Vzory a příznaky

Regulární výrazy jsou vzory, které poskytují mocný způsob, jak hledat a nahrazovat části textu.

V JavaScriptu jsou k dispozici pomocí objektu RegExp a jsou také integrovány do metod řetězců.

Regulární výrazy

Regulární výraz (RV, „regular expression“, „regexp“ nebo jen „reg“) se skládá z vzoru a nepovinných příznaků (neboli vlajek).

K vytvoření objektu regulárního výrazu můžeme použít dvě syntaxe.

„Dlouhá“ syntaxe:

rv = new RegExp("vzor", "příznaky");

A „krátká“ syntaxe pomocí lomítek "/":

rv = /vzor/; // bez příznaků
rv = /vzor/gmi; // s příznaky g, m, i (budou vysvětleny dále)

Lomítka /.../ říkají JavaScriptu, že vytváříme regulární výraz. Hrají stejnou roli jako uvozovky u řetězců.

V obou případech se rv stane instancí zabudované třídy RegExp.

Hlavní rozdíl mezi těmito dvěma syntaxemi spočívá v tom, že vzor uvnitř lomítek /.../ neumožňuje vkládání výrazů (jako šablonové literály řetězců v ${...}). Je zcela statický.

Lomítka používáme tehdy, když známe regulární výraz již při psaní kódu – a to je nejběžnější situace. Naproti tomu new RegExp se častěji používá, když potřebujeme vytvořit regulární výraz „za běhu“ z dynamicky generovaného řetězce. Příklad:

let značka = prompt("Kterou značku chcete najít?", "h2");

let rv = new RegExp(`<${značka}>`); // totéž jako /<h2>/, pokud odpověď na tuto otázku byla "h2"

Příznaky

Regulární výrazy mohou obsahovat příznaky, které ovlivňují hledání.

V JavaScriptu je jich pouze 6:

i

S tímto příznakem se při hledání nerozlišují malá a velká písmena: není rozdíl mezi A a a (viz příklad níže).

g

S tímto příznakem se najdou všechny shody, bez něj bude vrácena jenom první shoda.

m

Víceřádkový režim (bude vysvětlen v kapitole Víceřádkový režim kotev ^ $, příznak „m“).

s

Umožňuje „všetečkový“ („dotall“) režim, v němž tečce . může odpovídat znak nového řádku \n (bude vysvětlen v kapitole Znakové třídy).

u

Umožňuje plnou podporu Unicode. Tento příznak umožňuje správné zpracování zástupných párů. Více se o tom dozvíte v kapitole Unicode: příznak „u“ a třída \p{...}.

y

„Lepkavý“ („sticky“) režim: hledání na přesně dané pozici v textu (bude vysvětlen v kapitole Lepkavý příznak „y“, hledání na stanovené pozici).

Hledání: řetězec.match

Jak jsme již zmínili, regulární výrazy jsou integrovány s řetězcovými metodami.

Metoda řetězec.match(rv) nalezne v řetězci řetězec všechny shody s rv.

Má tři režimy práce:

1. Pokud regulární výraz má příznak g, vrátí pole se všemi shodami:

   let řetězec = "Prší, prší, jen se leje";
   
   alert( řetězec.match(/prší/gi) ); // Prší,prší (pole 2 podřetězců, které se shodují)

   Prosíme všimněte si, že jsou nalezeny Prší i prší, protože příznak i způsobí, že regulární výraz nerozlišuje malá a velká písmena.

2. Pokud tento příznak není nastaven, vrátí se jen první shoda ve formě pole, které obsahuje celou shodu na indexu 0 a některé další podrobnosti ve svých vlastnostech:

   let řetězec = "Prší, prší, jen se leje";
   
   let výsledek = řetězec.match(/prší/i); // bez příznaku g
   
   alert( výsledek[0] );     // Prší (1. shoda)
   alert( výsledek.length ); // 1
   
   // Podrobnosti:
   alert( výsledek.index );  // 0 (pozice shody)
   alert( výsledek.input );  // Prší, prší, jen se leje (zdrojový řetězec)

   Pokud je část regulárního výrazu uzavřena do závorek, může pole obsahovat i jiné indexy než 0. Probereme to v kapitole Zachytávací skupiny.

3. A konečně, jestliže nebyla nalezena žádná shoda, vrátí se null (nezáleží na tom, zda je nastaven příznak g).

   To je velmi důležitý detail. Pokud nejsou nalezeny žádné shody, neobdržíme prázdné pole, ale obdržíme null. Když na to zapomeneme, můžeme dělat chyby, například:

   let shody = "JavaScript".match(/HTML/); // = null
   
   if (!shody.length) { // Error: Cannot read property 'length' of null
     alert("Chyba na výše uvedeném řádku");
   }

   Kdybychom chtěli, aby výsledkem bylo vždy pole, můžeme to zapsat následovně:

   let shody = "JavaScript".match(/HTML/) || [];
   
   if (!shody.length) {
     alert("Žádná shoda"); // teď to funguje
   }

Nahrazování: řetězec.replace

Metoda řetězec.replace(rv, náhrada) nahradí v řetězci řetězec shody nalezené regulárním výrazem rv za řetězec náhrada (pokud je uveden příznak g, nahradí všechny shody, jinak pouze první).

Příklad:

// bez příznaku g
alert( "Prší, prší".replace(/prší/i, "sněží") ); // sněží, prší

// s příznakem g
alert( "Prší, prší".replace(/prší/ig, "sněží") ); // sněží, sněží

Druhým argumentem je řetězec náhrada. V něm můžeme použít kombinace speciálních znaků, abychom vložili části shody:

Příklad s $&:

alert( "Mám rád HTML".replace(/HTML/, "$& a JavaScript") ); // Mám rád HTML a JavaScript

Testování: rv.test

Metoda rv.test(řetězec) hledá alespoň jednu shodu. Pokud ji najde, vrátí true, jinak vrátí false.

let řetězec = "Mám rád JavaScript";
let rv = /RÁD/i;

alert( rv.test(řetězec) ); // true

Později v této kapitole prostudujeme další regulární výrazy, projdeme další příklady a setkáme se i s dalšími metodami.

Všechny informace o metodách uvádíme v článku Metody tříd RegExp a String.

Shrnutí

• Regulární výraz se skládá ze vzoru a nepovinných příznaků: g, i, m, u, s, y.
• Bez příznaků a speciálních symbolů (které prostudujeme později) je hledání podle RV stejné jako hledání podřetězce.
• Metoda řetězec.match(rv) hledá shody: pokud je nastaven příznak g, najde všechny, jinak najde pouze první.
• Metoda řetězec.replace(rv, náhrada) nahradí shody nalezené podle rv řetězcem náhrada: pokud je nastaven příznak g, nahradí všechny, jinak nahradí pouze první.
• Metoda rv.test(řetězec) vrátí true, pokud je nalezena aspoň jedna shoda, jinak vrátí false.