10.1. Определение регулярных выражений Регулярное выражение – это объект, описывающий символьный шаблон. Класс
RegExp в JavaScript представляет регулярные выражения, а объекты классов
String и RegExp определяют методы, использующие регулярные выражения для
выполнения поиска по шаблону и операций поиска в тексте с заменой.
Грамматика регулярных выражений в языке JavaScript содержит достаточно полное
подмножество синтаксиса регулярных выражений, используемого в языке Perl 5,
поэтому, если вы имеете опыт работы с языком Perl, то вы без труда сможете
описывать шаблоны в программах на языке JavaScript.
(В число особенностей регулярных выражений языка Perl, которые не
поддерживаются в ECMAScript, входят флаги s (однострочный режим) и х (расширенный синтаксис);
управляющие последовательности \a, \e, \l, \u, \L, \U, \E, \Q, \A, \Z, \z и \G; якорь (?<=
позитивной ретроспективной проверки и якорь (?<! негативной ретроспективной
проверки; комментарии (?# и другие расширенные конструкции, начинающиеся с (? .
Эта глава начинается с определения синтаксиса, посредством которого в
регулярных выражениях описываются текстовые шаблоны. Затем мы перейдем к
описанию тех методов классов String и RegExp, которые используют регулярные
выражения.
10.1. Определение регулярных выражений В JavaScript регулярные выражения представлены объектами RegExp. Объекты
RegExp могут быть созданы посредством конструктора RegExp(), но чаще они
создаются с помощью специального синтаксиса литералов. Так же как строковые
литералы задаются в виде символов, заключенных в кавычки, литералы
регулярных выражений задаются в виде символов, заключенных в пару символов слэша
(/). Таким образом, JavaScript-код может содержать строки, похожие на эту:
var pattern = /s$/;
Эта строка создает новый объект RegExp и присваивает его переменной pattern.
Данный объект RegExp ищет любые строки, заканчивающиеся символом «s». Это
же регулярное выражение может быть определено с помощью конструктора
RegExp():
var pattern = new RegExp("s$");
Спецификация шаблона регулярного выражения состоит из последовательности
символов. Большая часть символов, включая все алфавитно-цифровые,
буквально описывают символы, которые должны присутствовать. То есть регулярное
выражение /Java/ совпадает со всеми строками, содержащими подстроку «Java».
Другие символы в регулярных выражениях не предназначены для поиска их
точных эквивалентов, а имеют особое значение. Например, регулярное выражение
/s$/ содержит два символа. Первый символ, s, обозначает поиск буквального
символа. Второй, $, – это специальный метасимвол, обозначающий конец строки.
Таким образом, это регулярное выражение соответствует любой строке,
заканчивающейся символом s.
В следующих разделах описаны различные символы и метасимволы, используемые в регулярных выражениях в языке JavaScript.
| Литералы RegExp и создание объектов |
|---|
Литералы простых типов, таких как строки и числа, интерпретируются
как одни и те же значения, где бы они ни встретились в программе.
Литералы объектов (или инициализаторы), такие как {} и [], каждый раз создают
новые объекты. Если поместить инструкцию var а = [ ] в тело цикла,
например, в каждой итерации цикла будет создаваться новый пустой массив.
Литералы регулярных выражений – особый случай. Спецификация ЕСМАScript 3
утверждает, что литерал RegExp преобразуется в объект RegExp в
ходе синтаксического анализа программного кода и каждый раз, когда
интерпретатор встречает литерал RegExp, он возвращает один и тот же объект.
Спецификация ECMAScript 5 изменила это положение вещей и требует,
чтобы всякий раз, когда в программе встречается литерал RegExp,
возвращался бы новый объект. Реализация в броузере IE всегда соответствовала
поведению, соответствующему ECMAScript 5, и большинство современных
броузеров также перешли на новую реализацию, раньше, чем полностью
реализовали новый стандарт. |
10.1.1. Символы литералов Как отмечалось ранее, все алфавитные символы и цифры в регулярных
выражениях соответствуют сами себе. Синтаксис регулярных выражений в JavaScript
также поддерживает возможность указывать некоторые неалфавитные символы
с помощью управляющих последовательностей, начинающихся с символа
обратного слэша (\). Например, последовательность \n соответствует символу перевода
строки. Эти символы перечислены в табл. 10.1.
| Character | Matches |
|---|---|
| Alphanumeric character | Itself |
| \0 | The NUL character (\u0000) |
| \t | Tab (\u0009) |
| \n | Newline (\u000A) |
| \v | Vertical tab (\u000B) |
| \f | Form feed (\u000C) |
| \r | Carriage return (\u000D) |
| \xnn | The Latin character specified by the hexadecimal number nn; for example, \x0A is the same as \n |
| \uxxxx | The Unicode character specified by the hexadecimal number xxxx; for example, \u0009 is the same as \t |
| \cX | The control character ^ X; for example, \cJ is equivalent to the newline character \n |
| Символ | Соответствие |
|---|---|
| Алфавитно-цифровые символы | Соответствуют сами себе |
| \0 | Символ NUL (\u0000) |
| \t | Табуляция (\u0009) |
| \n | Перевод строки (\u000A) |
| \v | Вертикальная табуляция (\u000B) |
| \f | Перевод страницы (\u000C) |
| \r | Возврат каретки (\u000D) |
| \xnn | Символ из набора Latin, задаваемый шестнадцатеричным числом nn; например, \x0A это то же самое, что \n |
| \uxxxx | Unicode-символ, заданный шестнадцатеричным числом xxxx; fнапример, \u0009 – это то же самое, что \t |
| \cX | Управляющий символ ^ X; например, последовательность \cJ эквивалентна символу перевода строки \n |
Некоторые знаки препинания имеют в регулярных выражениях особый смысл:
^ $ . * + ? = ! : | \ / ( ) [ ] { }
Значение этих символов раскрывается в последующих разделах. Некоторые из них имеют специальный смысл только в определенных контекстах регулярных выражений, а в других контекстах трактуются буквально. Однако, как правило, чтобы включить какой-либо из этих символов в регулярное выражение буквально, необходимо поместить перед ним символ обратного слэша. Другие символы, такие как кавычки и @, не имеют специального значения и просто соответствуют в регулярных выражениях самим себе.
Если вы не можете точно вспомнить, каким из символов должен предшествовать символ \, можете спокойно помещать обратный слэш перед любым из символов. Однако имейте в виду, что многие буквы и цифры вместе с символом слэша обретают специальное значение, поэтому тем буквам и цифрам, которые вы ищете буквально, не должен предшествовать символ \. Чтобы включить в регулярное выражение сам символ обратного слэша, перед ним, очевидно, следует поместить другой символ обратного слэша. Например, следующее регулярное выражение соответствует любой строке, содержащей символ обратного слэша: code>/\\/<.
10.1.2. Классы символов Отдельные символы литералов могут объединяться в классы символов путем
помещения их в квадратные скобки. Класс символов соответствует любому
символу, содержащемуся в этом классе. Следовательно, регулярное выражение /[abc]/
соответствует одному из символов a, b или c. Могут также определяться классы
символов с отрицанием, соответствующие любому символу, кроме тех, которые
указаны в скобках. Класс символов с отрицанием задается символом (^) в качестве
первого символа, следующего за левой скобкой. Регулярное выражение /[^abc]/
соответствует любому символу, отличному a, b или c. В классах символов
диапазон символов может задаваться при помощи дефиса. Поиск всех символов
латинского алфавита в нижнем регистре осуществляется посредством выражения
/[a-z]/, а любую букву или цифру из набора символов Latin можно найти при
помощи выражения /[a-zA-Z0-9]/.
\s соответствует
символам пробела, табуляции и любым пробельным символам из набора Unicode, a \S –
любым символам, не являющимся пробельными символами из набора Unicode.
В табл. 10.2 приводится перечень этих спецсимволов и синтаксиса классов
символов. (Обратите внимание, что некоторые из управляющих последовательностей
классов символов соответствуют только ASCII-символам и не расширены для
работы с Unicode-символами. Можно явно определить собственные классы Unicode-
символов, например, выражение /[\u0400-\u04FF]/ соответствует любому символу
кириллицы.) Table 10-2. Regular expression character classes
| Character | Matches |
|---|---|
| [...] | Any one character between the brackets. |
| [^...] | Any one character not between the brackets. |
| . | Any character except newline or another Unicode line terminator. |
| \w | Any ASCII word character. Equivalent to [a-zA-Z0-9_]. |
| \W | Any character that is not an ASCII word character. Equivalent to [^a-zA-Z0-9_]. |
| \s | Any Unicode whitespace character. |
| \S | Any character that is not Unicode whitespace. Note that \w and \S are not the same thing. |
| \d | Any ASCII digit. Equivalent to [0-9]. |
| \D | Any character other than an ASCII digit. Equivalent to [^0-9]. |
| [\b] | A literal backspace (special case). |
| Символ | Соответствие |
|---|---|
| [...] | Любой из символов, указанных в скобках |
| [^...] | Любой из символов, указанных в скобках |
| . | Любой символ, кроме перевода строки или другого разделителя Unicode-строки |
| \w | Любой текстовый ASCII-символ. Эквивалентно [a-zA-Z0-9_]. |
| \W | Любой символ, не являющийся текстовым ASCII-символом. Эквивалентно [^a-zA-Z0-9_]. |
| \s | Любой пробельный символ из набора Unicode. |
| \S | Любой непробельный символ из набора Unicode. Обратите внимание, что символы \w and \S – это не одно и то же. |
| \d | Любые ASCII-цифры. Эквивалентно [0-9]. |
| \D | Любой символ, отличный от ASCII-цифр. Эквивалентно [^0-9]. |
| [\b] | Литерал символа «забой» (особый случай). |
\s соответствует любому
пробельному символу, a \d соответствует любой цифре, следовательно, /[\s\d]/
соответствует любому пробельному символу или цифре. Обратите внимание на
особый случай. Как мы увидим позже, последовательность \b имеет особый смысл.
Однако когда она используется в классе символов, то обозначает символ «забой».
Поэтому, чтобы обозначить символ «забой» в регулярном выражении буквально,
используйте класс символов с одним элементом: /[\b]/.
10.1.3. Повторение Имея знания синтаксиса регулярных выражений, полученные к настоящему
моменту, мы можем описать число из двух цифр как /\d\d/ или из четырех цифр как
/\d\d\d\d/, но не сможем, например, описать число, состоящее из любого
количества цифр, или строку из трех букв, за которыми следует необязательная цифра.
Эти более сложные шаблоны используют синтаксис регулярных выражений,
указывающий, сколько раз может повторяться данный элемент регулярного
выражения.
Символы, обозначающие повторение, всегда следуют за шаблоном, к которому они применяются. Некоторые виды повторений используются довольно часто, и для обозначения этих случаев имеются специальные символы. Например, + соответствует одному или нескольким экземплярам предыдущего шаблона. В табл. 10.3 приведена сводка синтаксиса повторений.
Table 10-3. Regular expression repetition characters
| Character | Meaning |
|---|---|
| { n , m } | Match the previous item at least n times but no more than m times. |
| { n ,} | Match the previous item n or more times. |
| { n } | Match exactly n occurrences of the previous item. |
| ? | Match zero or one occurrences of the previous item. That is, the previous item is optional. Equivalent to {0,1}. |
| + | Match one or more occurrences of the previous item. Equivalent to {1,}. |
| * | Match zero or more occurrences of the previous item. Equivalent to {0,}. |
| Символ | Значение |
|---|---|
| { n , m } | Соответствует предшествующему шаблону, повторенному не менее n и не более m раз. |
| { n ,} | Соответствует предшествующему шаблону, повторенному n или более раз. |
| { n } | Соответствует в точности n экземплярам предшествующего шаблона |
| ? | Соответствует нулю или одному экземпляру предшествующего шаблона; предшествующий шаблон является необязательным. Эквивалентно {0,1} |
| + | Соответствует одному или более экземплярам предшествующего шаблона. Эквивалентно {1,} |
| * | Соответствует нулю или более экземплярам предшествующего шаблона. Эквивалентно {0,} |
Следующие строки демонстрируют несколько примеров:
Будьте внимательны при использовании символов повторения * и ?. Они могут
соответствовать отсутствию указанного перед ними шаблона и, следовательно,
отсутствию символов. Например, регулярному выражению /a*/ соответствует
строка «bbbb», поскольку в ней нет символа a!
Символы повторения, перечисленные в табл. 10.3, соответствуют максимально
возможному количеству повторений, при котором обеспечивается поиск
последующих частей регулярного выражения. Мы говорим, что это – «жадное»
повторение. Имеется также возможность реализовать повторение, выполняемое
«нежадным» способом. Достаточно указать после символа (или символов) повторения
вопросительный знак: ??, +?, *?, или даже {1,5}?. Например, регулярное выражение
/a+/ соответствует одному или более экземплярам буквы а. Примененное к строке
«aaa», оно соответствует всем трем буквам. С другой стороны, выражение /a+?/
соответствует одному или более экземплярам буквы а и выбирает наименее
возможное число символов. Примененный к той же строке, этот шаблон
соответствует только первой букве a
«Нежадное» повторение не всегда дает ожидаемый результат. Рассмотрим
шаблон /a+b/, соответствующий одному или более символам a, за которыми следует
символ b. Применительно к строке «aaab» ему соответствует вся строка. Теперь
проверим «нежадную» версию /a+?b/. Можно было бы подумать, что она должна
соответствовать символу b, перед которым стоит только один символ a. В случае
применения к той же строке «aaab» можно было бы ожидать, что она совпадет
с единственным символом a и последним символом b. Однако на самом деле этому
шаблону соответствует вся строка, как и в случае «жадной» версии. Дело в том,
что поиск по шаблону регулярного выражения выполняется путем нахождения
первой позиции в строке, начиная с которой соответствие становится
возможным. Так как соответствие возможно, начиная с первого символа строки, более
короткие соответствия, начинающиеся с последующих символов, даже не
рассматриваются.
10.1.4. Альтернативы, группировка и ссылки Грамматика регулярных выражений включает специальные символы
определения альтернатив, подвыражений группировки и ссылок на предыдущие
подвыражения. Символ вертикальной черты | служит для разделения альтернатив.
Например, /ab|cd|ef/ соответствует либо строке «ab», либо строке «cd», либо строке
«ef», а шаблон /\d{3}|[a-z]{4}/ – либо трем цифрам, либо четырем строчным буквам.
Обратите внимание, что альтернативы обрабатываются слева направо до тех пор,
пока не будет найдено соответствие. При обнаружении совпадения с левой
альтернативой правая игнорируется, даже если можно добиться «лучшего»
соответствия. Поэтому, когда к строке «ab» применяется шаблон /a|ab/, он будет
соответствовать только первому символу.
Круглые скобки имеют в регулярных выражениях несколько значений. Одно из
них – группировка отдельных элементов в одно подвыражение, так что элементы
при использовании специальных символов |, *, +, ? и других рассматриваются
как одно целое. Например, шаблон /java(script)?/ соответствует слову «java», за
которым следует необязательное слово «script», a /(ab|cd)+|ef/ соответствует
либо строке «ef», либо одному или более повторений одной из строк «ab» или «cd».
Другим применением скобок в регулярных выражениях является определение
подшаблонов внутри шаблона. Когда в целевой строке найдено совпадение с
регулярным выражением, можно извлечь часть целевой строки, соответствующую
любому конкретному подшаблону, заключенному в скобки. (Мы увидим, как
получить эти подстроки, далее в этой главе.) Предположим, что требуется отыскать
одну или более букв в нижнем регистре, за которыми следует одна или несколько
цифр. Для этого можно воспользоваться шаблоном /[a-z]+\d+/. Но предположим
также, что нам нужны только цифры в конце каждого соответствия. Если
поместить эту часть шаблона в круглые скобки (/[a-z]+(\d+)/), то можно будет извлечь
цифры из любых найденных нами соответствий. Как это делается, будет описано
ниже.
С этим связано еще одно применение подвыражений в скобках, позволяющее
ссылаться на подвыражения из предыдущей части того же регулярного
выражения. Это достигается путем указания одной или нескольких цифр после символа \.
Цифры ссылаются на позицию подвыражения в скобках внутри
регулярного выражения. Например, \1 ссылается на первое подвыражение, а \3 – на третье.
Обратите внимание, что подвыражения могут быть вложены одно в другое,
поэтому при подсчете используется позиция левой скобки. Например, в следующем
регулярном выражении ссылка на вложенное подвыражение ([Ss]cript) будет
выглядеть как \2:
/([Jj]ava([Ss]cript)?)\sis\s(fun\w*)/
Ссылка на предыдущее подвыражение указывает не на шаблон этого подвыражения, а на найденный текст, соответствующий этому шаблону. Поэтому ссылки могут использоваться для наложения ограничения, выбирающего части строки, содержащие точно такие же символы. Например, следующее регулярное выражение соответствует нулю или более символам внутри одинарных или двойных кавычек; однако оно не требует, чтобы открывающие и закрывающие кавычки соответствовали друг другу (т. е. чтобы обе кавычки были одинарными или двойными):
/['"][^'"]*['"]/
Соответствия кавычек мы можем потребовать посредством такой ссылки:
/(['"])[^'"]*\1/
Здесь \1 соответствует совпадению с первым подвыражением. В этом примере
ссылка налагает ограничение, требующее, чтобы закрывающая кавычка
соответствовала открывающей. Это регулярное выражение не допускает присутствия
одинарных кавычек внутри двойных, и наоборот. Недопустимо помещать ссылки
внутрь классов символов, т. е. мы не можем написать:
/(['"])[^\1]*\1/
Далее в этой главе мы увидим, что этот вид ссылок на подвыражения представляет собой мощное средство использования регулярных выражений в операциях поиска с заменой.
Возможна также группировка элементов в регулярном выражении без создания нумерованной ссылки на эти элементы. Вместо простой группировки элементов между ( и ) начните группу с символов (?: и закончите ее символом ). Рассмотрим, например, следующий шаблон:
/([Jj]ava(?:[Ss]cript)?)\sis\s(fun\w*)/
Здесь подвыражение (?:[Ss]cript) необходимо только для группировки, чтобы
к группе мог быть применен символ повторения ?. Эти модифицированные
скобки не создают ссылку, поэтому в данном регулярном выражении \2 даст ссылку на
текст, соответствующий шаблону (fun\w*).
В табл. 10.4 приводится перечень операторов выбора из альтернатив, группировки и ссылки в регулярных выражениях.
Table 10-4. Regular expression alternation, grouping, and reference characters
| Character | Meaning | | | Alternation. Match either the subexpression to the left or the subexpression to the right. | (...) | Grouping. Group items into a single unit that can be used with *, +, ?, |, and so on. Also remember the characters that match this group for use with later references. | (?:...) | Grouping only. Group items into a single unit, but do not remember the characters that match this group. | \ n | Match the same characters that were matched when group number n was first matched. Groups are subexpressions within (possibly nested) parentheses. Group numbers |
|---|
| Символ | Значение | | | Альтернатива. Соответствует либо подвыражению слева, либо подвыражению справа. | (...) | Группировка. Группирует элементы в единое целое, которое может использоваться с символами *, +, ?, | и т. п. Также запоминает символы, соответствующие этой группе для использования в последующих ссылках. | (?:...) | Только группировка. Группирует элементы в единое целое, но не запоминает символы, соответствующие этой группе. | \ n | Соответствует тем же символам, которые были найдены при сопоставлении
с группой с номером n. Группы – это подвыражения внутри скобок (возможно,
вложенных). Номера группам присваиваются путем подсчета левых скобок
слева направо. Группы, сформированные с помощью символов (?:, не нумеруются. |
|---|
10.1.5. Указание позиции соответствия Как описывалось ранее, многие элементы регулярного выражения
соответствуют одному символу в строке. Например, \s соответствует одному пробельному
символу. Другие элементы регулярных выражений соответствуют позициям
между символами, а не самим символам. Например, \b соответствует границе
слова – границе между \w (текстовый ASCII-символ) и \W (нетекстовый символ) или
границе между текстовым ASCII-символом и началом или концом строки.
\b соответствует символу
«забой». )
Такие элементы, как \b, не определяют какие-либо символы, которые должны
присутствовать в найденной строке, однако они определяют допустимые позиции для
проверки соответствия. Иногда эти элементы называются якорными
элементами регулярных выражений, потому что они закрепляют шаблон за определенной
позицией в строке. Чаще других используются такие якорные элементы, как ^
и $, привязывающие шаблоны соответственно к началу и концу строки.
Например, слово «JavaScript», находящееся на отдельной строке, можно найти
с помощью регулярного выражения //^JavaScript$/. Чтобы найти отдельное слово
«Java» (а не префикс, например в слове «JavaScript»), можно попробовать
применить шаблон /\sJava\s/, который требует наличия пробела
до и после слова. Но
такое решение порождает две проблемы. Во-первых, оно найдет слово «Java»,
только если оно окружено пробелами с обеих сторон, и не сможет найти его в
начале или в конце строки. Во-вторых, когда этот шаблон действительно найдет
соответствие, возвращаемая им строка будет содержать ведущие и замыкающие
пробелы, а это не совсем то, что нам нужно. Поэтому вместо шаблона,
совпадающего с пробельными символами \s, мы воспользуемся шаблоном (или якорем),
совпадающим с границами слова \b. Получится следующее выражение: /\bJava\b/.
Якорный элемент \B соответствует позиции, не являющейся границей слова.
То есть шаблону /\B[Ss]cript/ будут соответствовать слова «JavaScript» и
«postscript» и не будут соответствовать слова «script» или «Scripting».
В качестве якорных условий могут также выступать произвольные регулярные"
выражения. Если поместить выражение между символами (?= и ), оно
превратится в опережающую проверку на совпадение с последующими символами,
требующую, чтобы эти символы соответствовали указанному шаблону, но не
включались в строку соответствия. Например, чтобы найти совпадение с названием
распространенного языка программирования, за которым следует двоеточие, можно
воспользоваться выражением
/[Jj]ava([Ss]cript)?(?=\:)/Этому шаблону соответствует слово «JavaScript» в строке «JavaScript: The Definitive Guide», но ему не будет соответствовать слово «Java» в строке «Java in a Nutshell», потому что за ним не следует двоеточие.
Если же ввести условие (?!, то это будет негативная опережающая проверка на
последующие символы, требующая, чтобы следующие символы не
соответствовали указанному шаблону. Например, шаблону
/Java(?!Script)([A-Z]\w*)/соответствует подстрока «Java», за которой следует заглавная буква и любое количество текстовых ASCII-символов при условии, что за подстрокой «Java» не следует подстрока «Script». Он совпадет со строкой «JavaBeans», но не совпадет со строкой «Javanese», совпадет со строкой «JavaScrip», но не совпадет со строками «JavaScript» или «JavaScripter».
В табл. 10.5 приводится перечень якорных символов регулярных выражений.
Table 10-5. Regular-expression anchor characters
| Character | Meaning | ^ | Match the beginning of the string and, in multiline searches, the beginning of a line. | $ | Match the end of the string and, in multiline searches, the end of a line. | \b | Match a word boundary. That is, match the position between a \w character and a \W character or between a character and the beginning or end of a string. (Note, however, that [\b] matches backspace. | \B | Match a position that is not a word boundary. | (?= p ) | A positive lookahead assertion. Require that the following characters match the pattern p, but do not include those characters in the match. | (?! p ) | A negative lookahead assertion. Require that the following characters do not match the pattern p. |
|---|
| Символ | Значение | ^ | Соответствует началу строкового выражения или началу строки при многострочном поиске. | $ | Соответствует концу строкового выражения или концу строки при многострочном поиске. | \b | Соответствует границе слова, т. е. соответствует позиции между символом \w и символом \W или между символом \w и началом или концом строки. (Однако обратите внимание, что [\b] соответствует символу забоя.) | \B | Соответствует позиции, не являющейся границей слов. | (?= p ) | Позитивная опережающая проверка на последующие символы. Требует, чтобы последующие символы соответствовали шаблону p, но не включает эти символы в найденную строку. | (?! p ) | Негативная опережающая проверка на последующие символы. Требует, чтобы следующие символы не соответствовали шаблону p. |
|---|
10.1.6. Флаги И еще один, последний элемент грамматики регулярных выражений. Флаги
регулярных выражений задают высокоуровневые правила соответствия шаблонам.
В отличие от остальной грамматики регулярных выражений, флаги
указываются не между символами слэша, а после второго из них. В языке JavaScript
поддерживается три флага. Флаг i указывает, что поиск по шаблону должен быть
нечувствителен к регистру символов, а флаг g – что поиск должен быть глобальным,
т. е. должны быть найдены все соответствия в строке. Флаг m выполняет поиск по
шаблону в многострочном режиме. Если строковое выражение, в котором
выполняется поиск, содержит символы перевода строк, то в этом режиме якорные
символы ^ и $, помимо того, что они соответствуют началу и концу всего строкового
выражения, также соответствуют началу и концу каждой текстовой строки.
Например, шаблону /java$/im соответствует как слово «java», так и «Java\nis fun».
Эти флаги могут объединяться в любые комбинации. Например, чтобы
выполнить поиск первого вхождения слова «Java» (или «Java», «JAVA» и т. д.) без учета
регистра символов, можно воспользоваться нечувствительным к регистру
регулярным выражением /\bjava\b/i. А чтобы найти все вхождения этого слова в
строке, можно добавить флаг g: /\bjava\b/gi.
В табл. 10.6 приводится перечень флагов регулярных выражений. Заметим, что
флаг g более подробно рассматривается далее в этой главе вместе с методами
классов String и RegExp, используемых для фактической реализации поиска.
Table 10-6. Regular-expression flags
| Character | Meaning | i | Perform case-insensitive matching. | g | Perform a global match—that is, find all matches rather than stopping after the first match. | m | Multiline mode. ^ matches beginning of line or beginning of string, and $ matches end of line or end of string. |
|---|
| Символ | Значение | i | Выполняет поиск, нечувствительный к регистру. | g | Выполняет глобальный поиск, т. е. находит все соответствия, а не останавливается после первого из них. | m | Многострочный режим. ^ соответствует началу строки или началу всего строкового выражения, а $ – концу строки или всего выражения. |
|---|
10.2. Методы класса String для поиска по шаблону До этого момента мы обсуждали грамматику создаваемых регулярных
выражений, но не рассматривали, как эти регулярные выражения могут фактически
использоваться в JavaScript–сценариях. В данном разделе мы обсудим методы
объекта String, в которых регулярные выражения применяются для поиска по
шаблону, а также для поиска с заменой. А затем продолжим разговор о поиске по
шаблону с регулярными выражениями, рассмотрев объект RegExp, его методы
и свойства. Обратите внимание, что последующее обсуждение – лишь обзор
различных методов и свойств, относящихся к регулярным выражениям. Как
обычно, полное описание можно найти в третьей части книги.
Класс Strings поддерживает четыре метода, использующие регулярные выражения.
Простейший из них – метод search(). Он принимает в качестве аргумента
регулярное выражение и возвращает либо позицию первого символа найденной
подстроки, либо -1, если соответствие не найдено. Например, следующий вызов вернет 4:
Если аргумент метода search() не является регулярным выражением, он сначала
преобразуется путем передачи конструктору RegExp. Метод search() не
поддерживает глобальный поиск и игнорирует флаг g в своем аргументе.
Метод replace() выполняет операцию поиска с заменой. Он принимает в качестве
первого аргумента регулярное выражение, а в качестве второго – строку замены.
Метод отыскивает в строке, для которой он вызван, соответствие указанному
шаблону. Если регулярное выражение содержит флаг g, метод replace() заменяет
все найденные совпадения строкой замены. В противном случае он заменяет только первое
найденное совпадение. Если первый аргумент метода replace() является
строкой, а не регулярным выражением, то метод выполняет буквальный поиск
строки, а не преобразует его в регулярное выражение с помощью конструктора
RegExp(), как это делает метод search(). В качестве примера мы можем
воспользоваться методом replace() для единообразной расстановки прописных букв в слове
«JavaScript» для всей строки текста:
Метод replace() представляет собой более мощное средство, чем можно было бы
предположить по этому примеру. Напомню, что подвыражения в скобках,
находящиеся внутри регулярного выражения, нумеруются слева направо, и что
регулярное выражение запоминает текст, соответствующий каждому из
подвыражений. Если в строке замены присутствует знак $ с цифрой, метод replace()
заменяет эти два символа текстом, соответствующим указанному подвыражению. Это
очень полезная возможность. Мы можем использовать ее, например, для замены
прямых кавычек в строке типографскими кавычками, которые имитируются
ASCII-символами:
Метод replace() предоставляет и другие ценные возможности, о которых
рассказывается в третьей части книги, в справке к методу String.replace() . Самое
важное, что следует отметить, – второй аргумент replace() может быть функцией,
динамически вычисляющей строку замены.
Метод match() – это наиболее общий из методов класса String, использующих
регулярные выражения. Он принимает в качестве единственного аргумента
регулярное выражение (или преобразует свой аргумент в регулярное выражение,
передав его конструктору replace()) и возвращает массив, содержащий результаты
поиска. Если в регулярном выражении установлен флаг g, метод возвращает
массив всех соответствий, присутствующих в строке. Например:
Если регулярное выражение не содержит флаг g, метод match() не выполняет
глобальный поиск; он просто ищет первое совпадение. Однако match() возвращает
массив, даже когда метод не выполняет глобальный поиск. В этом случае первый
элемент массива – это найденная подстрока, а все оставшиеся элементы
представляют собой подвыражения регулярного выражения. Поэтому если match()
возвращает массив a, то a[ 0 ] будет содержать найденную строку целиком, а[1] –
подстроку, соответствующую первому подвыражению, и т. д. Проводя параллель
с методом гер1асе() , можно сказать, что в a[ n ] заносится содержимое $n.
Следует отметить, что для регулярного выражения, в котором не установлен
флаг g глобального поиска, метод match() возвращает то же значение, что и метод
ехес() регулярного выражения: возвращаемый массив имеет свойства index
и input, как описывается в обсуждении метода ехес() ниже.
Последний из методов объекта String, в котором используются регулярные
выражения, – split(). Этот метод разбивает строку, для которой он вызван, на массив
подстрок, используя аргумент в качестве разделителя. Например:
Метод split() может также принимать в качестве аргумента регулярное
выражение. Это делает метод более мощным. Например, можно указать разделитель,
допускающий произвольное число пробельных символов с обеих сторон:
Метод split() имеет и другие возможности. Полное описание приведено в третьей
части книги при описании метода String.split().
10.3. Объект RegExp Как было упомянуто в начале этой главы, регулярные выражения представлены
в виде объектов RegExp. Помимо конструктора RegExp(), объекты RegExp
поддерживают три метода и несколько свойств. Методы поиска и свойства класса RegExp
описаны в следующих двух подразделах.
Конструктор RegExp() принимает один или два строковых аргумента и создает
новый объект RegExp. Первый аргумент конструктора – это строка, содержащая
тело регулярного выражения, т. е. текст, который должен находиться между
символами слэша в литерале регулярного выражения. Обратите внимание, что
в строковых литералах и регулярных выражениях для обозначения
управляющих последовательностей используется символ \, поэтому, передавая
конструктору RegExp() регулярное выражение в виде строкового литерала, необходимо
заменить каждый символ \ парой символов \\. Второй аргумент RegExp() может
отсутствовать. Если он указан, то определяет флаги регулярного выражения. Это
должен быть один из символов g, i, m либо комбинация этих символов. Например:
// Находит все пятизначные числа в строке. Обратите внимание на использование в этом примере символов \\.
var zipcode = new RegExp("\\d{5}", "g");
Конструктор RegExp() удобно использовать, когда регулярное выражение
создается динамически и поэтому не может быть представлено с помощью синтаксиса
литералов регулярных выражений. Например, чтобы найти строку, введенную,
пользователем, надо создать регулярное выражение во время выполнения с
помощью RegExp().
Каждый объект RegExp имеет пять свойств. Свойство source – строка, доступная
только для чтения, содержащая текст регулярного выражения. Свойство global –
логическое значение, доступное только для чтения, определяющее наличие
флага g в регулярном выражении. Свойство ignoreCase – это логическое значение,
доступное только для чтения, определяющее наличие флага i в регулярном
выражении. Свойство multiline – это логическое значение, доступное только для чтения,
определяющее наличие флага m в регулярном выражении. И последнее свойство
lastIndex, – это целое число, доступное для чтения и записи. Для шаблонов с
флагом g это свойство содержит номер позиции в строке, с которой должен быть начат
следующий поиск. Как описано ниже, оно используется методами ехес() и test().
10.3.2. Методы RegExp Объекты RegExp определяют два метода, выполняющие поиск по шаблону; они
ведут себя аналогично методам класса String, описанным выше. Основной метод
класса RegExp, используемый для поиска по шаблону, – ехес(). Он похож на
упоминавшийся метод match() класса String, за исключением того, что является
методом класса RegExp, принимающим в качестве аргумента строку, а не методом
класса String, принимающим аргумент RegExp. Метод ехес() выполняет
регулярное выражение для указанной строки, т. е. ищет совпадение в строке. Если
совпадение не найдено, метод возвращает null. Однако если соответствие найдено, он
возвращает такой же массив, как массив, возвращаемый методом match() для
поиска без флага g. Нулевой элемент массива содержит строку, соответствующую
регулярному выражению, а все последующие элементы – подстроки,
соответствующие всем подвыражениям. Кроме того, свойство index содержит номер
позиции символа, которым начинается соответствующий фрагмент, а свойство input
ссылается на строку, в которой выполнялся поиск.
Например:
В отличие от match(), метод ехес() возвращает массив, структура которого не
зависит от наличия в регулярном выражении флага g. Напомню, что при передаче
глобального регулярного выражения метод match() возвращает массив найденных
соответствий. A ехес() всегда возвращает одно соответствие, но предоставляет
о нем полную информацию. Когда ехес() вызывается для регулярного
выражения, содержащего флаг g, метод устанавливает свойство lastIndex объекта
регулярного выражения равным номеру позиции символа, следующего
непосредственно за найденной подстрокой. Когда метод ехес() вызывается для того же
регулярного выражения второй раз, он начинает поиск с символа, позиция которого
указана в свойстве lastIndex. Если ехес() не находит соответствия, свойство
lastIndex получает значение 0. (Вы также можете установить lastIndex в ноль в любой
момент, что следует делать во всех тех случаях, когда поиск завершается до того,
как будет найдено последнее соответствие в одной строке, и начинается поиск
в другой строке с тем же объектом RegExp.) Это особое поведение позволяет вызывать
ехес() повторно для перебора всех соответствий регулярному выражению
в строке. Например:
Вызвать alert() можно двойным щелчком на этом абзаце.
Еще один метод объектаRegExp – test(), который намного проще метода ехес(). Он
принимает строку и возвращает true, если строка соответствует регулярному
выражению:
Вызов test() эквивалентен вызову ехес(), возвращающему true, ехес()
возвращает не null. По этой причине метод test() ведет себя так же, как метод ехес() при
вызове для глобального регулярного выражения: он начинает искать указанную
строку с позиции, заданной свойством lastIndex, и если находит соответствие,
устанавливает свойство lastIndex равным номеру позиции символа,
непосредственно следующего за найденным соответствием. Поэтому с помощью метода test()
можно так же сформировать цикл обхода строки, как с помощью метода ехес().
Методы search(), replace() и match() класса String не используют свойство lastIndex,
в отличие от методов ехес() и test(). На самом деле методы класса String просто
сбрасывают lastIndex в 0. Если метод ехес() или test() использовать с шаблоном,
в котором установлен флаг g, и выполнить поиск в нескольких строках, то мы
должны либо найти все соответствия в каждой строке, чтобы свойство lastIndex
автоматически сбросилось в ноль (это происходит, когда последний поиск
оказывается неудачным), либо явно установить свойство lastIndex равным нулю. Если
этого не сделать, поиск в новой строке может начаться с некоторой произвольной
позиции, а не с начала. Если регулярное выражение не включает флаг g, то вам не
придется беспокоиться об этом. Имейте также в виду, что в ECMAScript 5, когда
интерпретатор встречает литерал регулярного выражения, он создает новый
объект RegExp, со своим собственным свойством lastIndex, что снижает риск
использования «левого» значения lastIndex по ошибке.