تطبیق الگو در جاوا اسکریپت با عبارات باقاعده: راهنمای جامع

عبارات باقاعده (regex) ابزاری قدرتمند برای تطبیق الگو و دستکاری متن در جاوا اسکریپت هستند. آنها به توسعه‌دهندگان اجازه می‌دهند تا رشته‌ها را بر اساس الگوهای تعریف‌شده جستجو، اعتبارسنجی و تغییر دهند. این راهنما یک نمای کلی جامع از عبارات باقاعده در جاوا اسکریپت، شامل سینتکس، کاربرد و تکنیک‌های پیشرفته را ارائه می‌دهد.

عبارات باقاعده چه هستند؟

یک عبارت باقاعده، دنباله‌ای از کاراکترها است که یک الگوی جستجو را تعریف می‌کند. این الگوها برای تطبیق و دستکاری رشته‌ها استفاده می‌شوند. عبارات باقاعده به طور گسترده در برنامه‌نویسی برای وظایفی مانند موارد زیر استفاده می‌شوند:

• اعتبارسنجی داده‌ها: اطمینان از اینکه ورودی کاربر با فرمت‌های خاص (مثلاً آدرس ایمیل، شماره تلفن) مطابقت دارد.
• استخراج داده‌ها: بازیابی اطلاعات خاص از متن (مثلاً استخراج تاریخ‌ها، URLها یا قیمت‌ها).
• جستجو و جایگزینی: یافتن و جایگزینی متن بر اساس الگوهای پیچیده.
• پردازش متن: تقسیم، پیوستن یا تغییر رشته‌ها بر اساس قوانین تعریف‌شده.

ایجاد عبارات باقاعده در جاوا اسکریپت

در جاوا اسکریپت، عبارات باقاعده را می‌توان به دو روش ایجاد کرد:

1. استفاده از لیترال عبارت باقاعده: الگو را درون اسلش‌های رو به جلو (/) قرار دهید.
2. استفاده از سازنده RegExp: یک شیء RegExp با الگو به عنوان یک رشته ایجاد کنید.

مثال:

// استفاده از لیترال عبارت باقاعده
const regexLiteral = /hello/;

// استفاده از سازنده RegExp
const regexConstructor = new RegExp("hello");

انتخاب بین این دو روش بستگی به این دارد که الگو در زمان کامپایل مشخص باشد یا به صورت پویا تولید شود. زمانی که الگو ثابت و از پیش مشخص است از نوشتار لیترال استفاده کنید. زمانی که الگو نیاز به ساخت برنامه‌نویسی شده دارد، به ویژه هنگام استفاده از متغیرها، از سازنده استفاده کنید.

سینتکس پایه رجکس

عبارات باقاعده از کاراکترهایی تشکیل شده‌اند که الگوی مورد نظر برای تطبیق را نشان می‌دهند. در اینجا برخی از مؤلفه‌های اساسی رجکس آورده شده است:

• کاراکترهای لیترال: خود کاراکترها را تطبیق می‌دهند (مثلاً /a/ کاراکتر 'a' را تطبیق می‌دهد).
• متاکاراکترها: معانی خاصی دارند (مثلاً .، ^، $، *، +، ?، []، {}، ()، \، |).
• کلاس‌های کاراکتری: مجموعه‌ای از کاراکترها را نشان می‌دهند (مثلاً [abc] کاراکتر 'a'، 'b' یا 'c' را تطبیق می‌دهد).
• کمیّت‌سنج‌ها (Quantifiers): مشخص می‌کنند که یک کاراکتر یا گروه چند بار باید تکرار شود (مثلاً *، +، ?، {n}، {n,}، {n,m}).
• لنگرها (Anchors): موقعیت‌ها را در رشته تطبیق می‌دهند (مثلاً ^ ابتدای رشته و $ انتهای رشته را تطبیق می‌دهد).

متاکاراکترهای رایج:

• . (نقطه): هر کاراکتر تکی به جز خط جدید را تطبیق می‌دهد.
• ^ (کلاهک): ابتدای رشته را تطبیق می‌دهد.
• $ (دلار): انتهای رشته را تطبیق می‌دهد.
• * (ستاره): صفر یا چند بار تکرار کاراکتر یا گروه قبلی را تطبیق می‌دهد.
• + (بعلاوه): یک یا چند بار تکرار کاراکتر یا گروه قبلی را تطبیق می‌دهد.
• ? (علامت سوال): صفر یا یک بار تکرار کاراکتر یا گروه قبلی را تطبیق می‌دهد. برای کاراکترهای اختیاری استفاده می‌شود.
• [] (براکت): یک کلاس کاراکتری را تعریف می‌کند و هر کاراکتر تکی درون براکت را تطبیق می‌دهد.
• {} (آکولاد): تعداد تکرارها برای تطبیق را مشخص می‌کند. {n} دقیقاً n بار تطبیق می‌دهد، {n,} n بار یا بیشتر تطبیق می‌دهد، {n,m} بین n تا m بار تطبیق می‌دهد.
• () (پرانتز): کاراکترها را با هم گروه‌بندی می‌کند و زیررشته تطبیق داده شده را ضبط می‌کند.
• \ (بک‌اسلش): متاکاراکترها را escape می‌کند تا بتوانید آنها را به صورت لیترال تطبیق دهید.
• | (پایپ): به عنوان عملگر "یا" عمل می‌کند و عبارت قبل یا بعد از خود را تطبیق می‌دهد.

کلاس‌های کاراکتری:

• [abc]: یکی از کاراکترهای a، b یا c را تطبیق می‌دهد.
• [^abc]: هر کاراکتری را که a، b یا c *نباشد* تطبیق می‌دهد.
• [a-z]: هر حرف کوچک از a تا z را تطبیق می‌دهد.
• [A-Z]: هر حرف بزرگ از A تا Z را تطبیق می‌دهد.
• [0-9]: هر رقمی از 0 تا 9 را تطبیق می‌دهد.
• [a-zA-Z0-9]: هر کاراکتر الفبایی-عددی را تطبیق می‌دهد.
• \d: هر رقمی را تطبیق می‌دهد (معادل [0-9]).
• \D: هر کاراکتر غیررقمی را تطبیق می‌دهد (معادل [^0-9]).
• \w: هر کاراکتر کلمه (الفبایی-عددی به علاوه زیرخط) را تطبیق می‌دهد (معادل [a-zA-Z0-9_]).
• \W: هر کاراکتر غیرکلمه را تطبیق می‌دهد (معادل [^a-zA-Z0-9_]).
• \s: هر کاراکتر فضای خالی (فاصله، تب، خط جدید و غیره) را تطبیق می‌دهد.
• \S: هر کاراکتر غیر فضای خالی را تطبیق می‌دهد.

کمیّت‌سنج‌ها:

• *: عنصر قبلی را صفر یا چند بار تطبیق می‌دهد. برای مثال، a* رشته‌های ""، "a"، "aa"، "aaa" و غیره را تطبیق می‌دهد.
• +: عنصر قبلی را یک یا چند بار تطبیق می‌دهد. برای مثال، a+ رشته‌های "a"، "aa"، "aaa" را تطبیق می‌دهد اما "" را نه.
• ?: عنصر قبلی را صفر یا یک بار تطبیق می‌دهد. برای مثال، a? رشته "" یا "a" را تطبیق می‌دهد.
• {n}: عنصر قبلی را دقیقاً *n* بار تطبیق می‌دهد. برای مثال، a{3} رشته "aaa" را تطبیق می‌دهد.
• {n,}: عنصر قبلی را *n* بار یا بیشتر تطبیق می‌دهد. برای مثال، a{2,} رشته‌های "aa"، "aaa"، "aaaa" و غیره را تطبیق می‌دهد.
• {n,m}: عنصر قبلی را بین *n* و *m* بار (شامل هر دو) تطبیق می‌دهد. برای مثال، a{2,4} رشته‌های "aa"، "aaa" یا "aaaa" را تطبیق می‌دهد.

لنگرها:

• ^: ابتدای رشته را تطبیق می‌دهد. برای مثال، ^Hello رشته‌هایی را که با "Hello" *شروع* می‌شوند تطبیق می‌دهد.
• $: انتهای رشته را تطبیق می‌دهد. برای مثال، World$ رشته‌هایی را که با "World" *پایان* می‌یابند تطبیق می‌دهد.
• \b: یک مرز کلمه را تطبیق می‌دهد. این موقعیت بین یک کاراکتر کلمه (\w) و یک کاراکتر غیرکلمه (\W) یا ابتدا یا انتهای رشته است. برای مثال، \bword\b کل کلمه "word" را تطبیق می‌دهد.

پرچم‌ها (Flags):

پرچم‌های رجکس رفتار عبارات باقاعده را تغییر می‌دهند. آنها به انتهای لیترال رجکس اضافه می‌شوند یا به عنوان آرگومان دوم به سازنده RegExp ارسال می‌شوند.

• g (global): تمام موارد تطبیق الگو را پیدا می‌کند، نه فقط اولین مورد را.
• i (ignore case): تطبیق بدون در نظر گرفتن بزرگی و کوچکی حروف را انجام می‌دهد.
• m (multiline): حالت چندخطی را فعال می‌کند، که در آن ^ و $ ابتدا و انتهای هر خط (جدا شده با \n) را تطبیق می‌دهند.
• s (dotAll): به نقطه (.) اجازه می‌دهد تا کاراکترهای خط جدید را نیز تطبیق دهد.
• u (unicode): پشتیبانی کامل از یونیکد را فعال می‌کند.
• y (sticky): فقط از اندیس مشخص شده توسط ویژگی lastIndex رجکس تطبیق می‌دهد.

متدهای رجکس در جاوا اسکریپت

جاوا اسکریپت چندین متد برای کار با عبارات باقاعده فراهم می‌کند:

• test(): بررسی می‌کند که آیا یک رشته با الگو مطابقت دارد یا نه. مقدار true یا false را برمی‌گرداند.
• exec(): یک جستجو برای تطبیق در یک رشته را اجرا می‌کند. آرایه‌ای حاوی متن تطبیق داده شده و گروه‌های ضبط شده را برمی‌گرداند، یا در صورت عدم تطبیق، null را برمی‌گرداند.
• match(): آرایه‌ای حاوی نتایج تطبیق یک رشته با یک عبارت باقاعده را برمی‌گرداند. با و بدون پرچم g رفتار متفاوتی دارد.
• search(): برای تطبیق در یک رشته تست می‌کند. اندیس اولین تطبیق را برمی‌گرداند، یا در صورت عدم تطبیق، -1 را برمی‌گرداند.
• replace(): موارد تطبیق یک الگو را با یک رشته جایگزین یا یک تابعی که رشته جایگزین را برمی‌گرداند، جایگزین می‌کند.
• split(): یک رشته را بر اساس یک عبارت باقاعده به آرایه‌ای از زیررشته‌ها تقسیم می‌کند.

مثال‌هایی از کاربرد متدهای رجکس:

// test()
const regex = /hello/;
const str = "hello world";
console.log(regex.test(str)); // خروجی: true

// exec()
const regex2 = /hello (\w+)/;
const str2 = "hello world";
const result = regex2.exec(str2);
console.log(result); // خروجی: ["hello world", "world", index: 0, input: "hello world", groups: undefined]

// match() با پرچم 'g'
const regex3 = /\d+/g; // یک یا چند رقم را به صورت سراسری تطبیق می‌دهد
const str3 = "There are 123 apples and 456 oranges.";
const matches = str3.match(regex3);
console.log(matches); // خروجی: ["123", "456"]

// match() بدون پرچم 'g'
const regex4 = /\d+/;
const str4 = "There are 123 apples and 456 oranges.";
const match = str4.match(regex4);
console.log(match); // خروجی: ["123", index: 11, input: "There are 123 apples and 456 oranges.", groups: undefined]

// search()
const regex5 = /world/;
const str5 = "hello world";
console.log(str5.search(regex5)); // خروجی: 6

// replace()
const regex6 = /world/;
const str6 = "hello world";
const newStr = str6.replace(regex6, "JavaScript");
console.log(newStr); // خروجی: hello JavaScript

// replace() با یک تابع
const regex7 = /(\d+)-(\d+)-(\d+)/;
const str7 = "Today's date is 2023-10-27";
const newStr2 = str7.replace(regex7, (match, year, month, day) => {
  return `${day}/${month}/${year}`;
});
console.log(newStr2); // خروجی: Today's date is 27/10/2023

// split()
const regex8 = /, /;
const str8 = "apple, banana, cherry";
const arr = str8.split(regex8);
console.log(arr); // خروجی: ["apple", "banana", "cherry"]

تکنیک‌های پیشرفته رجکس

گروه‌های ضبط‌کننده (Capturing Groups):

پرانتزها () برای ایجاد گروه‌های ضبط‌کننده در عبارات باقاعده استفاده می‌شوند. گروه‌های ضبط‌شده به شما امکان می‌دهند بخش‌های خاصی از متن تطبیق داده شده را استخراج کنید. متدهای exec() و match() آرایه‌ای را برمی‌گردانند که در آن عنصر اول کل تطبیق است و عناصر بعدی گروه‌های ضبط‌شده هستند.

const regex = /(\d{4})-(\d{2})-(\d{2})/;
const dateString = "2023-10-27";
const match = regex.exec(dateString);

console.log(match[0]); // خروجی: 2023-10-27 (کل تطبیق)
console.log(match[1]); // خروجی: 2023 (اولین گروه ضبط‌شده - سال)
console.log(match[2]); // خروجی: 10 (دومین گروه ضبط‌شده - ماه)
console.log(match[3]); // خروجی: 27 (سومین گروه ضبط‌شده - روز)

گروه‌های ضبط‌کننده نام‌گذاری‌شده:

ES2018 گروه‌های ضبط‌کننده نام‌گذاری‌شده را معرفی کرد که به شما امکان می‌دهد با استفاده از سینتکس (?...) به گروه‌های ضبط‌کننده نام اختصاص دهید. این کار کد را خواناتر و قابل نگهداری‌تر می‌کند.

const regex = /(?\d{4})-(?\d{2})-(?\d{2})/;
const dateString = "2023-10-27";
const match = regex.exec(dateString);

console.log(match.groups.year);  // خروجی: 2023
console.log(match.groups.month); // خروجی: 10
console.log(match.groups.day);   // خروجی: 27

گروه‌های غیرضبط‌کننده:

اگر نیاز دارید بخش‌هایی از یک رجکس را بدون ضبط کردن آنها گروه‌بندی کنید (مثلاً برای اعمال یک کمیّت‌سنج به یک گروه)، می‌توانید از یک گروه غیرضبط‌کننده با سینتکس (?:...) استفاده کنید. این کار از تخصیص حافظه غیرضروری برای گروه‌های ضبط‌شده جلوگیری می‌کند.

const regex = /(?:https?:\/\/)?([\w\.]+)/; // یک URL را تطبیق می‌دهد اما فقط نام دامنه را ضبط می‌کند
const url = "https://www.example.com/path";
const match = regex.exec(url);

console.log(match[1]); // خروجی: www.example.com

نگاه به اطراف (Lookarounds):

نگاه به اطراف، ادعاهای با عرض صفر هستند که یک موقعیت را در یک رشته بر اساس الگویی که قبل از آن (نگاه به پشت) یا بعد از آن (نگاه به جلو) قرار دارد، تطبیق می‌دهند، بدون اینکه خود الگوی نگاه به اطراف را در تطبیق شامل کنند.

• نگاه به جلوی مثبت (Positive Lookahead): (?=...) اگر الگوی داخل نگاه به جلو *بعد* از موقعیت فعلی بیاید، تطبیق می‌دهد.
• نگاه به جلوی منفی (Negative Lookahead): (?!...) اگر الگوی داخل نگاه به جلو *بعد* از موقعیت فعلی نیاید، تطبیق می‌دهد.
• نگاه به پشت مثبت (Positive Lookbehind): (?<=...) اگر الگوی داخل نگاه به پشت *قبل* از موقعیت فعلی بیاید، تطبیق می‌دهد.
• نگاه به پشت منفی (Negative Lookbehind): (? اگر الگوی داخل نگاه به پشت *قبل* از موقعیت فعلی نیاید، تطبیق می‌دهد.

// نگاه به جلوی مثبت: قیمت را فقط زمانی بگیر که بعد از آن USD آمده باشد
const regex = /\d+(?= USD)/;
const text = "The price is 100 USD";
const match = text.match(regex);
console.log(match); // خروجی: ["100"]

// نگاه به جلوی منفی: کلمه را فقط زمانی بگیر که بعد از آن عدد نیامده باشد
const regex2 = /\b\w+\b(?! \d)/;
const text2 = "apple 123 banana orange 456";
const matches = text2.match(regex2);
console.log(matches); // خروجی: null چون match() بدون پرچم 'g' فقط اولین تطبیق را برمی‌گرداند که چیزی نیست که ما نیاز داریم.
// برای رفع این مشکل:
const regex3 = /\b\w+\b(?! \d)/g;
const text3 = "apple 123 banana orange 456";
const matches3 = text3.match(regex3);
console.log(matches3); // خروجی: [ 'banana' ]

// نگاه به پشت مثبت: مقدار را فقط زمانی بگیر که قبل از آن $ آمده باشد
const regex4 = /(?<=\$)\d+/;
const text4 = "The price is $200";
const match4 = text4.match(regex4);
console.log(match4); // خروجی: ["200"]

// نگاه به پشت منفی: کلمه را فقط زمانی بگیر که قبل از آن کلمه 'not' نیامده باشد
const regex5 = /(?

const regex = /([a-z]+) \1/;
const text = "hello hello world";
const match = regex.exec(text);
console.log(match); // خروجی: ["hello hello", "hello", index: 0, input: "hello hello world", groups: undefined]

const emailRegex = /^[\w-\.]+@([\w-]+\.)+[\w-]{2,4}$/;

console.log(emailRegex.test("test@example.com"));    // خروجی: true
console.log(emailRegex.test("invalid-email"));       // خروجی: false
console.log(emailRegex.test("test@sub.example.co.uk")); // خروجی: true

const urlRegex = /https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)/g;
const text = "Visit our website at https://www.example.com or check out http://blog.example.org.";
const urls = text.match(urlRegex);
console.log(urls); // خروجی: ["https://www.example.com", "http://blog.example.org"]

const csvString = 'John,Doe,"123, Main St",New York';
const csvRegex = /(?:"([^"]*(?:""[^"]*)*)")|([^,]+)/g; //رجکس تصحیح شده برای CSV
let values = [];
let match;  

while (match = csvRegex.exec(csvString)) {
  values.push(match[1] ? match[1].replace(/""/g, '"') : match[2]);
}


console.log(values); // خروجی: ["John", "Doe", "123, Main St", "New York"]

const phoneRegex = /^\+(?:[0-9] ?){6,14}[0-9]$/;
console.log(phoneRegex.test("+1 555 123 4567")); // خروجی: true (مثال آمریکا)
console.log(phoneRegex.test("+44 20 7946 0500")); // خروجی: true (مثال بریتانیا)
console.log(phoneRegex.test("+81 3 3224 5000"));  // خروجی: true (مثال ژاپن)
console.log(phoneRegex.test("123-456-7890"));   // خروجی: false

const passwordRegex = /^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,}$/;

console.log(passwordRegex.test("P@ssword123")); // خروجی: true
console.log(passwordRegex.test("password"));       // خروجی: false (بدون حرف بزرگ یا عدد)
console.log(passwordRegex.test("Password"));       // خروجی: false (بدون عدد)
console.log(passwordRegex.test("Pass123"));        // خروجی: false (بدون حرف کوچک)
console.log(passwordRegex.test("P@ss1"));          // خروجی: false (کمتر از 8 کاراکتر)