Regular expressions

Mô tả

Regular expressions là một khái niệm quan trọng trong lý thuyết ngôn ngữ hình thức. Chúng là cách mô tả một tập hợp có thể vô hạn các chuỗi ký tự (gọi là một ngôn ngữ). Về cơ bản, một regular expression cần các tính năng sau:

• Một tập hợp ký tự có thể sử dụng trong ngôn ngữ, gọi là bảng chữ cái.
• Nối chuỗi: ab có nghĩa là "ký tự a theo sau là ký tự b".
• Hợp: a|b có nghĩa là "a hoặc b".
• Kleene star: a* có nghĩa là "không hoặc nhiều ký tự a".

Giả sử một bảng chữ cái hữu hạn (chẳng hạn như 26 chữ cái của bảng chữ cái tiếng Anh, hoặc toàn bộ bộ ký tự Unicode), tất cả các ngôn ngữ chính quy có thể được tạo ra bởi các tính năng trên. Tất nhiên, nhiều pattern rất tẻ nhạt khi biểu diễn theo cách này (chẳng hạn như "10 chữ số" hoặc "một ký tự không phải dấu cách"), vì vậy JavaScript regular expressions bao gồm nhiều cú pháp rút gọn, được giới thiệu bên dưới.

Tạo regular expressions

Một regular expression thường được tạo dưới dạng literal bằng cách bao quanh một pattern trong các dấu gạch chéo (/):

const regex1 = /ab+c/g;

Regular expressions cũng có thể được tạo với constructor RegExp():

const regex2 = new RegExp("ab+c", "g");

Chúng không có sự khác biệt về thời gian chạy, mặc dù chúng có thể có ảnh hưởng đến hiệu suất, khả năng phân tích tĩnh, và các vấn đề ergonomic khi soạn thảo với việc thoát ký tự. Để biết thêm thông tin, xem tài liệu tham chiếu RegExp.

Flags của Regex

Flags là các tham số đặc biệt có thể thay đổi cách một regular expression được diễn giải hoặc cách nó tương tác với văn bản đầu vào. Mỗi flag tương ứng với một thuộc tính accessor trên đối tượng RegExp.

Các flags i, m, và s có thể được bật hoặc tắt cho các phần cụ thể của regex bằng cú pháp modifier.

Các phần bên dưới liệt kê tất cả các cú pháp regex có sẵn, được nhóm theo bản chất cú pháp của chúng.

Assertions

Assertions là các cấu trúc kiểm tra xem chuỗi có đáp ứng một điều kiện nhất định tại vị trí được chỉ định hay không, nhưng không tiêu thụ ký tự. Assertions không thể được lượng hóa.

Input boundary assertion: ^, $

Xác nhận rằng vị trí hiện tại là đầu hoặc cuối đầu vào, hoặc đầu hoặc cuối dòng nếu flag m được đặt.

Lookahead assertion: (?=...), (?!...)

Xác nhận rằng vị trí hiện tại được theo sau hoặc không được theo sau bởi một pattern nhất định.

Lookbehind assertion: (?<=...), (?<!...)

Xác nhận rằng vị trí hiện tại được đứng trước hoặc không được đứng trước bởi một pattern nhất định.

Word boundary assertion: \b, \B

Xác nhận rằng vị trí hiện tại là ranh giới từ.

Atoms

Atoms là các đơn vị cơ bản nhất của một regular expression. Mỗi atom tiêu thụ một hoặc nhiều ký tự trong chuỗi, và hoặc là thất bại trong việc khớp hoặc cho phép pattern tiếp tục khớp với atom tiếp theo.

Backreference: \1, \2

Khớp một subpattern đã khớp trước đó được ghi lại bởi một capturing group.

Capturing group: (...)

Khớp một subpattern và ghi nhớ thông tin về kết quả khớp.

Character class: [...], [^...]

Khớp bất kỳ ký tự nào trong hoặc không trong một tập hợp ký tự. Khi flag v được bật, nó cũng có thể được sử dụng để khớp các chuỗi có độ dài hữu hạn.

Character class escape: \d, \D, \w, \W, \s, \S

Khớp bất kỳ ký tự nào trong hoặc không trong một tập hợp ký tự được định nghĩa sẵn.

Character escape: \n, \u{...}

Khớp một ký tự mà có thể không thể biểu diễn thuận tiện ở dạng literal của nó.

Literal character: a, b

Khớp một ký tự cụ thể.

Modifier: (?ims-ims:...)

Ghi đè các cài đặt flag trong một phần cụ thể của regular expression.

Named backreference: \k<name>

Khớp một subpattern đã khớp trước đó được ghi lại bởi một named capturing group.

Named capturing group: (?<name>...)

Khớp một subpattern và ghi nhớ thông tin về kết quả khớp. Nhóm có thể được xác định sau này bằng tên tùy chỉnh thay vì chỉ số của nó trong pattern.

Non-capturing group: (?:...)

Khớp một subpattern mà không ghi nhớ thông tin về kết quả khớp.

Unicode character class escape: \p{...}, \P{...}

Khớp một tập hợp ký tự được chỉ định bởi một thuộc tính Unicode. Khi flag v được bật, nó cũng có thể được sử dụng để khớp các chuỗi có độ dài hữu hạn.

Wildcard: .

Khớp bất kỳ ký tự nào ngoại trừ ký tự kết thúc dòng, trừ khi flag s được đặt.

Các tính năng khác

Các tính năng này không chỉ định bất kỳ pattern nào, nhưng được sử dụng để kết hợp các pattern.

Disjunction: |

Khớp bất kỳ chuỗi thay thế nào được phân tách bởi ký tự |.

Quantifier: *, +, ?, {n}, {n,}, {n,m}

Khớp một atom một số lần nhất định.

Escape sequences

Escape sequences trong regexes đề cập đến bất kỳ loại cú pháp nào được tạo thành bởi \ theo sau là một hoặc nhiều ký tự. Chúng có thể phục vụ các mục đích rất khác nhau tùy thuộc vào những gì theo sau \. Dưới đây là danh sách tất cả các "escape sequences" hợp lệ:

\ theo sau là 0 và một chữ số khác trở thành legacy octal escape sequence, bị cấm trong Unicode-aware mode. \ theo sau là bất kỳ chuỗi chữ số nào khác trở thành backreference.

Ngoài ra, \ có thể được theo sau bởi một số ký tự không phải chữ cái hay chữ số, trong trường hợp đó escape sequence luôn là character escape đại diện cho ký tự được thoát:

• \$, \(, \), \*, \+, \., \/, \?, \[, \\, \], \^, \{, \|, \}: hợp lệ ở mọi nơi
• \-: chỉ hợp lệ bên trong character classes
• \!, \#, \%, \&, \,, \:, \;, \<, \=, \>, \@, \`, \~: chỉ hợp lệ bên trong v-mode character classes

Các ký tự ASCII khác, cụ thể là ký tự dấu cách, ", ', _, và bất kỳ ký tự chữ cái nào không được đề cập ở trên, không phải là các escape sequences hợp lệ. Trong Unicode-unaware mode, các escape sequences không phải một trong số các trường hợp trên trở thành identity escapes: chúng đại diện cho ký tự theo sau dấu gạch chéo ngược. Ví dụ, \a đại diện cho ký tự a. Hành vi này giới hạn khả năng giới thiệu các escape sequences mới mà không gây ra các vấn đề tương thích ngược, và do đó bị cấm trong Unicode-aware mode.

Thông số kỹ thuật

Tương thích trình duyệt

Xem thêm

• Hướng dẫn Regular expressions
• RegExp