ES6（八）—— RegExp

RegExp

• sticky —— y修饰符

• 关于正则处理中文问题 —— u修饰符

  • 多字节中文字符匹配
  • 点字符
  • 新增unicode码点去匹配中文字符
  • 量词
  • i修饰符
  • 预定义模式
• ES6-ES10学习版图

sticky —— y修饰符

y表示sticky（粘连），全局匹配，必须从第一个开始匹配，连续匹配

const s = 'aaa_aa_a'
const r1 = /a+/g  //相当于^ $
const r2 = /a+/y
console.log(r1.exec(s))
// ["aaa",index: 0, input:"aaa_aa_a"]
// 匹配到的结果，匹配的起始索引，输入的值
console.log(r2.exec(s))
// ["aaa",index: 0, input:"aaa_aa_a"]

console.log(r1.exec(s))
// ["aa",index: 4, input:"aaa_aa_a"]
console.log(r2.exec(s))
// null

g修饰符是从aaa下一个开始匹配，开始可以不是a

y修饰符是从aaa下一个开始匹配，开始必须要是a，不是a就返回null

例子：使用lastIndex属性，可以更好地说明y修饰符。

const REGEX = /a/g
// 指定从2号位置（y）开始匹配
REGEX.lastIndex = 2
// 匹配成功
const match = REGEX.exec('xaya')
// 在3号位置匹配成功
console.log(match.index) // 3
// 下一次匹配从4号位开始
console.log(REGEX.lastIndex) // 4
// 4号位开始匹配失败
REGEX.exec('xaxa') // null

上面代码中，lastIndex属性指定每次搜索的开始位置，g修饰符从这个位置开始向后搜索，直到发现匹配为止。

y修饰符同样遵守lastIndex属性，但是要求必须在lastIndex指定的位置发现匹配。

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')
console.log(match.index) // 3
console.log(REGEX.lastIndex) // 4

关于正则处理中文问题 —— u修饰符

多个字节的字符，unicode中大于 \uffff，ES5中没有办法正确匹配。也就是说，使用u修饰符会正确处理四个字节的UTF-16编码。

𠮷U+20BB7

多字节中文字符匹配

let s = '𠮷'
let s2 = '\uD842\uDFB7'

console.log(/^\uD842/.test(s2)) //true  只匹配了两个字符，是不对的
console.log(/^\uD842/u.test(s2)) //false

点字符

点字符含义是除了换行符以外的任意单个字符，但是大于0xFFFF的单个字符点字符无法识别

console.log(/^.$/.test(s)) //false 匹配任意字符，是不对的
console.log(/^.$/u.test(s)) //true 匹配任意字符

新增unicode码点去匹配中文字符

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

量词

可以计数

//𠮷{2} 表示要出现两次
console.log(/𠮷{2}/u.test('𠮷𠮷')) //true
console.log(/𠮷{2}/.test('𠮷𠮷')) //false 匹配不正确

另外，只有在使用u修饰符的情况下，Unicode表达式当中的大括号才会被正确解读，否则会被解读为量词。

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

上面代码中，由于正则表达式没有u修饰符，所以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。

/\u{20BB7}{2}/u.test('𠮷𠮷') // true

使用 u 修饰符之后 Unicode 表达式+量词也是可以的。

i修饰符

console.log(/[a-z]/iu.test('\u212A')) // true
console.log(/[a-z]/i.test('\u212A')) // false 虽然i是忽略大小写的，但是还是匹配不正确

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

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。

利用这一点，可以写出一个正确返回字符串长度的函数。

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

const s = '𠮷𠮷';

console.log(s.length) // 4
const reals = codePointLength(s)
console.log(reals) // 2

学习版图