Znakové třídy

Uvažujme praktickou úlohu: máme telefonní číslo, například "+7(903)-123-45-67", a potřebujeme je převést na čisté číslo obsahující jen číslice: 79031234567.

Můžeme to udělat tak, že najdeme a odstraníme vše, co není číslice. Mohou nám s tím pomoci znakové třídy.

Znaková třída je speciální zápis, kterému odpovídají všechny symboly z určité množiny.

Na začátku vysvětlíme třídu „číslic“. Zapisuje se \d a odpovídá „jedné libovolné číslici“.

Najděme například první číslici v telefonním čísle:

let řetězec = "+7(903)-123-45-67";

let rv = /\d/;

alert( řetězec.match(rv) ); // 7

Bez příznaku g regulární výraz hledá pouze první shodu, kterou je první číslice \d.

Přidejme příznak g, abychom našli všechny číslice:

let řetězec = "+7(903)-123-45-67";

let rv = /\d/g;

alert( řetězec.match(rv) ); // pole shod: 7,9,0,3,1,2,3,4,5,6,7

// vytvořme z nich telefonní číslo skládající se jen z číslic:
alert( řetězec.match(rv).join('') ); // 79031234567

To byla znaková třída pro číslice. Existují i jiné znakové třídy.

Nejpoužívanější jsou:

\d („d“ od slova „digit“, číslice)

Číslice: znak od 0 do 9.

\s („s“ od slova „space“, mezera)

Mezerový symbol: patří sem mezery, tabelátory \t, nové řádky \n a několik dalších vzácných znaků, např. \v, \f a \r.

\w („w“ od slova „word“, slovo)

„Slovní“ znak: písmeno latinské abecedy, číslice nebo podtržítko _. Znaky nelatinských abeced (např. kyrilice nebo hindi) (včetně písmen s diakritickými znaménky – pozn. překl.) do \w nepatří.

Například \d\s\w znamená „číslici“ následovanou „mezerovým znakem“ následovaným „slovním znakem“, například 1 a.

Regulární výraz může obsahovat regulární symboly a znakové třídy současně.

Například výrazu CSS\d odpovídá řetězec CSS následovaný číslicí:

let řetězec = "Je tam CSS4?";
let rv = /CSS\d/

alert( řetězec.match(rv) ); // CSS4

Můžeme použít i více znakových tříd najednou:

alert( "I love HTML5!".match(/\s\w\w\w\w\d/) ); // ' HTML5'

Shoda (každá znaková třída regulárního výrazu má ve výsledku odpovídající znak):

Inverzní třídy

Ke každé znakové třídě existuje „inverzní třída“, označovaná stejným, ale velkým písmenem.

„Inverzní“ znamená, že odpovídá všem ostatním znakům, například:

\D

Nečíslice: jakýkoli znak kromě \d, například písmeno.

\S

Nemezerový znak: jakýkoli znak kromě \s, například písmeno.

\W

Neslovní znak: cokoli kromě \w, například nelatinské písmeno nebo mezera.

Na začátku kapitoly jsme viděli, jak z řetězce jako +7(903)-123-45-67 vytvořit telefonní číslo obsahující pouze číslice: najdeme všechny číslice a spojíme je.

let řetězec = "+7(903)-123-45-67";

alert( řetězec.match(/\d/g).join('') ); // 79031234567

Alternativním, kratším způsobem je najít všechny nečíslicové znaky \D a odstranit je z řetězce:

let řetězec = "+7(903)-123-45-67";

alert( řetězec.replace(/\D/g, "") ); // 79031234567

Tečka znamená „libovolný znak“

Tečka . je speciální znaková třída, které odpovídá „jakýkoli znak kromě konce řádku“.

Příklad:

alert( "Z".match(/./) ); // Z

Nebo uprostřed regulárního výrazu:

let rv = /CS.4/;

alert( "CSS4".match(rv) ); // CSS4
alert( "CS-4".match(rv) ); // CS-4
alert( "CS 4".match(rv) ); // CS 4 (mezera je také znak)

Prosíme všimněte si, že tečka znamená „libovolný znak“, ale ne „žádný znak“. Musí tam být znak, který jí bude odpovídat:

alert( "CS4".match(/CS.4/) ); // null, beze shody, protože pro tečku tam není žádný znak

Tečka jako doslova jakýkoli znak s příznakem „s“

Standardně tečce neodpovídá znak nového řádku \n.

Například regulárnímu výrazu A.B odpovídá A a pak B s libovolným znakem mezi nimi kromě nového řádku \n:

alert( "A\nB".match(/A.B/) ); // null (není shoda)

V mnoha situacích bychom chtěli, aby tečka znamenala doslova „jakýkoli znak“ včetně nového řádku.

To zajistí příznak s. Pokud ho regulární výraz obsahuje, pak tečka . znamená doslova libovolný znak:

alert( "A\nB".match(/A.B/s) ); // A\nB (shoda!)

alert( "A\nB".match(/A[\s\S]B/) ); // A\nB (shoda!)

alert( "1 - 5".match(/\d-\d/) ); // null, není shoda!

alert( "1 - 5".match(/\d - \d/) ); // 1 - 5, nyní funguje
// nebo můžeme použít třídu \s:
alert( "1 - 5".match(/\d\s-\s\d/) ); // 1 - 5, také funguje

Shrnutí

Existují následující znakové třídy:

• \d – číslice.
• \D – nečíslice.
• \s – mezerové symboly, tabelátory, nové řádky.
• \S – všechno kromě \s.
• \w – latinská písmena, číslice, podtržítko '_'.
• \W – všechno kromě \w.
• . – s příznakem 's' libovolný znak, bez něj libovolný znak kromě nového řádku \n.

…To však není všechno!

Kódování Unicode, které JavaScript používá pro řetězce, poskytuje mnoho vlastností znaků, například: do kterého jazyka znak patří (pokud je to písmeno), zda je to interpunkční znaménko a podobně.

I podle těchto vlastností můžeme vyhledávat. Potřebujeme k tomu příznak u, který probereme v příštím článku.