JavaScript 之旅 (9)：RegExp 的 s (dotAll) flag

12th鐵人賽 ecmascript regexp javascript

Titangene

團隊好想工作室 v4.0

2020-09-24 17:51:00

2494 瀏覽

分享至

本篇介紹 ES2018 (ES9) 提供的 RegExp 的 s (dotAll) flag。

本篇會有很多特殊字元，但 IT 鐵人這裡無法顯示這些字元，所以內文會看到大量的「???」XDD

過去的問題

`.` 在 RegExp 中的限制

在 RegExp (regular expression，正規表達式，正規表示式) pattern 中，. (點) 可用來 match 單一的任何字元，但在 ECMAScript 有兩個例外：

. 與 astral (即非 BMP) 字元不 match
. 與 line terminator 字元不 match

`.` 與非 BMP 字元不 match

. 與 astral (即非 BMP) 字元不 match，像我們常見的 emoji 就是這種字元，以「」為例：

/^.$/.test('?');
// false

但這個問題可用 u ( unicode ) flag 來解決：

/^.$/u.test('?');
// true

註：對 ECMAScript 來說，BMP 字元就是一個字元為一個 code point，而其他非 BMP 的字元就是兩個字元，因為這些字元是兩個 code point，只要該字元是幾個 code point，就是 length 幾。例如：
'?'.length;
// 2

'\uD83D\uDE0E' === '?';
// true

`.` 與 line terminator 字元不 match

line terminator 字元不與 . match，常見的有 \n 和 \r：

/^.$/.test('\n');
// false

/^.$/.test('\r');
// false

下面是在 spec 中對 line terminator 的定義：

U+000A：LINE FEED (LF) ( \n )
U+000D：CARRIAGE RETURN (CR) ( \r )
U+2028：LINE SEPARATOR
U+2029：PARAGRAPH SEPARATOR

而下面在 spec 中對 white space 的定義：

U+0009：CHARACTER TABULATION
U+000B：LINE TABULATION ( \v )
U+000C：FORM FEED (FF) ( \f )
U+0020：SPACE
U+00A0：NO-BREAK SPACE
U+FEFF：ZERO WIDTH NO-BREAK SPACE
...

但有時會根據情況，會將一些字元視為換行字元，例如：

U+000B：LINE TABULATION ( \v )
U+000C：FORM FEED (FF) ( \f )
U+0085：NEXT LINE

這就會讓 RegExp pattern 中的 . 發生一些問題：

. 不包含某些 newline 字元
通常用於 match 任何字元，但實際上不能

例如：常見的 \n 不能被 . match：

/foo.bar/.test('foo\nbar');
// false

過去只能用一些特殊技巧來解決這個問題，例如：[\s\S] 或 [^]：

/foo[^]bar/.test('foo\nbar');
// true

/foo[\s\S]bar/.test('foo\nbar');
// true

註：在 ECMAScript spec 的定義中，RegExp pattern 中的 \s 不只 match white space，也可 match line terminator。
/\s/.test(' ');  // true
/\s/.test('\f');  // true

/\s/.test('\n');  // true
/\s/.test('\r');  // true