RegExp構造函數(shù)

在ES5中，RegExp構造函數(shù)的參數(shù)有兩種情況。

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

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

第二種情況是，參數(shù)是一個正則表示式，這時會返回一個原有正則表達式的拷貝。

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

但是，ES5不允許此時使用第二個參數(shù)，添加修飾符，否則會報錯。

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構造函數(shù)第一個參數(shù)是一個正則對象，那么可以使用第二個參數(shù)指定修飾符。而且，返回的正則表達式會忽略原有的正則表達式的修飾符，只使用新指定的修飾符。

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

上面代碼中，原有正則對象的修飾符是ig，它會被第二個參數(shù)i覆蓋。

字符串的正則方法

字符串對象共有4個方法，可以使用正則表達式：match()、replace()、search()和split()。

ES6將這4個方法，在語言內(nèi)部全部調(diào)用RegExp的實例方法，從而做到所有與正則相關的方法，全都定義在RegExp對象上。

• 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對正則表達式添加了u修飾符，含義為“Unicode模式”，用來正確處理大于\uFFFF的Unicode字符。也就是說，會正確處理四個字節(jié)的UTF-16編碼。

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

上面代碼中，\uD83D\uDC2A是一個四個字節(jié)的UTF-16編碼，代表一個字符。但是，ES5不支持四個字節(jié)的UTF-16編碼，會將其識別為兩個字符，導致第二行代碼結果為true。加了u修飾符以后，ES6就會識別其為一個字符，所以第一行代碼結果為false。

一旦加上u修飾符號，就會修改下面這些正則表達式的行為。

（1）點字符

點（.）字符在正則表達式中，含義是除了換行符以外的任意單個字符。對于碼點大于0xFFFF的Unicode字符，點字符不能識別，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，正則表達式就會認為字符串為兩個字符，從而匹配失敗。

（2）Unicode字符表示法

ES6新增了使用大括號表示Unicode字符，這種表示法在正則表達式中必須加上u修飾符，才能識別。

/\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，正則表達式無法識別\u{61}這種表示法，只會認為這匹配61個連續(xù)的u。

（3）量詞

使用u修飾符后，所有量詞都會正確識別碼點大于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表達式當中的大括號才會被正確解讀，否則會被解讀為量詞。

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

上面代碼中，由于正則表達式?jīng)]有u修飾符，所以大括號被解讀為量詞。加上u修飾符，就會被解讀為Unicode表達式。

（4）預定義模式

u修飾符也影響到預定義模式，能否正確識別碼點大于0xFFFF的Unicode字符。

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

上面代碼的\S是預定義模式，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大于0xFFFF的Unicode字符。

利用這一點，可以寫出一個正確返回字符串長度的函數(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，就無法識別非規(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位置開始。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位置開始，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

上面代碼有兩個正則表達式，一個使用g修飾符，另一個使用y修飾符。這兩個正則表達式各執(zhí)行了兩次，第一次執(zhí)行的時候，兩者行為相同，剩余字符串都是_aa_a。由于g修飾沒有位置要求，所以第二次執(zhí)行會返回結果，而y修飾符要求匹配必須從頭部開始，所以返回null。

如果改一下正則表達式，保證每次都能頭部匹配，y修飾符就會返回結果了。

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始。

使用lastIndex屬性，可以更好地說明y修飾符。

const REGEX = /a/g;

// 指定從2號位置（y）開始匹配
REGEX.lastIndex = 2;

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

// 在3號位置匹配成功
match.index // 3

// 下一次匹配從4號位開始
REGEX.lastIndex // 4

// 4號位開始匹配失敗
REGEX.exec('xaxa') // null

上面代碼中，lastIndex屬性指定每次搜索的開始位置，g修飾符從這個位置開始向后搜索，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號位置開始匹配
REGEX.lastIndex = 2;

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

// 指定從3號位置開始匹配
REGEX.lastIndex = 3;

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

進一步說，y修飾符號隱含了頭部匹配的標志^。

/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修飾符的設計本意，就是讓頭部匹配的標志^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頭。這也意味著，只要匹配成功，數(shù)組的第一個成員肯定是空字符串。

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

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

后續(xù)的分隔符只有緊跟前面的分隔符，才會被識別。

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

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

下面是字符串對象的replace方法的例子。

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

上面代碼中，最后一個a因為不是出現(xiàn)下一次匹配的頭部，所以不會被替換。

單單一個y修飾符對match方法，只能返回第一個匹配，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修飾符的一個應用，是從字符串提取token（詞元），y修飾符確保了匹配之間不會有漏掉的字符。

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，如果字符串里面沒有非法字符，y修飾符與g修飾符的提取結果是一樣的。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修飾符會忽略非法字符，而y修飾符不會，這樣就很容易發(fā)現(xiàn)錯誤。

sticky屬性

與y修飾符相匹配，ES6的正則對象多了sticky屬性，表示是否設置了y修飾符。

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

flags屬性

ES6為正則表達式新增了flags屬性，會返回正則表達式的修飾符。

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

// ES6的flags屬性
// 返回正則表達式的修飾符
/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是一個正常字符串，必須使用反斜杠對其中的特殊字符轉(zhuǎn)義，才能用來作為一個正則匹配的模式。

已經(jīng)有提議將這個需求標準化，作為RegExp對象的靜態(tài)方法RegExp.escape()，放入ES7。2015年7月31日，TC39認為，這個方法有安全風險，又不愿這個方法變得過于復雜，沒有同意將其列入ES7，但這不失為一個真實的需求。

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實現(xiàn)。

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

后行斷言

JavaScript語言的正則表達式，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”experimental JavaScript features“開關（地址欄鍵入about:flags），就可以使用這項功能。

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

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

上面兩個字符串，如果互換正則表達式，就會匹配失敗。另外，還可以看到，”先行斷言“括號之中的部分（(?=%)），是不計入返回結果的。

"后行斷言"正好與"先行斷言"相反，x只有在y后面才匹配，必須寫成/(?<=y)x/。比如，只匹配美元符號之后的數(shù)字，要寫成/(?<=\$)\d+/。”后行否定斷言“則與”先行否定斷言“相反，x只有不在y后面才匹配，必須寫成/(?<!y)x/。比如，只匹配不在美元符號后面的數(shù)字，要寫成/(?<!\$)\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"的括號之中的部分（(?<=\$)），也是不計入返回結果。

"后行斷言"的實現(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，導致了一些不符合預期的行為。

首先，”后行斷言“的組匹配，與正常情況下結果是不一樣的。

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

上面代碼中，需要捕捉兩個組匹配。沒有"后行斷言"時，第一個括號是貪婪模式，第二個括號只能捕獲一個字符，所以結果是105和3。而"后行斷言"時，由于執(zhí)行順序是從右到左，第二個括號是貪婪模式，第一個括號只能捕獲一個字符，所以結果是1和053。

其次，"后行斷言"的反斜杠引用，也與通常的順序相反，必須放在對應的那個括號之前。

/(?<=(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）放在括號的后面，就不會得到匹配結果，必須放在前面才可以。