集合和範圍 [...]

方括號 […] 內的幾個字元或字元類別表示「搜尋給定字元中的任何字元」。

集合

例如，[eao] 表示 3 個字元中的任何一個：'a'、'e' 或 'o'。

這稱為集合。集合可以用在正規表示法中，搭配一般字元使用

// find [t or m], and then "op"
alert( "Mop top".match(/[tm]op/gi) ); // "Mop", "top"

請注意，儘管集合中有多個字元，但它們在配對中只對應到一個字元。

因此，以下範例不會產生配對

// find "V", then [o or i], then "la"
alert( "Voila".match(/V[oi]la/) ); // null, no matches

此模式搜尋

• V,
• 然後是字母 [oi] 中的一個，
• 然後是 la。

因此會找到 Vola 或 Vila 的相符項。

範圍

方括號也可能包含字元範圍。

例如，[a-z] 是從 a 到 z 範圍內的字元，而 [0-5] 是從 0 到 5 範圍內的數字。

在以下範例中，我們搜尋的是 "x" 後面接著兩個從 A 到 F 的數字或字母

alert( "Exception 0xAF".match(/x[0-9A-F][0-9A-F]/g) ); // xAF

這裡的 [0-9A-F] 有兩個範圍：它搜尋的字元可能是從 0 到 9 範圍內的數字，或從 A 到 F 範圍內的字母。

如果我們也想要搜尋小寫字母，我們可以加入 a-f 範圍：[0-9A-Fa-f]。或加入 i 旗標。

我們也可以在 […] 內使用字元類別。

例如，如果我們想要搜尋一個字元 \w 或連字號 -，那麼這個集合就是 [\w-]。

也可以結合多個類別，例如 [\s\d] 表示「空白字元或數字」。

範例：多語言 \w

由於字元類別 \w 是 [a-zA-Z0-9_] 的簡寫，因此它無法找到中文象形文字、西里爾字母等。

我們可以寫一個更通用的模式，用來搜尋任何語言中的字元。這可以使用 Unicode 屬性輕鬆達成：[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]。

讓我們解讀一下。類似於 \w，我們建立了一個自己的集合，其中包含具有以下 Unicode 屬性的字元

• Alphabetic (Alpha) – 字母，
• Mark (M) – 重音，
• Decimal_Number (Nd) – 數字，
• Connector_Punctuation (Pc) – 底線 '_' 和類似字元，
• Join_Control (Join_C) – 兩個特殊代碼 200c 和 200d，用於連字，例如阿拉伯語。

使用範例

let regexp = /[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]/gu;

let str = `Hi 你好 12`;

// finds all letters and digits:
alert( str.match(regexp) ); // H,i,你,好,1,2

當然，我們可以編輯這個模式：新增 Unicode 屬性或移除它們。Unicode 屬性在文章 Unicode: flag "u" and class \p{...} 中有更詳細的說明。

排除範圍

除了正常的範圍之外，還有看起來像 [^…] 的「排除」範圍。

它們在開頭用插入符號 ^ 表示，並與除了給定字元之外的任何字元相符。

例如

• [^aeyo] – 任何字元，除了 'a'、'e'、'y' 或 'o'。
• [^0-9] – 任何字元，除了數字，與 \D 相同。
• [^\s] – 任何非空白字元，與 \S 相同。

以下範例尋找任何字元，除了字母、數字和空白

alert( "[email protected]".match(/[^\d\sA-Z]/gi) ); // @ and .

在 […] 中跳脫

通常當我們想要精確地找到一個特殊字元時，我們需要像 \. 一樣跳脫它。如果我們需要反斜線，則使用 \\，依此類推。

在方括號中，我們可以在不跳脫的情況下使用絕大多數特殊字元

• 符號 . + ( ) 永遠不需要跳脫。
• 連字元 - 在開頭或結尾（它不定義範圍的地方）不會跳脫。
• 插入符號 ^ 僅在開頭（表示排除）時跳脫。
• 閉合方括號 ] 總是跳脫（如果我們需要尋找該符號）。

換句話說，除了方括號的意義之外，所有特殊字元都可以在不跳脫的情況下使用。

方括號內的句點 . 僅表示句點。模式 [.,] 會尋找其中一個字元：句點或逗號。

在以下範例中，正規表示式 [-().^+] 尋找其中一個字元 -().^+

// No need to escape
let regexp = /[-().^+]/g;

alert( "1 + 2 - 3".match(regexp) ); // Matches +, -

…但如果你決定「以防萬一」跳脫它們，那不會有任何害處

// Escaped everything
let regexp = /[\-\(\)\.\^\+]/g;

alert( "1 + 2 - 3".match(regexp) ); // also works: +, -

範圍和旗標「u」

如果集合中有代理對，則需要旗標 u 才能正確運作。

例如，讓我們在字串 𝒳 中尋找 [𝒳𝒴]

alert( '𝒳'.match(/[𝒳𝒴]/) ); // shows a strange character, like [?]
// (the search was performed incorrectly, half-character returned)

結果不正確，因為預設正規表示式「不知道」代理對。

正規表示式引擎認為 [𝒳𝒴] – 不是兩個，而是四個字元

1. 𝒳 的左半邊 (1)，
2. 𝒳 的右半邊 (2)，
3. 𝒴 (3) 的左半邊
4. 𝒴 (4) 的右半邊

我們可以看到它們的程式碼如下

for(let i=0; i<'𝒳𝒴'.length; i++) {
  alert('𝒳𝒴'.charCodeAt(i)); // 55349, 56499, 55349, 56500
};

因此，上面的範例會找到並顯示 𝒳 的左半邊

如果我們新增旗標 u，則行為會正確

alert( '𝒳'.match(/[𝒳𝒴]/u) ); // 𝒳

在尋找範圍（例如 [𝒳-𝒴]）時，會發生類似的狀況

如果我們忘記新增旗標 u，就會發生錯誤

'𝒳'.match(/[𝒳-𝒴]/); // Error: Invalid regular expression

原因是沒有旗標 u，代理對會被視為兩個字元，因此 [𝒳-𝒴] 會被解釋為 [<55349><56499>-<55349><56500>]（每個代理對都會被其程式碼取代）。現在很容易看出範圍 56499-55349 無效：它的起始程式碼 56499 大於結束程式碼 55349。這是發生錯誤的正式原因

使用旗標 u，模式會正確運作

// look for characters from 𝒳 to 𝒵
alert( '𝒴'.match(/[𝒳-𝒵]/u) ); // 𝒴