JavaScript字符串匹配：使用 matchAll() 优化多重捕获组提取

本文探讨了在JavaScript中进行字符串多重匹配和捕获组提取的优化方法。针对传统上通过 String.prototype.replace() 的回调函数进行副作用式数据收集的“非典型”用法，我们将介绍并推荐使用更现代、语义更清晰的 String.prototype.matchAll() 方法。通过结合 matchAll()、Array.prototype.flatMap() 和 Array.prototype.slice()，可以高效且直观地从字符串中提取所有匹配项及其捕获组，从而提升代码的可读性和维护性。

1. replace() 的“非典型”用法及其局限性

在JavaScript中，String.prototype.replace() 方法通常用于查找并替换字符串中的匹配项。当其第二个参数是一个函数时，该函数会在每次匹配时被调用，并接收匹配到的子串、捕获组等作为参数。一些开发者会利用这一特性，通过在回调函数内部执行副作用（如将数据推入外部数组）来实现多重匹配的提取，而非实际执行替换操作。

考虑以下示例代码，它展示了如何利用 replace() 方法来扫描字符串并收集匹配到的捕获组：

const scan = (str, pattern) => {
  const results = [];

  str.replace(pattern, function() {
    // arguments[0] 是完整匹配，arguments[1]... 是捕获组
    // arguments[arguments.length - 2] 是匹配的索引
    // arguments[arguments.length - 1] 是原始字符串
    results.push(Array.prototype.slice.call(arguments, 1, -2));
  });

  // 假设需要将结果展平，这里使用了 lodash.flatten
  // 如果没有 lodash，需要手动实现展平逻辑
  return _.flatten(results);
};

console.log("Lyrics", scan(
  "I don't see! a bad, moon a-rising. (a-rising)",
  /(\[[\w#b/]+])?([\w\s',.!()_\-"]*)/gi
));

console.log("Chords", scan(
  "[D] [D/F#] [C] [A7]",
  /\[([\w#b+/]+)]?/gi
));

console.log("Measures", scan(
  `
# Instrumental

| [A] [B] | [C] | [D] [E] [F] [G] |
`,
  /([[\w#b/\]+\]\s]+)[|]*/gi
));

这种方法虽然能达到目的，但存在几个问题：

立即学习“Java免费学习笔记（深入）”；

• 语义不符：replace() 的本意是替换，而非提取。将其用于提取数据会使代码意图模糊。
• 依赖副作用：数据收集依赖于回调函数的副作用，降低了函数式编程的纯粹性，增加了理解和调试的难度。
• 参数处理复杂：回调函数的 arguments 对象包含了额外的信息（如匹配索引和原始字符串），需要通过 Array.prototype.slice.call(arguments, 1, -2) 等方式来筛选出真正的捕获组，操作较为繁琐。
• 需要额外展平：如果每次匹配收集的是一个数组，最终结果会是一个嵌套数组，需要额外的步骤（如 _.flatten 或手动循环）来展平。

2. 引入 matchAll()：更现代、更清晰的解决方案

为了解决上述问题，JavaScript ES2020 引入了 String.prototype.matchAll() 方法。这个方法专门用于获取字符串中所有与正则表达式匹配的结果，并返回一个迭代器。迭代器中的每个元素都是一个匹配对象，包含了完整匹配、所有捕获组、匹配的索引以及原始输入字符串等信息。

matchAll() 的优势在于：

• 语义明确：它的设计目的就是为了提取所有匹配项，代码意图清晰。
• 返回迭代器：可以方便地通过 for...of 循环或扩展运算符 ... 转换为数组。
• 匹配对象结构清晰：每个匹配对象都像一个数组，[0] 是完整匹配，[1]、[2] 等是捕获组，同时还包含 index 和 input 属性。

最初尝试使用 matchAll() 可能会像这样：

降重鸟

要想效果好，就用降重鸟。AI改写智能降低AIGC率和重复率。

113

查看详情

const scan = (str, pattern) => {
  return [...str.matchAll(pattern)].map(r => {
    return r[1]; // 假设只需要第一个捕获组
  });
};

// ... (使用相同的 console.log 调用)

然而，这种简单的 map(r => r[1]) 方式可能无法满足所有需求，特别是当需要提取所有捕获组，或者捕获组数量不固定时，或者当某些捕获组可能是 undefined 时。它只会返回每个匹配的第一个捕获组，而不是像 replace() 那样返回一个包含所有捕获组的数组。

3. 精准提取：结合 matchAll()、flatMap() 和 slice()

要完美替代 replace() 的副作用式提取逻辑，并获得与 _.flatten 处理后相同的展平结果，我们可以结合 matchAll()、Array.prototype.flatMap() 和 Array.prototype.slice()。

• matchAll(pattern): 返回一个迭代器，其中包含所有匹配的完整匹配对象。
• [...iterator]: 将迭代器转换为一个数组，每个元素都是一个匹配对象。
• flatMap(callback): 这是一个强大的数组方法，它首先对数组的每个元素执行一个回调函数（就像 map()），然后将所有结果展平为一个新数组（深度为1）。这正是我们替代 _.flatten 所需的功能。
• matchObject.slice(1): 每个匹配对象 m 实际上是一个类数组对象，m[0] 是完整匹配的字符串，m[1]、m[2] 等是对应的捕获组。slice(1) 操作可以有效地截取从索引1开始的所有元素，即所有捕获组，而排除掉完整的匹配字符串。

下面是优化后的 scan 函数实现：

const scan = (str, pattern) => {
  // 使用扩展运算符将 matchAll 迭代器转换为数组
  // flatMap 对每个匹配对象执行回调，并展平结果
  // m.slice(1) 提取所有捕获组，排除完整匹配
  return [...str.matchAll(pattern)].flatMap(m => m.slice(1));
};

// 示例用法保持不变
console.log("Lyrics", scan(
  "I don't see! a bad, moon a-rising. (a-rising)",
  /(\[[\w#b/]+])?([\w\s',.!()_\-"]*)/gi
));

console.log("Chords", scan(
  "[D] [D/F#] [C] [A7]",
  /\[([\w#b+/]+)]?/gi
));

console.log("Measures", scan(
  `
# Instrumental

| [A] [B] | [C] | [D] [E] [F] [G] |
`,
  /([[\w#b/\]+\]\s]+)[|]*/gi
));

代码解析：

1. [...str.matchAll(pattern)]：将 matchAll 返回的迭代器转换为一个数组。例如，对于 "I don't see! a bad, moon a-rising. (a-rising)" 和 /(\[[\w#b/]+])?([\w\s',.!()_\-"]*)/gi，它可能会生成类似 [[ "I don't see!", undefined, "I don't see!" ], [ " a bad, moon a-rising. (a-rising)", undefined, " a bad, moon a-rising. (a-rising)" ]] 这样的匹配对象数组。
2. .flatMap(m => m.slice(1))：
   • 对于每个匹配对象 m（例如 [ "I don't see!", undefined, "I don't see!" ]），m.slice(1) 会返回一个新的数组 [ undefined, "I don't see!" ]，其中包含了该匹配的所有捕获组。
   • flatMap 会将所有这些捕获组数组连接起来，形成一个单一的、展平的数组。例如，如果第一个匹配返回 [undefined, "I don't see!"]，第二个匹配返回 [undefined, " a bad, moon a-rising. (a-rising)"]，那么 flatMap 的最终结果将是 [undefined, "I don't see!", undefined, " a bad, moon a-rising. (a-rising)"]。

这种方法不仅解决了 replace() 的语义问题，还提供了一种简洁、高效且易于理解的方式来处理多重匹配和捕获组的提取。

4. 总结与注意事项

• 首选 matchAll()：当需要从字符串中提取所有正则表达式匹配项及其捕获组时，String.prototype.matchAll() 是最推荐的方法，因为它提供了清晰的语义和结构化的匹配对象。
• 全局标志 (g)：matchAll() 方法要求正则表达式必须带有全局标志 (g)。如果缺少 g 标志，它将抛出 TypeError。
• flatMap() 的兼容性：Array.prototype.flatMap() 是相对较新的ES2019特性。在较旧的JavaScript环境中，可能需要进行 polyfill 或使用 map().flat() (ES2019) 或 reduce() 结合 concat() 来实现类似的功能。
• 捕获组的理解：深入理解正则表达式中的捕获组（通过括号 () 定义）是有效使用 matchAll() 的关键。m.slice(1) 能够正确工作，正是因为匹配对象将捕获组按顺序存储在索引1及之后的位置。
• 代码可读性：新的方法大大提高了代码的可读性，明确表达了“查找所有匹配并提取其捕获组”的意图，减少了理解代码所需的心智负担。

通过采用 matchAll() 结合 flatMap() 和 slice()，我们可以编写出更专业、更健壮的JavaScript字符串解析代码。

以上就是JavaScript字符串匹配：使用 matchAll() 优化多重捕获组提取的详细内容，更多请关注php中文网其它相关文章！