正則表達式之 Unicode 匹配特殊字符

更新時間：2015年09月29日 11:45:58 投稿：mrr

本篇文章由腳本之家小編給大家分享正則表達式巧用 Unicode關鍵字匹配特殊字符，感興趣的朋友一起學習吧

首先聲明，本文所有的代碼都是在 ES6 下面運行，ES5需要修改之后才能運行，但是本文沒有涉及到太多的ES6新特性，而且由于v8對u修飾符不支持，最后的實現(xiàn)也基本是用ES5的知識寫的代碼。

最初我只是想記錄下正則表達式用unicode的方式來匹配特殊字符，寫著寫著發(fā)現(xiàn) v8 對 u 修飾符的不支持，又轉而去研究怎么轉換字符串到utf-16的格式，在研究怎么轉換的過程中發(fā)現(xiàn)ES5的正則對 unicode 編碼單元 > 0x10000 的字符串不支持，再轉而去實現(xiàn)了一遍對大于 0x10000 的字符串的轉換，特此記錄。

之前有遇到過一個實用正則表達式匹配特殊字符的需求，例如一段文本 'ab*cd$你好我也好]\nseg$me*ntfault\nhello,world' ，用戶可以選擇用 * 或者 $ 來分割字符串。

在javascript中， $ 和 * 都是預定義的特殊字符，不能直接寫在正則表達式中，而需要轉義，寫成 /\$/ 或者 /\*/ 。

我們需要根據(jù)用戶的選擇來寫正則表達式，封裝成一個函數(shù)就是:

復制代碼代碼如下:

function reg(input) {

    return new RegExp(`\\${input}`)

}

這種寫法初看上去很美好，將字符都轉義之后遇到一些特殊的字符可以匹配，然而現(xiàn)實是殘酷的：當用戶輸入的是 n 或者 t 這一類的字符的話，返回的正則表達式為 /\n/ 或者 /\t/ ,匹配的就是所有的制表符，這就違背了用戶的初衷。

通常有一種寫法就是把所有需要轉義的特殊字符都列出來，然后再逐一匹配，這種寫法很耗費精力，而且可能因為沒有統(tǒng)計到的特殊字符而出現(xiàn)漏匹配的情況。

這個時候unicode就隆重登場了，在 JavaScript 中，我們也可以用unicode來表示一個字符，例如 'a' 可以寫成'\u{61}'， '你' 也可以寫成 '\u{4f60}'。

關于unicode的介紹大家可以看 Unicode與JavaScript詳解

ES5 中提供了 charCodeAt() 方法來返回指定索引處字符的 Unicode 數(shù)值，但是 Unicode 編碼單元 > 0x10000 的除外， ES2015 中又增加了一個新的方法 codePointAt() 可以返回大于 0x10000 字符串的數(shù)值。返回的數(shù)值是十進制的，此時我們還需要通過 toString(16) 轉成16進制。

封裝之后的函數(shù)如下

復制代碼代碼如下:

function toUnicode(s) {

    return `\\u{${s.codePointAt().toString(16)}}`

}

toUnicode('$') -> '\u{24}'

重新封裝reg函數(shù)為

復制代碼代碼如下:

function reg(input) {

    return new RegExp(`${toUnicode(input)}`, 'u')

}

其實寫到這里，我希望是對的，但是很不幸，V8 不支持 RegExp 的 u 修飾符。V8支持的話，寫到這里就應該結束了，沒關系，這里只是提供一種用unicode的方式來轉義特殊字符的思想。

雖然v8不支持u修飾符，作為一個有追求的碼農(nóng)，當然不能止步于此，我們也可以使用其他方法繼續(xù)把這個完善

function toUnicode(s) {
 var a = `\\u${utf(s.charCodeAt(0).toString(16))}`
 if(s.charCodeAt(1))
 a = `${a}\\u${utf(s.charCodeAt(1).toString(16))}` 
 return a  
}
function utf(s) {
 return Array.from('00').concat(Array.from(s)).slice(-4).join('')
}
// 這里用var而沒有用let聲明，是因為這些代碼直接復制到 chrome 的控制臺下就可以看到執(zhí)行結果
// 測試一下
// toUnicode('a')  --> "\u0061"
// toUnitcode('��') --> "\ud842\udfb7"
function reg(input) {
 return new RegExp(`${toUnicode(input)}`)
}
// 再測試一下
reg('$').test('$') --> true

以上內(nèi)容就是腳本之家小編給大家分享的正則表達式之 Unicode 匹配特殊字符

您可能感興趣的文章: