Javascript 集合和范圍 [...]

在方括號 ?[…]? 中的幾個字符或者字符類表示“搜索給定字符中的任意一個”。

集合

例如，[eao] 表示以下 3 個字符中的任何一個：'a'、'e' 或 'o' 。

這就是所謂的 集合。在正則表達式中，可以將集合和常規(guī)字符一起使用。

// 查找 [t 或 m]，然后匹配 "op"
alert( "Mop top".match(/[tm]op/gi) ); // "Mop", "top"

請注意，雖然集合中有多個字符，但它們在匹配中只會對應(yīng)其中的一個。

所以在下面的示例中并沒有匹配項：

// 查找 "V"，然后匹配 [o 或 i]，之后匹配 "la"
alert( "Voila".match(/V[oi]la/) ); // null，無匹配項

這個模式會搜索：

• ?V?，
• 然后匹配其中的 一個字符 ?[oi]?，
• 然后匹配 ?la?。

所以可以匹配上 Vola 或者 Vila。

范圍

方括號也可以包含 字符范圍。

例如，[a-z] 表示從 a 到 z 范圍內(nèi)的字符，[0-5] 表示從 0 到 5 的數(shù)字。

在下面的示例中，我們將搜索首先是 "x"，然后有兩位數(shù)或兩個在 A 到 F 范圍內(nèi)的字符緊隨其后的字符串。

alert( "Exception 0xAF".match(/x[0-9A-F][0-9A-F]/g) ); // xAF

[0-9A-F] 中有兩個范圍：它搜索一個字符，該字符要么是在 0 到 9 范圍內(nèi)的數(shù)字，要么是從 A 到 F 的字母。

如果我們還想查找小寫字母，則可以添加范圍 a-f：[0-9A-Fa-f]?；蛱砑訕?biāo)志 i。

我們也可以在 […] 中使用字符類。

例如，如果我們想查找單詞字符 \w 或連字符 -，則集合可以寫為 [\w-]。

也可以組合多個類，例如 [\s\d] 表示“空格字符或數(shù)字”。

字符類是某些字符集合的簡寫

例如：

• \d —— 和 [0-9] 相同，
• \w —— 和 [a-zA-Z0-9_] 相同，
• \s —— 和 [\t\n\v\f\r ] 外加少量罕見的 Unicode 空格字符相同。

示例：多語言 \w

由于字符類 \w 是簡寫的 [a-zA-Z0-9_]，因此無法找到中文象形文字，西里爾字母等。

我們可以編寫一個更通用的模式，該模式可以查找任何語言中的單詞字符。借助 Unicode 屬性很容易實現(xiàn)：[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]。

讓我們理解一下。類似于 \w，我們正在制作一組屬于我們自己的包含具有以下 Unicode 屬性的字符：

• Alphabetic (Alpha) —— 字母，
• Mark (M) —— 音調(diào)，
• Decimal_Number (Nd) —— 數(shù)字，
• Connector_Punctuation (Pc) —— 下劃線 '_' 和類似的字符，
• Join_Control (Join_C) —— 兩個特殊代碼 200c 和 200d，用于連字，例如阿拉伯語。

使用示例：

let regexp = /[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]/gu;

let str = `Hi 你好 12`;

// 找出所有字母和數(shù)字：
alert( str.match(regexp) ); // H,i,你,好,1,2

當(dāng)然，我們可以編輯這個模式：添加 Unicode 屬性或刪除它們。Unicode：修飾符 "u" 和類 \p{...} 一文更詳細地介紹了 Unicode 屬性。

IE 瀏覽器不支持 Unicode 屬性

IE 瀏覽器未實現(xiàn) Unicode 屬性 p{...}。如果我們真的需要它們，可以使用庫 XRegExp。

或者只是使用我們感興趣的語言中的字符范圍，例如西里爾字母范圍 [а-я]。

排除范圍

除了普通的范圍匹配，還有像這樣 [^…] 的“排除”范圍匹配。

通過在開頭添加插入符號 ^ 來表示匹配所有 除了給定的字符 之外的任意字符。

例如：

• [^aeyo] —— 匹配除了 'a'、'e'、'y' 或 'o' 之外的任何字符。
• [^0-9] —— 匹配除了數(shù)字之外的任何字符，與 \D 作用相同。
• [^\s] —— 匹配任何非空格字符，與 \S 作用相同。

下面的示例搜索除了字母、數(shù)字和空格之外的任何字符：

alert( "alice15@gmail.com".match(/[^\d\sA-Z]/gi) ); // @ and .

[…] 中的轉(zhuǎn)義

通常當(dāng)我們想要準(zhǔn)確地找到一個特殊字符時，我們需要像 \. 這樣對其進行轉(zhuǎn)義。如果我們需要反斜杠，那么我們需要使用 \\，等等。

在方括號，我們可以使用絕大多數(shù)特殊字符而無需轉(zhuǎn)義：

• 符號 . + ( ) 無需轉(zhuǎn)義。
• 在開頭或結(jié)尾（未定義范圍）的連字符 - 不會被轉(zhuǎn)義。
• 插入符號 ^ 僅在開頭會被轉(zhuǎn)義（表示排除）。
• 右方括號 ] 總是會被轉(zhuǎn)義（如果我們需要尋找那個符號）。

換句話說，除了在方括號中有特殊含義的字符外，其它所有特殊字符都是允許不轉(zhuǎn)義的。

方括號中的點 . 表示的就是一個點。模式 [.,] 將會搜索字符之一：點或逗號。

在下面的示例中，正則表達式 [-().^+] 查找 -().^+ 中的任何字符：

// 不需要轉(zhuǎn)義
let reg = /[-().^+]/g;

alert( "1 + 2 - 3".match(reg) ); // 匹配 +，-

……但是如果你為了“以防萬一”轉(zhuǎn)義了它們，這也不會有任何問題：

// 轉(zhuǎn)義其中的所有字符
let reg = /[\-\(\)\.\^\+]/g;

alert( "1 + 2 - 3".match(reg) ); // 仍能正常工作：+，-

范圍和修飾符 “u”

如果集合中有代理對（surrogate pairs），則需要標(biāo)志 u 才能使它們正常工作。

例如，讓我們在字符串  中查找 []：

alert( ''.match(/[]/) ); // 顯示了一個奇怪的字符，像 [?]
//（搜索執(zhí)行不正確，返回了半個字符）

結(jié)果不正確，因為默認情況下正則表達式“不知道”代理對。

正則表達式引擎認為 [] —— 不是兩個字符，而是四個字符：

1. 的左半部分 (1)，
2. 的右半部分 (2)，
3. 的左半部分 (3)，
4. 的右半部分 (4)。

我們可以看到它們的編碼，如下所示：

for(let i=0; i<''.length; i++) {
  alert(''.charCodeAt(i)); // 55349, 56499, 55349, 56500
};

因此，上面的示例查找并顯示了  的左半部分。

如果我們添加了修飾符 u，那么行為就正常了：

alert( ''.match(/[]/u) ); // 

當(dāng)我們查找范圍時也會出現(xiàn)類似的情況，就像 [-]。

如果我們忘記添加修飾符 u，則會出現(xiàn)錯誤：

''.match(/[-]/); // Error: Invalid regular expression

因為，沒有修飾符 u 時，代理對將被視為兩個字符，所以 [-] 被理解為 [<55349><56499>-<55349><56500>]（每個代理對都替換為其代碼）?，F(xiàn)在很容易看出范圍 56499-55349 是無效的：其起始代碼 56499 大于終止代碼 55349。這就是錯誤的原因。

帶有修飾符 u 時，該模式就可以正常匹配了：

// 查找從  到  的字符
alert( ''.match(/[-]/u) ); // 

任務(wù)

Java[^script]

我們有一個正則表達式 /Java[^script]/。

它會和字符串 Java 中的任何一部分匹配嗎？JavaScript 呢？

解決方案

·答案：不會，會。

• 不會。在字符串 Java 中，它不會匹配任何內(nèi)容，因為 [^script] 表示“除了給定的字符之外的任何字符”。因此，這個正則表達式會查找 "Java" 后面是否有匹配這個規(guī)則的字符，但是這已經(jīng)是整個字符串的結(jié)尾了，后面沒有任何字符。

  alert( "Java".match(/Java[^script]/) ); // null

• 會。因為 [^script] 部分匹配到了字符 "S"。它不是 script。由于正則表達式區(qū)分大小寫（沒有 i 修飾符），因此它將 "S" 視為與 "s" 不同的字符。

  alert( "JavaScript".match(/Java[^script]/) ); // "JavaS"

找到 hh:mm 或者 hh-mm 格式的時間

時間可以通過 hours:minutes 或 hours-minutes 格式來表示。小時和分鐘都有兩位數(shù)：09:00 或 21-30。

寫一個正則表達式來找到它們：

let regexp = /your regexp/g;
alert( "Breakfast at 09:00. Dinner at 21-30".match(regexp) ); // 09:00, 21-30

P.S. 在這個任務(wù)中，我們假設(shè)時間總是正確的，不需要過濾像 “45:67” 這樣錯誤的時間字符串。稍后我們也會處理這個問題。

解決方案

答案：\d\d[-:]\d\d。

let regexp = /\d\d[-:]\d\d/g;
alert( "Breakfast at 09:00. Dinner at 21-30".match(regexp) ); // 09:00, 21-30

請注意，破折號 '-' 在方括號中有特殊含義，但只有當(dāng)它位于其它字符之間而不是開頭或結(jié)尾時這個含義才會起作用，所以我們不需要對其進行轉(zhuǎn)義。