JavaScript内核与高级编程之：`RegExp set notation` 提案：其在 `JavaScript` 正则表达式中的新语法和匹配能力。 - 智猿学院-前后端，数据库，人工智能，云计算等领域前沿技术讲座

嘿，大家好！今天咱们聊聊正则表达式的“集合表示法”！

先打个招呼，我是老码农，今天给大家带来一个正则表达式的新玩意儿，叫做“RegExp Set Notation”，也就是“集合表示法”。别被这名字吓跑，其实它相当实用，能让你的正则功力更上一层楼。

什么是“集合表示法”？

简单来说，就是给你的正则表达式加上了“集合”的概念，让你可以更方便地表示字符的范围和组合。这就像给你手里的乐高积木添了更多种类，能拼出更复杂的模型。

在传统的正则表达式中，我们已经有一些字符类，比如 d 代表数字，w 代表单词字符（字母、数字和下划线），s 代表空白字符。但是，如果我们要表达“既是数字又是偶数”呢？或者 “既不是字母也不是数字” 呢？以前可能需要用一些比较复杂的技巧，但有了“集合表示法”，这些都变得小菜一碟。

语法速览

“集合表示法” 使用方括号 [] 来定义字符集合，并在方括号内部使用一些特殊的符号来表示集合的运算。主要包括以下几种：

并集 (Union): 直接把字符或字符类放在一起，例如 [abc] 表示 a 或 b 或 c。这和传统的字符类语法是一样的。
交集 (Intersection): 使用 && 符号，例如 [d&&[02468]] 表示既是数字又是偶数。
差集 (Subtraction): 使用 -- 符号，例如 [w--[aeiouAEIOU]] 表示所有单词字符，但排除掉元音字母。
补集 (Complement): 使用 ^ 符号，例如 [^abc] 表示除了 a, b, c 以外的任何字符。这和传统的字符类语法也是一样的。

实战演练：代码说话

光说不练假把式，咱们直接上代码。

1. 查找既是数字又是偶数的字符：

const regex = /[d&&[02468]]/;
console.log(regex.test("2"));   // true
console.log(regex.test("a"));   // false
console.log(regex.test("3"));   // false

这里， [d&&[02468]] 就表示一个集合，它是数字 d 和 [02468] 的交集。也就是说，只有既是数字又是偶数的字符才能匹配。

2. 查找所有单词字符，但排除掉元音字母：

const regex = /[w--[aeiouAEIOU]]/;
console.log(regex.test("b"));   // true
console.log(regex.test("a"));   // false
console.log(regex.test("1"));   // true
console.log(regex.test("_"));   // true

[w--[aeiouAEIOU]] 表示一个集合，它是单词字符 w 和元音字母 [aeiouAEIOU] 的差集。也就是说，所有单词字符，但是元音字母被排除在外。

3. 查找既不是字母也不是数字的字符：

const regex = /[^[a-zA-Z0-9]]/; // 注意这里使用了嵌套的否定
console.log(regex.test("!"));   // true
console.log(regex.test("a"));   // false
console.log(regex.test("1"));   // false

这里， [^[a-zA-Z0-9]] 表示先定义一个包含所有字母和数字的集合 [a-zA-Z0-9]，然后再取这个集合的补集。

4. 更复杂的组合：匹配所有非空白字符，并且不是数字，但必须是十六进制字符（0-9， a-f, A-F）

const regex = /[^s && [0-9a-fA-F]]/;
console.log(regex.test("a")); // false (是十六进制，但同时也匹配了数字)
console.log(regex.test("g")); // false (不是十六进制)
console.log(regex.test(" ")); // false (是空白字符)
console.log(regex.test("!")); // true (是非空白，非数字，且不是十六进制)

5. 注意事项：字符类简写和集合运算的优先级

字符类简写（如 d, w, s）可以直接在集合运算中使用，但是要注意优先级。集合运算的优先级从高到低依次是：

补集 (Complement): ^
交集 (Intersection): &&
差集 (Subtraction): --
并集 (Union): 直接组合

为了避免歧义，建议使用括号 () 来明确运算的优先级。

例如： [d--[01]&&[23]] 会先计算 d--[01]，然后再和 [23] 求交集。如果你想先计算 [01]&&[23]，然后再用 d 减去结果，你需要写成 [d--([01]&&[23])]。虽然在这个例子中， [01]&&[23]的结果是空集，所以加不加括号结果一样。

集合表示法 vs. 传统正则表达式

特性	集合表示法	传统正则表达式
集合运算	支持并集、交集、差集、补集	主要支持并集和补集
表达能力	更强大，可以表达更复杂的字符范围	相对简单，对于复杂范围可能需要更复杂的技巧
可读性	对于复杂的集合运算，可读性更好	对于简单的范围，可读性可能更好
兼容性	需要较新的 JavaScript 引擎支持	兼容性更好
性能	在某些情况下，可能会比传统正则表达式慢一点	性能通常更好

总的来说，“集合表示法” 提供了更强大的表达能力，可以更方便地处理复杂的字符范围。但需要注意的是，它可能不如传统的正则表达式性能好，并且需要较新的 JavaScript 引擎支持。

兼容性问题

截至目前， “集合表示法” 并不是所有的 JavaScript 引擎都支持。你需要使用较新的 Chrome, Firefox, Safari 或者 Node.js 版本才能体验到它的威力。

在不支持 “集合表示法” 的环境中，你的正则表达式会抛出语法错误。因此，在使用之前，最好先进行兼容性检查。

检测是否支持的方法：

function supportsRegExpSetNotation() {
  try {
    new RegExp('[a&&b]'); // 尝试创建一个包含交集的正则表达式
    return true; // 如果没有抛出错误，说明支持
  } catch (e) {
    return false; // 如果抛出错误，说明不支持
  }
}

if (supportsRegExpSetNotation()) {
  console.log("当前环境支持 RegExp Set Notation");
  // 使用集合表示法的代码
} else {
  console.log("当前环境不支持 RegExp Set Notation");
  // 使用传统正则表达式的代码
}

应用场景举例

密码强度校验： 要求密码包含大小写字母、数字和特殊字符，且不能包含某些禁用字符。使用 “集合表示法” 可以很方便地定义这些规则。

// 假设禁用字符是 #$%^
const passwordRegex = /^(?=.*[d])(?=.*[a-z])(?=.*[A-Z])(?=.*[^w--[#$%^]]])[w--[#$%^]]{8,}$/;

//解释一下：
//(?=.*[d])  至少包含一个数字
//(?=.*[a-z])  至少包含一个小写字母
//(?=.*[A-Z])  至少包含一个大写字母
//(?=.*[^w--[#$%^]]]) 至少包含一个特殊字符，排除了 w 和 #$%^
//[w--[#$%^]]{8,}   长度至少为8，并且不包含 #$%^

console.log(passwordRegex.test("Abc123!"));  // true
console.log(passwordRegex.test("Abc#####")); // false (包含了禁用字符)
console.log(passwordRegex.test("Abc1"));     // false (长度不够)

数据清洗： 需要过滤掉包含特定字符或特定模式的数据。例如，过滤掉包含敏感词汇的评论。

const sensitiveWords = ["badword1", "badword2", "badword3"];
const sensitiveWordRegex = new RegExp(`[${sensitiveWords.join('')}]`, 'gi'); //这里只是简单示例，实际情况可能更复杂

const comment = "This is a comment with badword1 and some other words.";
const cleanedComment = comment.replace(sensitiveWordRegex, "***");

console.log(cleanedComment); // "This is a comment with *** and some other words."

日志分析： 需要从日志文件中提取特定类型的事件，例如错误事件、警告事件等。可以使用 “集合表示法” 来定义事件的特征。

const logEntry = "2023-10-27 10:00:00 [ERROR] An error occurred: File not found.";
const errorRegex = /[[Ee][Rr][Rr][Oo][Rr]]/;  // 简单匹配 ERROR 关键字

if (errorRegex.test(logEntry)) {
  console.log("Found an error log entry:", logEntry);
}

URL 解析： 需要从 URL 中提取特定部分，比如域名、路径或查询参数。集合表示法可以用于验证 URL 的特定组成部分是否符合特定格式。

const url = "https://www.example.com/path/to/resource?param1=value1&param2=value2";
const domainRegex = /[w.-]+[--[_d]].[a-z]{2,}/i; // 匹配域名，排除下划线和数字开头的域名

const match = url.match(domainRegex);

if (match) {
  console.log("Domain:", match[0]); // Output: Domain: www.example.com
}

总结

“RegExp Set Notation” 是一个强大的工具，可以让你更方便地处理正则表达式中的字符范围问题。虽然它需要较新的 JavaScript 引擎支持，并且在性能方面可能不如传统的正则表达式，但在某些场景下，它可以大大简化你的代码，提高可读性。

希望今天的讲座能帮助大家更好地理解和使用 “集合表示法”。记住，多写代码，多实践，才能真正掌握这项技术。

下次再见！祝大家编程愉快！