正则表达式是我们做数据匹配的时候常用的一种工具,虽然正则表达式的语法并不复杂,但是如果多种语法组合起来会给人一种无从下手的感觉。
于是正则表达式成了程序员的噩梦。今天我们来看一下如何在ES9中玩转正则表达式。
Numbered capture groups我们知道正则表达式可以分组,分组是用括号来表示的,如果想要获取到分组的值,那么就叫做capture groups。
通常来说,我们是通过序号来访问capture groups的,这叫做Numbered capture groups。
举个例子:
const RE_DATE = /([0-9]{4})-([0-9]{2})-([0-9]{2})/; const matchObj = RE_DATE.exec('1999-12-31'); const year = matchObj[1]; // 1999 const month = matchObj[2]; // 12 const day = matchObj[3]; // 31上面的正则表达式要匹配年月日,然后通过exec方法,返回match的数组。这个数组存储的是匹配的groups信息。
因为我们有三个括号,所以可以匹配三个group。然后通过1,2,3来访问特定的group。
我们把上面的matchObj输出看一下其中的内容:
[ '1999-12-31', '1999', '12', '31', index: 0, input: '1999-12-31', groups: undefined ]可以看到matchObj是一个数组,index 0存储的是要匹配的字符串。这里我们看到matchObj还有一个groups是undefined,这个groups就是命名groups。
Named capture groups上面讲到了numbered capture groups是通过序列号来访问到匹配的数据。但是匹配到的group是没有名字的。
我们看下怎么才能够给这些groups起个名字:
const RE_DATE = /(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{2})/; const matchObj = RE_DATE.exec('1999-12-31'); const year = matchObj.groups.year; // 1999 const month = matchObj.groups.month; // 12 const day = matchObj.groups.day; // 31看下matchObj的内容:
[ '1999-12-31', '1999', '12', '31', index: 0, input: '1999-12-31', groups: [Object: null prototype] { year: '1999', month: '12', day: '31' } ]可以看到,这次多了groups的信息。
如果要匹配我们之前匹配过的group信息,则可以使用numbered groups的 \k 或者 named groups的 \k.
我们看一个例子:
const RE_TWICE = /^(?<word>[a-z]+)!\k<word>$/; RE_TWICE.test('abc!abc'); // true RE_TWICE.test('abc!ab'); // false const RE_TWICE = /^(?<word>[a-z]+)!\1$/; RE_TWICE.test('abc!abc'); // true RE_TWICE.test('abc!ab'); // false两种语法都可以使用。
Named capture groups还可以和replace一起使用。
有了group name,我们可以直接在replace中使用group name来做引用:
const RE_DATE = /(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{2})/; console.log('1999-12-31'.replace(RE_DATE, '$<month>/$<day>/$<year>')); // 12/31/1999replace的第二个参数还可以是一个函数,函数的参数就是我们group出来的一些内容:
const RE_DATE = /(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{2})/; console.log('1999-12-31'.replace( RE_DATE, (g0,y,m,d,offset,input, {year, month, day}) => // (A) month+'http://www.likecs.com/'+day+'http://www.likecs.com/'+year)); // 12/31/1999上面的例子中,g0 = 1999-12-31 表示匹配的子字符串。 y, m, d 匹配的是numbered groups 1,2,3。
input 是整个的输入。{year, month, day} 匹配的是named groups。
RegExp中Unicode属性的转义在Unicode标准中,每一个字符都有属性,简单点说属性就是用来描述这个字符的。
比如说General_Category表示的是字符的分类: x: General_Category = Lowercase_Letter
White_Space表示的是空格,tabs和换行: \t: White_Space = True
Age表示的是该字符什么时候被加入到Unicode中等等。
这些属性还有对应的缩写: Lowercase_Letter = Ll , Currency_Symbol = Sc 等等。
举个例子,比如说我们想匹配空格。传统做法是这样做的:
> /^\s+$/.test('\t \n\r') true前面是正则表达式,然后使用一个test方法来匹配字符串,最终得到的true。
刚刚讲到了unicode的属性,我们也可以用属性来匹配:
> /^\p{White_Space}+$/u.test('\t \n\r') true属性匹配使用的是\p, 后面跟的是属性值。
注意,我们还要在正则表达式后面加上u,以表示使用的是Unicode属性转义。
lookaround assertionlookaround assertion可以被翻译为环视断言,它是正则表达式中的一种结构,用来判断要匹配的对象的前后环境是什么样的。
有两种lookaround assertion,一种是Lookahead一种是Lookbehind。
我们先看一下Lookahead的使用:
const RE_AS_BS = /aa(?=bb)/; const match1 = RE_AS_BS.exec('aabb'); console.log(match1[0]); // 'aa' const match2 = RE_AS_BS.exec('aab'); console.log(match2); // nulllookahead就是向前查看,上面我们使用的是(?=bb) 来向前匹配bb。
注意,虽然正则表达式匹配上了aabb,但是match中并不包含bb。
结果是第一个匹配上了,第二个没有匹配。