JavaScript 字串與規則表示式

如果有個字串，想根據某個字元或字串切割，可以使用 String 的 split 方法，它會傳回切割後各子字串組成的 Array 實例。例如在 Node.js 的 REPL 中可以如下：

> 'Justin,Monica,Irene'.split(',')
[ 'Justin', 'Monica', 'Irene' ]
> 'JustinOrzMonicaOrzIrene'.split('Orz')
[ 'Justin', 'Monica', 'Irene' ]
> 'Justin\tMonica\tIrene'.split('\t')
[ 'Justin', 'Monica', 'Irene' ]

規則表示式字面值

如果切割字串的依據不單只是某個字元或子字串，而是任意單一數字呢？String 的 split 方法接受規則表示式：

> 'Justin1Monica2Irene'.split(/\d/)
[ 'Justin', 'Monica', 'Irene' ]

在 JavaScript 中，/regex/ 是規則表示式字面值（Regular expression literal）寫法，實際上這會建立一個 RegExp 實例。

String 的 search 方法可以使用規則表示式，若找到第一個符合的字串，會傳回索引值，否則傳回 -1：

> 'your right brain has nothing "left" and your left has nothing "right"'.search(/(["'])[^"']*\1/)
29

String 的 replace 方法可以使用規則表示式，例如：

> 'xfooxxxxxxfoo'.replace(/.*?foo/, 'Orz')
'Orzxxxxxxfoo'

旗標設置

嗯？只取代了第一個？如果要全局取代的話，可以使用旗標 g，例如：

> 'xfooxxxxxxfoo'.replace(/.*?foo/g, 'Orz')
'OrzOrz'

JavaScript 中可以使用的旗標有五個：

i：忽略大小寫。
g：全局匹配。
m：允許對多行文字匹配。
y：ES6 特性，黏性匹配（sticky match），以 RegExp 實例的 lastIndex 值作為索引，從字串該索引後進行匹配。
u：ES6 特性，將 \u{...} 視為 Unicode 碼點來匹配。

ECMAScript 2018（ES9）有個 s 旗標，用來表示 dotAll，也就是 . 將會符合包含換行在內的全部字元。

底下是個黏性匹配的例子：

> const re = /.*?foo/y;
undefined
> re.lastIndex = 4;
4
> 'xfooxxxxxxfoo'.replace(re, 'Orz')
'xfooOrz'

底下是個 Unicode 碼點的例子：

> 'xyz林123'.replace(/\u6797/, 'Lin')
'xyzLin123'
> 'xyz林123'.replace(/\u{6797}/, 'Lin')
'xyz林123'
> 'xyz林123'.replace(/\u{6797}/u, 'Lin')
'xyzLin123'

旗標可以組合，例如想忽略大小寫、全局匹配的話，可以寫成 /regex/ig。

可以透過 RegExp 實例的 flags、global、ignoreCase、multiline、sticky、unicode 等特性，來得知被設定的旗標資訊。

分組設定

如果規則表示式中有分組設定，在使用 replace 時，可以使用 $num 來捕捉被分組匹配的文字，num 表示第幾個分組，或者是使用 $& 表示整個符合的字串。例如，以下示範如何將使用者郵件位址從 .com 取代為 .cc：

> 'caterpillar@openhome.com'.replace(/(^[a-zA-Z]+\d*)@([a-z]+?.)com/, '$1@$2cc')
'caterpillar@openhome.cc'

replace 的第二個參數也可以是個函式，該函式第一個參數會接受符合的字串，之後的參數會接受分組捕捉到的字串，倒數第二個參數會是符合的字串在原始字串中的偏移值，最後一個參數是原始字串，函式的傳回值會是 replace 的傳回值。

例如，上頭的例子，也可以改用函式：

> 'caterpillar@openhome.com'.replace(/(^[a-zA-Z]+\d*)@([a-z]+?.)com/, (match, g1, g2) => `${g1}@${g2}cc`)
'caterpillar@openhome.cc'

String 的 match 可以指定規則表示式，如果有符合的字串，它會傳回一個陣列（否則傳回 null），第一個位置（索引 0）是符合的字串，而各分組捕捉到的值，逐一放在後續索引處。

如果分組使用了 (?:...) 就不會捕捉，傳回的陣列中也就不會有該分組的值。

> '0970-666888'.match(/(\d{4})-(\d{6})/);
[ '0970-666888', '0970', '666888', index: 0, input: '0970-666888' ]
> '0970-666888'.match(/(?:\d{4})-(?:\d{6})/);
[ '0970-666888', index: 0, input: '0970-666888' ]
> '0970-666888'.match(/(?:(\d{4})-(\d{6}))/);
[ '0970-666888', '0970', '666888', index: 0, input: '0970-666888' ]

如果加上了全域旗標，那麼 match 傳回的陣列，會是符合表示式的值，不會有分組的部份：

> '0970-666888, 0970-168168'.match(/((\d{4})-(\d{6}))/g);
[ '0970-666888', '0970-168168' ]