写于2015年5月7日,可能已过时,请谨慎参考。
今天分享一个小的知识点,一个正则表达式方面的很容易被人忽视的坑。
我们知道,正则表达式中,可以用.
表示任意单个字符,但在underscore和jquery的源代码中,我们可以看到,这些著名类库的代码中,经常并不是用.
来表示任意字符,而是使用[\w\W]
或者[\s\S]
。乍一看,好像表达的含义是一样的,可是为什么放着简单的方法不用,而去多绕个圈子?今天就简单说说这个问题。
首先我们必须要正确理解.
的含义。其实说它表示任意单个字符,可能会让人产生误解,必须要强调一下,这个“任意单个字符”不包括控制换行的字符,也就是不包含\n
、\r
、\u2028
或\u2029
这几个字符。而\W
和\s
中是能够包含这些字符的。那个这两种写法的差异也就很清晰了,就是能否匹配到几个换行控制符的差异。
那么在什么时候我们需要考虑这几个换行控制符呢?当要处理的字符串可能包含换行时。这样的情景太多了,处理html字符串、处理template、Node.js读取文本等等。
提及多行文本的场景,我们很容易想到正则表达式的m
模式(多行模式)。那么多行模式对我们今天讨论的问题有影响吗?我不是很确定。为什么不确定呢?有些人信誓旦旦地声称单行模式下 . 的含义与多行模式下不同,单选模式下等同于[\w\W]
或者[\s\S]
,而多行模式下会排除换行控制符。但据我试验,以及参考MDN的说法,这是不对的。的确有很多语言的正则表达式会有上述特性,但在javascript中我没有看到,不知道会不会有浏览器方面的差异。那么多行模式对于javascript而言影响的是什么呢?我认为仅仅是改变了^
和$
标识的含义:单行模式下,分别表示整个字符串的开始的结尾;多行模式下表示每一行的开始和结尾。而不管多行模式还是单行模式,我认为.
都是不包含换行控制字符的,等价于[^\n\r\u2028\u2029]
。
再多延伸一点点,对于现代浏览器,可以直接用[^]
来匹配任意字符的。
例子不想写了,有兴趣的可以自己试验一下,分别用/.*/g
、/^.*$/g
、/.*/gm
、/^.*$/gm
来匹配一下"abc\nedf"
,其中道理不言自明。