一次性搞懂JavaScript正则表达式之方法

2,249 阅读9分钟

本文是『horseshoe·Regex专题』系列文章之一,后续会有更多专题推出

GitHub地址:github.com/veedrin/hor…

博客地址 (文章排版真的很漂亮) :matiji.cn

如果觉得对你有帮助,欢迎来GitHub点Star或者来我的博客亲口告诉我

俗话说:有好米还要有好锅。正则表达式要真正发挥作用,要倚仗一些操作正则的方法。

咱们来看看JavaScript中都有哪些操作正则的方法。

RegExp

RegExp是正则表达式的构造函数。

使用构造函数创建正则表达式有多种写法:

new RegExp('abc');
// /abc/
new RegExp('abc', 'gi');
// /abc/gi
new RegExp(/abc/gi);
// /abc/gi
new RegExp(/abc/m, 'gi');
// /abc/gi

它接受两个参数:第一个参数是匹配模式,可以是字符串也可以是正则表达式;第二个参数是修饰符。

如果第一个参数的正则表达式定义了修饰符,第二个参数又有值,则以第二个参数定义的修饰符为准,这是ES2015的新特性。

使用构造函数一般用于需要动态构造正则表达式的场景,性能不如字面量写法。

我们来看看它的实例属性:

  • lastIndex属性。它的作用是全局匹配时标记下一次匹配开始的位置,全局匹配的抓手就是它。
  • source属性。它的作用是存储正则模式的主体。比如/abc/gi中的abc
  • 对应的修饰符属性。目前有globalignoreCasemultilinestickydotAllunicode属性,返回布尔值表明是否开启对应修饰符。
  • flags属性。返回所有的修饰符。

match

match是String实例方法。

它的作用是根据参数返回匹配结果,取名match也是非常恰当了。

它接受一个正则表达式作为唯一参数。

可是字符串也可以作为参数怎么解释?

'abc'.match('b');
// ["b", index: 1, input: "abc", groups: undefined]

这是因为match方法内部会隐式的调用new RegExp()将其转换成一个正则实例。

match方法的返回值可以分为三种情况。

匹配失败

没什么可说的,返回null

非全局匹配

返回一个数组。

数组的第一项是匹配结果。如果不传参则匹配结果为空字符串。

'abc'.match();
// ["", index: 0, input: "abc", groups: undefined]

如果正则参数中有捕获组,捕获的结果在数组中从第二项开始依次排列。有捕获组但是没有捕获内容则显示undefined

'@abc2018'.match(/@([a-z]+)([A-Z]+)?/);
// ["@abc", "abc", undefined, index: 0, input: "@abc2018", groups: undefined]

数组有一个index属性,标明匹配结果在文本中的起始位置。

数组有一个input属性,显示源文本。

数组有一个groups属性,它存储的不是捕获组的信息,而是捕获命名的信息。

'@abc2018'.match(/@(?<lowerCase>[a-z]+)(?<upperCase>[A-Z]+)?/);
// ["@abc", "abc", undefined, index: 0, input: "@abc2018", groups: { lowerCase: "abc", upperCase: undefined }]

全局匹配

返回一个数组。

捕获的若干结果在数组中依次排列。因为要返回所有匹配的结果,其他的信息,包括捕获组和若干属性就无法列出了。

'abc&mno&xyz'.match(/[a-z]+/g);
// ["abc", "mno", "xyz"]

replace

replace是String实例方法。

它的作用是将给定字符串替换匹配结果,并返回新的替换后的文本。源文本不会改变。

它接受两个参数。

第一个参数可以是字符串或者正则表达式,它的作用是匹配。

参数是字符串和参数是正则表达式的区别在于:正则表达式的表达能力更强,而且可以全局匹配。因此参数是字符串的话只能进行一次替换。

'abc-xyz-abc'.replace('abc', 'biu');
// "biu-xyz-abc"
'abc-xyz-abc'.replace(/abc/, 'biu');
// "biu-xyz-abc"
'abc-xyz-abc'.replace(/abc/g, 'biu');
// "biu-xyz-biu"

第二个参数可以是字符串或者函数,它的作用是替换。

第二个参数是字符串

replace方法为第二个参数是字符串的方式提供了一些特殊的变量,能满足一般需求。

$数字代表相应顺序的捕获组。注意,虽然它是一个变量,但是不要写成模板字符串`${$1}biu`,replace内部逻辑会自动解析字符串,提取出变量。

'@abc-xyz-$abc'.replace(/([^-]+)abc/g, '$1biu');
// "@biu-xyz-$biu"

$&代表匹配结果。

'@abc-xyz-$abc'.replace(/([^-]+)abc/g, '{$&}');
// "{@abc}-xyz-{$abc}"

$`代表匹配结果左边的文本。

'@abc-xyz-$abc'.replace(/([^-]+)abc/g, '{$`}');
// "{}-xyz-{@abc-xyz-}"

$'代表匹配结果右边的文本。

'@abc-xyz-$abc'.replace(/([^-]+)abc/g, "{$'}");
// "{-xyz-$abc}-xyz-{}"

有些时候我要的是变量的符号本身,而不是它的变量值,怎么办?加一个$转义一下。

'@abc-xyz-$abc'.replace(/([^-]+)abc/g, '?1biu');
// "$1biu-xyz-$1biu"
'@abc-xyz-$abc'.replace(/([^-]+)abc/g, '$biu');
// "$biu-xyz-$biu"
'@abc-xyz-$abc'.replace(/([^-]+)abc/g, '?biu');
// "$biu-xyz-$biu"

在不会造成误会的场景,一个$和两个$的效果都是一个$,因为另一个充当转义符号。会造成误会的场景,那就必须加$转义了。

第二个参数是函数

字符串的变量毕竟只能引用,无法操作。与之相对,函数的表达能力就强多了。

函数的返回值就是要替换的内容。函数如果没有返回值,默认返回undefined,所以替换内容就是undefined

函数的第一个参数,是匹配结果。

'abc-xyz-abc'.replace(/abc/g, (match) => `{${match}}`);
// "{abc}-xyz-{abc}"
'abc-xyz-abc'.replace(/abc/g, (match) => {});
// "undefined-xyz-undefined"

如果有捕获组,函数的后顺位参数与捕获组一一对应。

'@abc3-xyz-$abc5'.replace(/([^-]+)abc(\d+)/g, (match, $1, $2) => `{${$1}${match}${$2}}`);
// "{@@abc33}-xyz-{?abc55}"

倒数第二个参数是匹配结果在文本中的位置。

'@abc-xyz-$abc'.replace(/([^-]+)abc/g, (match, $1, index) => `{${match}是位置是${index}}`);
// "{@abc是位置是0}-xyz-{$abc是位置是9}"

倒数第一个参数是源文本。

'abc-xyz'.replace(/abc/g, (match, index, string) => `{{${match}}属于{${string}}}`);
// "{{abc}属于{abc-xyz}}-xyz"

replace方法最常用的地方是转义HTML标签。

'<p>hello regex</p>'.replace(/</g, '&lt;').replace(/>/g, '&gt;');
// "&lt;p&gt;hello regex&lt;/p&gt;"

search

search是String实例方法。

它的作用是找出首次匹配项的索引。它的功能较单一,性能也更好。

它接受一个正则表达式作为唯一参数。与match一样,如果传入一个非正则表达式,它会调用new RegExp()将其转换成一个正则实例。

'abc-xyz-abc'.search(/xyz/);
// 4
'abc-xyz-abc'.search(/xyz/g);
// 4
'abc-xyz-abc'.search(/mno/);
// -1
'abc-xyz-abc'.search();
// 0
'abc-xyz-abc'.search(/abc/);
// 0

因为只能返回首次匹配的位置,所以全局匹配对它无效。

如果匹配失败,返回-1

split

split是String实例方法。

它的作用是根据传入的分隔符切割源文本。它返回一个由被切割单元组成的数组。

它接受两个参数。第一个参数可以是字符串或者正则表达式,它是分隔符;第二个参数可选,限制返回数组的最大长度。

'abc-def_mno+xyz'.split();
// ["abc-def_mno+xyz"]
'abc-def_mno+xyz'.split('-_+');
// ["abc-def_mno+xyz"]
'abc-def_mno+xyz'.split('');
// ["a", "b", "c", "-", "d", "e", "f", "_", "m", "n", "o", "+", "x", "y", "z"]
'abc-def_mno+xyz'.split(/[-_+]/);
// ["abc", "def", "mno", "xyz"]
'abc-def_mno+xyz'.split(/[-_+]/g);
// ["abc", "def", "mno", "xyz"]
'abc-def_mno+xyz'.split(/[-_+]/, 3);
// ["abc", "def", "mno"]
'abc-def_mno+xyz'.split(/[-_+]/, 5);
// ["abc", "def", "mno", "xyz"]

如果第一个参数传入的是空字符串,则会切割每一个字符串。

另外,因为split方法中的正则是用来匹配分隔符,所以全局匹配没有意义。

exec

exec是RegExp实例方法。

它的作用是根据参数返回匹配结果,与字符串方法match相似。

/xyz/.exec('abc-xyz-abc');
// ["xyz", index: 4, input: "abc-xyz-abc", groups: undefined]
/mno/.exec('abc-xyz-abc');
// null
/xyz/.exec();
// null

小小的区别在于参数为空的情况:exec直接返回null;match返回一个空字符串数组。原因也很好理解,有鱼没有网,最坏也就是没有收成;有网没有鱼,那可是连奔头都没有了。

它们俩最大的区别在于全局匹配的场景。

全局匹配就意味着多次匹配,RegExp实例有一个lastIndex属性,每匹配一次,这个属性就会更新为下一次匹配开始的位置。exec就是根据这个属性来实现全局匹配的。

const reg = /abc/g;
reg.lastIndex
// 0
reg.exec('abc-xyz-abc');
// ["abc", index: 0, input: "abc-xyz-abc", groups: undefined]
reg.lastIndex
// 3
reg.exec('abc-xyz-abc');
// ["abc", index: 8, input: "abc-xyz-abc", groups: undefined]
reg.lastIndex
// 11
reg.exec('abc-xyz-abc');
// null
reg.lastIndex
// 0
reg.exec('abc-xyz-abc');
// ["abc", index: 0, input: "abc-xyz-abc", groups: undefined]

如果有多个匹配结果,多次执行就能获得所有的匹配结果。所以exec一般用在循环语句中。

有两点需要特别注意:

  • 因为lastIndex会不断更新,最终又会归于0,所以这个匹配过程是可以无限重复的。
  • lastIndex属性是属于正则实例的。只有同一个实例的lastIndex才会不断更新。

知道第二点意味着什么吗?

/abc/g.exec('abc-xyz-abc');
// ["abc", index: 0, input: "abc-xyz-abc", groups: undefined]
/abc/g.exec('abc-xyz-abc');
// ["abc", index: 0, input: "abc-xyz-abc", groups: undefined]
/abc/g.exec('abc-xyz-abc');
// ["abc", index: 0, input: "abc-xyz-abc", groups: undefined]
// ...

如果不把正则提取出来,获得它的引用,exec方法就一直在原地打转,因为每次都是一个新的正则实例,每次lastIndex都要从0开始。

test

test是RegExp实例方法。

它的作用是找出源文本是否有匹配项,与字符串方法search相似。多用于表单验证中。

/abc/.test('abc-xyz-abc');
// true
/mno/.test('abc-xyz-abc');
// false
/abc/.test();
// false

test方法与search方法的区别主要体现在两点:

  • search方法返回的是索引,test方法只返回布尔值。
  • 因为是正则实例方法,全局匹配时也会更新正则实例的lastIndex属性,所以也可以多次执行。
const reg = /abc/g;
reg.lastIndex
// 0
reg.test('abc-xyz-abc');
// true
reg.lastIndex
// 3
reg.test('abc-xyz-abc');
// true
reg.lastIndex
// 11
reg.test('abc-xyz-abc');
// false
reg.lastIndex
// 0
reg.test('abc-xyz-abc');
// true

修改字符串方法的底层实现

我们也看到了,一部分处理正则的方法定义在String实例上,一部分处理正则的方法定义在RegExp实例上。为了将处理正则的方法全部统一到RegExp实例上,ES2015修改了部分字符串方法的底层实现。

具体来说,ES2015为RegExp实例新增了四个方法,字符串方法matchreplacesearchsplit内部调用已经改成了相应的RegExp实例方法。

RegExp.prototype[Symbol.match]
RegExp.prototype[Symbol.replace]
RegExp.prototype[Symbol.search]
RegExp.prototype[Symbol.split]

Symbol.match是什么?Symbol是新增的一种基础数据类型,它有11个内置的值,指向语言内部使用的方法。

RegExp.prototype[Symbol.match]在使用上和match相比,调用者和参数翻转一下就可以了。

'abc-mno-xyz'.match(/mno/);
// ["mno", index: 4, input: "abc-mno-xyz", groups: undefined]
/mno/[Symbol.match]('abc-mno-xyz');
// ["mno", index: 4, input: "abc-mno-xyz", groups: undefined]

本文是『horseshoe·Regex专题』系列文章之一,后续会有更多专题推出

GitHub地址:github.com/veedrin/hor…

博客地址 (文章排版真的很漂亮) :matiji.cn

如果觉得对你有帮助,欢迎来GitHub点Star或者来我的博客亲口告诉我

Regex专题一览

👉 语法

👉 方法

👉 引擎