'ab', 1: 'a', index: 0, input: 'ab aab', groups: undefined }
> regExp.exec('ab aab')
{ 0: 'aab', 1: 'aa', index: 3, input: 'ab aab', groups: undefined }
> regExp.exec('ab aab')
null

因此，您可以循环所有匹配，如下所示：

const regExp = /(a+)b/g;
const str = 'ab aab';

let match;
// Check for null via truthiness
// Alternative: while ((match = regExp.exec(str)) !== null)
while (match = regExp.exec(str)) {
  console.log(match[1]);
}
// Output:
// 'a'
// 'aa'

与/g共享正则表达式有一些陷阱，稍后会解释。

练习：通过.exec() 提取引用文本

exercises/reg-exp/extract_quoted_test.js

39.5.4. `str.match(regExp)`：返回所有匹配的子串

没有/g，.match()就像.exec()一样 - 它返回一个匹配对象。

使用/g，.match()返回与regExp匹配的str的所有子串：

> 'ab aab'.match(/(a+)b/g)  // important: /g
[ 'ab', 'aab' ]

如果没有匹配，.match()返回null：

> 'xyz'.match(/(a+)b/g)
null

您可以使用 Or 运算符来保护自己免受null的影响：

const numberOfMatches = (str.match(regExp) || []).length;

39.5.5. `str.replace(searchValue, replacementValue)`

.replace()有几种不同的模式，具体取决于您为其参数提供的值：

searchValue是......
- 没有/g的正则表达式：替换第一次出现。
- 带/g的正则表达式：替换所有出现的事件。
- 字符串：替换第一次出现（字符串逐字解释，而不是正则表达式）。唉，这意味着字符串作为搜索值的用途有限。在本章的后面，你会发现是一个工具函数，用于将任意文本转换为正则表达式。
replacementValue是......
- 字符串：描述替换
- 功能：计算替换

下一小节假设正在使用带有/g的正则表达式。

39.5.5.1. `replacementValue`是一个字符串

如果替换值是字符串，则美元符号具有特殊含义 - 它插入与正则表达式匹配的内容：

文本	结果
`$$`	单`$`
`$&`	完全匹配
`$``	比赛前的文字
`$'`	比赛后的文字
`$n`	捕获位置组`n`（`n`> 0）
`$<name>`	捕获命名组`name`

示例：在匹配的子字符串之前，之内和之后插入文本。

> 'a1 a2'.replace(/a/g, "($`|$&|$')")
'(|a|1 a2)1 (a1 |a|2)2'

示例：插入位置组的捕获。

> const regExp = /^([A-Za-z]+): (.*)$/ug;
> 'first: Jane'.replace(regExp, 'KEY: $1, VALUE: $2')
'KEY: first, VALUE: Jane'

示例：插入命名组的捕获。

> const regExp = /^(?<key>[A-Za-z]+): (?<value>.*)$/ug;
> 'first: Jane'.replace(regExp, 'KEY: $<key>, VALUE: $<value>')
'KEY: first, VALUE: Jane'

39.5.5.2. `replacementValue`是一个功能

如果替换值是函数，则可以计算每个替换值。在下面的示例中，我们将我们找到的每个非负整数乘以 2。

assert.equal(
  '3 cats and 4 dogs'.replace(/[0-9]+/g, (all) => 2 * Number(all)),
  '6 cats and 8 dogs'
);

替换函数获取以下参数。请注意它们与匹配对象的相似程度。这些参数都是位置的，但我已经包含了通常如何命名它们：

all：完全匹配
g1：捕获位置组 1
等等。
index：匹配发生在哪里？
input：匹配的字符串
groups：命名组（对象）的捕获

练习：通过.replace()和命名组更改引号

exercises/reg-exp/change_quotes_test.js

39.5.6. 使用正则表达式的其他方法

String.prototype.split()的第一个参数是字符串或正则表达式。如果是后者，则将组捕获的子串添加到方法的结果中：

> 'a : b : c'.split(/( *):( *)/)
[ 'a', ' ', ' ', 'b', ' ', ' ', 'c' ]

有关更多信息，请参阅有关字符串的章节。

39.6. 标志`/g`及其陷阱

如果打开/g，以下两个正则表达式方法会执行异常操作：

RegExp.prototype.exec()
RegExp.prototype.test()

然后可以重复调用它们并在字符串中传递所有匹配项。正则表达式的属性.lastIndex用于跟踪字符串中的当前位置。例如：

const r = /a/g;
assert.equal(r.lastIndex, 0);

assert.equal(r.test('aa'), true); // 1st match?
assert.equal(r.lastIndex, 1); // after 1st match

assert.equal(r.test('aa'), true); // 2nd match?
assert.equal(r.lastIndex, 2); // after 2nd match

assert.equal(r.test('aa'), false); // 3rd match?
assert.equal(r.lastIndex, 0); // start over

那么 flag /g怎么会有问题呢？我们将首先探讨问题然后解决问题。

39.6.1. 问题：您无法使用标志`/g`内联正则表达式

无法内联带有/g的正则表达式：例如，在以下while循环中，每次检查条件时都会创建正则表达式。因此，它的.lastIndex始终为零，循环永远不会终止。

let count = 0;
// Infinite loop
while (/a/g.test('babaa')) {
  count++;
}

39.6.2. 问题：删除`/g`可能会破坏代码

如果代码需要带有/g的正则表达式并且在.exec()或.test()的结果上有一个循环，那么没有/g的正则表达式会导致无限循环：

const regExp = /a/; // Missing: flag /g

let count = 0;
// Infinite loop
while (regExp.test('babaa')) {
  count++;
}

为什么？因为.test()总是返回第一个结果，true，而不是false。

39.6.3. 问题：添加`/g`可能会破坏代码

使用.test()时，还有另一个警告：如果要检查正则表达式是否与字符串匹配，则正则表达式必须不具有/g。否则，每次调用.test()时，通常会得到不同的结果：

> const r = /^X/g;
> r.test('Xa')
true
> r.test('Xa')
false

通常，如果您打算以这种方式使用.test()，则不会添加/g。但是，例如，如果您使用相同的正则表达式进行测试和替换，则会发生这种情况。或者，如果您通过参数获得正则表达式。

39.6.4. 问题：如果`.lastIndex`不为零，代码可能会中断

创建正则表达式时，.lastIndex初始化为零。如果代码曾经收到.lastIndex不为零的正则表达式，它可能会中断。例如：

const regExp = /a/g;
regExp.lastIndex = 4;

let count = 0;
while (regExp.test('babaa')) {
  count++;
}
assert.equal(count, 1); // should be 3

如果正则表达式被共享且未正确处理，则.lastIndex不为零可能相对容易发生。

39.6.5. 处理`/g`和`.lastIndex`

请考虑以下情形：您想要实现一个函数countOccurrences(regExp, str)，它计算regExp在str内的匹配频率。你如何防止错误的regExp破坏你的代码？我们来看看三种方法。

首先，如果未设置/g或.lastIndex不为零，则可以抛出异常：

function countOccurrences(regExp, str) {
  if (!regExp.global) {
    throw new Error('Flag /g of regExp must be set');
  }
  if (regExp.lastIndex !== 0) {
    throw new Error('regExp.lastIndex must be zero');
  }
  
  let count = 0;
  while (regExp.test(str)) {
    count++;
  }
  return count;
}

其次，您可以克隆参数。这具有额外的好处，即regExp不会改变。

function countOccurrences(regExp, str) {
  const cloneFlags = regExp.flags + (regExp.global ? '' : 'g');
  const clone = new RegExp(regExp, cloneFlags);

  let count = 0;
  while (clone.test(str)) {
    count++;
  }
  return count;
}

第三，您可以使用.match()计算出现次数 - 这些次数不会改变或取决于.lastIndex。

function countOccurrences(regExp, str) {
  if (!regExp.global) {
    throw new Error('Flag /g of regExp must be set');
  }
  return (str.match(regExp) || []).length;
}

39.7. 使用正则表达式的技巧

39.7.1. 转义正则表达式的任意文本

以下函数会转义任意文本，以便在将其放入正则表达式中时逐字匹配：

function escapeForRegExp(str) {
  return str.replace(/[\\^$.*+?()[\]{}|]/g, '\\$&'); // (A)
}
assert.equal(escapeForRegExp('[yes?]'), String.raw`\[yes\?\]`);
assert.equal(escapeForRegExp('_g_'), String.raw`_g_`);

在 A 行中，我们转义所有语法字符。请注意，/u禁止许多逃逸：其中包括\:和\-。

这是您可以使用escapeForRegExp()多次替换任意文本的方法：

> const re = new RegExp(escapeForRegExp(':-)'), 'ug');
> ':-) :-) :-)'.replace(re, '🙂')
'🙂 🙂 🙂'

39.7.2. 匹配一切或什么也没有

有时，您可能需要一个匹配所有内容的正则表达式。例如，作为标记值。

匹配所有内容：/(?:)/（空组匹配所有内容;使其无法捕获，避免不必要的工作）

> /(?:)/.test('')
true
> /(?:)/.test('abc')
true

什么都不匹配：/.^/（一旦匹配进展超出第一个字符，^就不再匹配了）

> /.^/.test('')
false
> /.^/.test('abc')
false

[译] 写给不耐烦程序员的 JavaScript