JavaScript Regex: test, match, replace ve Gruplar

Regex Nedir? Metin Eşleştirmek İçin Desenler

JavaScript düzenli ifadeler (regex), string'lerin biçimini tarif etmenin bir yolu: "dört basamaklı sayı", "virgülle biten bir kelime" ya da "e-postaya benzeyen herhangi bir şey" gibi. JavaScript'te bir regex oluşturmanın iki yolu var:

Çoğunlukla kullanacağın yazım şekli birebir bu: deseni iki eğik çizgi arasına alıyorsun, flag'leri de kapanış eğik çizgisinden sonra yazıyorsun. Ama desenin kendisi dinamikse, yani kullanıcı girdisinden ya da bir değişkenden oluşturuyorsan, new RegExp(...) devreye girer.

Sondaki i bir flag. i büyük-küçük harf duyarsız eşleşme anlamına geliyor. Flag'lere birazdan ayrıntılı gireceğiz.

test: Eşleşme Var mı?

Bir regex'e sorabileceğin en basit soru şu: "bu string'in içinde bir eşleşme var mı?" İşte tam bu noktada test devreye giriyor:

\d "herhangi bir rakam" anlamına gelir. test sadece true ya da false döner, başka bir şey değil. Elinizde sadece evet/hayır cevabı yeterliyse — bir alanı doğrulamak, bir diziyi filtrelemek gibi — test tam aradığınız araçtır.

match: Eşleşen Metni Yakalamak

Eşleşen metnin kendisine ihtiyacınız olduğunda, string'in match metodunu kullanın:

g flag'i olmadan match, ilk eşleşmeyi index ve input gibi meta bilgilerle birlikte bir dizi olarak döner. g flag'i ile birlikte kullandığında ise tüm eşleşmeleri düz bir string dizisi şeklinde verir. Hiçbir eşleşme yoksa boş dizi değil, null döndüğünü unutma; ona göre kontrol etmen gerekir:

Flag'ler Kalıbın Davranışını Değiştirir

Flag'ler kapanış slash'ının arkasına gelir ve eşleşmenin nasıl yapılacağını belirler. En sık kullanacakların şunlar:

• g — global; sadece ilk eşleşmeyi değil, tüm eşleşmeleri bulur.
• i — büyük/küçük harf duyarsız eşleşme.
• m — çok satırlı mod; ^ ve $ artık yalnızca string'in başı/sonu değil, her satırın başı/sonu ile eşleşir.
• s — dotall; . karakteri yeni satır karakterleriyle de eşleşir.
• u — unicode uyumlu; birçok emoji ve ASCII dışı kalıp için gerekli.

m olmadan ^ yalnızca stringin en başına sabitlenir. m ile birlikte ise her satırın başına sabitlendiği için hem Roses hem de Violets yakalanır.

Karakter Sınıfları ve Niceleyiciler

Çoğu desenin yapı taşları şunlar:

• \d rakam, \w kelime karakteri (harf/rakam/alt çizgi), \s boşluk.
• [abc] a, b veya c'den biri. [^abc] bunların dışındaki her şey. [a-z] bir aralık.
• . yeni satır dışındaki herhangi bir karakter.
• * sıfır veya daha fazla, + bir veya daha fazla, ? sıfır ya da bir.
• {3} tam olarak üç, {2,5} iki ile beş arası, {2,} iki ya da daha fazla.
• ^ başlangıç, $ bitiş.

Hepsini bir araya getirelim:

\b bir kelime sınırıdır — yani bir kelime karakteri ile kelime olmayan bir karakter arasındaki görünmez çizgi. "Tam kelime" eşleşmesi yapmak istediğinizde işinize yarar.

Yakalama Grupları: Eşleşmenin Parçalarını Hatırlamak

Parantezler, eşleşen kısmı yakalayan bir grup oluşturur. exec ve match, genel eşleşmenin yanında bu yakalamaları da döndürür:

0 numaralı indekste tüm eşleşmenin kendisi bulunur, ardından her grup kendi yerini alır. Ama ikiden fazla grubun olduğu durumlarda sıra sayarak gitmek can sıkıcı oluyor; o yüzden gruplara isim verelim:

İsimlendirilmiş gruplar, kullanım yerinde çok daha okunaklı duruyor; üstelik pattern içindeki sırayı değiştirdiğinizde de bozulmuyor.

replace: Eşleşen Metni Yeniden Yazma

replace metodu bir pattern ve bir de yerine yazılacak değer alır. Bu değer bir string olabileceği gibi bir fonksiyon da olabilir:

g bayrağını koymadığınızda yalnızca ilk eşleşme değiştirilir. Sık yapılan hatalardan biri bu bayrağı unutup ikinci e-postanın neden hâlâ bozuk göründüğüne şaşırmaktır.

Değiştirme (replacement) metinleri geri referans (back-reference) desteği sunar. $1, $2 gibi ifadeler yakalama gruplarına, $<isim> ise isimlendirilmiş gruplara karşılık gelir:

Basit bir değiştirme dışında daha karmaşık bir işlem yapacaksanız, ikinci parametre olarak bir fonksiyon verebilirsiniz. Bu fonksiyon; eşleşen metni ve yakalama gruplarını argüman olarak alır:

Alt çizgi eşleşmenin tamamını temsil ediyor (bize lazım değil); n ise ilk yakalama grubu. Regex artı replacer fonksiyonu kombinasyonu, gerçek hayatta karşılaştığınız metin düzenleme işlerinin büyük çoğunluğunu rahatlıkla halleder.

matchAll: Tüm eşleşmeleri yakalama gruplarıyla birlikte

String.prototype.matchAll, her eşleşmeyi yakalama gruplarıyla birlikte dönen bir iterator verir — ki bunu g bayrağıyla kullandığınız sade match ile yapamazsınız:

matchAll kullanırken g flag'i zorunlu. Onsuz TypeError alırsın. Iterator yerine rastgele erişim lazımsa diziye yay: [...text.matchAll(email)].

Özel Karakterleri Kaçışlama (Escape)

Regex'te . * + ? ( ) [ ] { } | \ ^ $ gibi karakterlerin özel bir anlamı vardır. Bunları birebir karakter olarak eşleştirmek istiyorsan başına ters eğik çizgi koyup kaçışlaman gerekir:

Kaçış uygulanmamış hali examplexcom ile de eşleşir; çünkü . "herhangi bir karakter" anlamına gelir. Bu tür hatalar hem yaygın hem de sessiz sedasızdır — regex'iniz olması gerekenden fazlasını yakalıyorsa ilk iş olarak kaçışsız bir . var mı diye bakın.

Kullanıcı girdisinden bir pattern oluştururken bu girdiyi mutlaka escape etmelisiniz; aksi hâlde kullanıcı regex sözdizimi enjekte edebilir:

$& bir replacement string içinde "eşleşen metnin tamamı" anlamına gelen bir kısayoldur.

Lookahead ve Lookbehind

Bazen bir metnin yalnızca belirli bir şeyin ardından geldiğinde (ya da öncesinde geldiğinde) eşleşmesini istersin — ama o "şey"in eşleşmenin içine dahil olmasını istemezsin. İşte lookaround dediğimiz yapılar tam olarak bunu yapar:

• (?= ...) pozitif lookahead: "şunun tarafından takip edilen."
• (?<= ...) pozitif lookbehind: "şunun tarafından öncelenen."
• (?! ...) ve (?<! ...) ise bunların negatif karşılıkları.

Lookaround'lar karakter tüketmez, yani "baktığınız" kısım deseninizin bir sonraki parçası için hâlâ kullanılabilir durumda kalır.

E-posta Doğrulama Hakkında Küçük Bir Not

Bu konu sık sık karşınıza çıkacak: "bana e-posta doğrulayan bir regex ver." Dürüst cevap şu: verme. Gerçek e-posta grameri oldukça çetrefilli ve okunabilecek kadar kısa bir regex bir yönden mutlaka hatalıdır. Form doğrulaması için pragmatik bir desen iş görür:

Şöyle okuyun: "boşluk olmayan ve @ içermeyen birkaç karakter, bir @, aynısından biraz daha, bir nokta, yine aynısından biraz daha." Bu kalıp, RFC 5322'yi tam uyguluyormuş gibi davranmadan bariz yazım hatalarını yakalar. Gerçek doğrulama için yine de onay e-postası göndermelisiniz.

Sık Yapılan Hatalar

Akılda tutmaya değer birkaç tuzak:

• replace veya matchAll ile g flag'ini unutmak. Sadece ilk eşleşmeyi alırsınız ya da TypeError fırlar.
• Global regex'lerde durumlu lastIndex. g veya y flag'li bir regex, test/exec çağrıları arasında nerede kaldığını hatırlar. Alakasız string'lerde aynı regex'i tekrar kullanmayın — ya her seferinde yenisini oluşturun ya da matchAll'a geçin.
• Dinamik kalıplarda escape edilmemiş nokta ve slash'lar. Kullanıcı girdisini new RegExp(...) içine atmadan önce mutlaka escape edin.
• Catastrophic backtracking (yıkıcı geri izleme). (a+)+ gibi iç içe quantifier'lar, kötü niyetli bir girdide sekmeyi kilitleyebilir. Bir regex yavaş hissettiriyorsa, sadeleştirin.

Sırada: Tarih ve Saat

Regex metnin şekliyle ilgilenir; gerçek veride ise ayrıştırılması, formatlanması ve üzerinde işlem yapılması gereken zaman damgaları da vardır. Bir sonraki sayfada Date, Intl.DateTimeFormat ve timezone hatalarından sizi uzak tutacak zihinsel modeli ele alacağız.