正则匹配中,除了文本的匹配外,还有位置匹配。
因为位置匹配不会匹配任何实际的文本,只是匹配文本中的位置,所以也称为锚点(Anchors)、零长度断言 或者 零宽断言 (Zero-Width Assertions)。结合这几个名字,这个概念的含义已经很容易理解了。
JavaScript提供了如下的零宽断言:
零宽断言 | 意义 |
---|---|
^ |
匹配输入的开始。 |
$ |
匹配输入的结束。 |
\b |
匹配一个词的边界。 |
\B |
匹配一个非单词边界。 |
(?=p) |
肯定顺序环视 |
(?!p) |
否定顺序环视 |
(?<=p) |
肯定逆序环视 |
(?<!p) |
否定逆序环视 |
其中逆序环视是ES2017出现的,ES5只有前6个。
^ 和 $
^
(脱字符)匹配开头,在多行匹配中匹配行开头。
$
(美元符号)匹配结尾,在多行匹配中匹配行结尾。
比如:
console.log('Assertions'.replace(/^/, '##')) // ##Assertions
多行的例子:
console.log('hello\nworld'.replace(/^/gm, '#'))
/**
#hello
#world
**/
\b 和 \B
\b
是单词边界,具体就是\w
与\W
之间的位置,也包括\w
与^
之间的位置,和\w
与$
之间的位置。
比如:
console.log('[ES2018] Ecma_262.pdf'.replace(/\b/gm, '#')) // [#ES2018#] #Ecma_262#.#pdf#
因为 \w
是 [0-9a-zA-Z_]
的简写形式,而 \W
是排除字符组 [^0-9a-zA-Z_]
的简写形式。从结果[#ES2018#] #Ecma_262#.#pdf#
中可以发现,字符串中所有的 \w
和 \W
之间的位置都被匹配。
\B
表示非单词边界,也就是除去 \b
之外的任何位置。具体说来就是 \w
与 \w
、 \W
与 \W
、^
与 \W
,\W
与 $
之间的位置。
console.log('[ES2018] Ecma_262.pdf'.replace(/\B/gm, '#')) #[E#S#2#0#1#8]# E#c#m#a#_#2#6#2.p#d#f
环视 (lookaround)
和许多其他的概念一样,环视也有着其他的的名字,不过这些名字恰恰能帮助我们更好的理解这些概念。
先以 positive lookahead 为例,通过以下两个不同的名字和正则表达式(?=\d)
来理解这个概念:
-
肯定顺序环视 ,顺序(从左向右)查看文本,尝试匹配子表达式,如果能够匹配成功,就返回匹配成功的信息。比如,表达式
(?=\d)
表示,如果当前位置右边的字符是数字则匹配成功。 -
正向先行断言,
(?=\d)
匹配数字前的位置。
这个概念理解起来不是很麻烦,第一种名字,更容易理解原理,第二种名字理解起来很直观。
环视一共有四种:
根据方向的不同,分为 lookahead 和 lookbehind。
根据判定原则不同,分为 positive 和 negative。
所以,有肯定顺序环视,否定顺序环视,肯定逆序环视和否定逆序环视。对应的另一组名字是:正向先行断言,负向先行断言,正向后行断言和负向后行断言。
比如,根据上面 positive lookahead 例子的解释, 可以知道 negative lookbehind的含义:
- 表达式为
(?<!\d)
- 否定逆序环视,逆序(从右向左)查看文本,如果当前位置的左边不是数字,则匹配成功。
- 负向后行断言,匹配前面不是数字的位置。
零宽的理解
零宽,简单理解为空字符 ""
。
因为没有宽度,所以匹配完成后还停留在这个位置,还可以继续匹配,也即一个位置可以被多次匹配。
如:
console.log(/^^hello$$$/.test("hello")) // true
经常使用多个零宽断言组合在一起使用,对同一个位置进行多重判断。
比如下面的例子就使用了多个零宽断言,以包含和并列的方式组合来限制同一个位置,以达到更精确的匹配。
例子
给数字添加分号
有时候我们需要标记一长串的数字,在每三位数字中间添加逗号,如这个样子:12,456,567
,如何用正则来解决这个问题呢?
我们大概分析一下需求:
- 匹配一个位置
- 不是数字字符串的开头
- 右边的数字个数正好是3的倍数
- 对于类似
1990s
的字符串不会加分号 - 对于类似
price: $3000
的字符串中间数字部分应该加分号
首先解决基本的需求即给数字字符串加分号,需要匹配一个位置 且:
- 匹配“不在开头”,我们知道匹配开头用
^
,但是匹配不是开头该咋办呢?根据上文的介绍,可以把不在开头理解为,匹配一个后面不是开头的位置:(?!^)
- 右边的数字个数正好是3的倍数:
(?=(\d{3})+$
var regex = /(?!^)(?=(\d{3})+$)/g
console.log('12345'.replace(regex, ',')) // 12,345
console.log('234567'.replace(regex, ',')) // 123,456
接下来,为了完成更精确的匹配,正则表达式要满足后面的需求。
其他的要求换一种更“正则”的表述方式是,数字的前后不是单词字符,即上文提到的 \b
。
把上面的正则表达式中的 ^
和 $
替换为 \b
即可:
var regex = /(?!\b)(?=(\d{3})+\b)/g
console.log('12345'.replace(regex, ',')) // 12,345
console.log('1234567'.replace(regex, ',')) // 1,234,567
console.log('abc12345d'.replace(regex, ',')) // abc12345d
console.log('abc 12345 6d'.replace(regex, ',')) // abc 12,345 6d
完成了我们的目标,但是关于 (?!\b)
可以重新理解一下,(?!...)
和 \b
都是在匹配位置,根据上文提到的对零宽的理解,其实(?!\b)
匹配的是一个不是 \b
的位置,也就是 \B
:
var regex = /\B(?=(\d{3})+\b)/g
console.log('12345'.replace(regex, ',')) // 12,345
console.log('1234567'.replace(regex, ',')) // 1,234,567
console.log('abc12345d'.replace(regex, ',')) // abc12345d
console.log('abc 12345 6d'.replace(regex, ',')) // abc 12,345 6d
这个例子虽然有点复杂,但它是一个理解位置匹配的好例子。如果看完这个例子还不过瘾,可想想其他的解法比如: /(?<=\d)(?=(\d{3})+\b)/g
。