JS 正则表达式否定匹配（正向前瞻）

Posted 2020-09-20 DongXu

本文以标签过滤样例为题，引入了JS正则表达式否定匹配的方法，进而深入对前瞻表达式进行了详细的研究，适合有一定基础的前端同学学习参考。

引言

　　JS 正则表达式是 JS 学习过程中的一大难点，繁杂的匹配模式足以让人头大，不过其复杂性和其学习难度也赋予了它强大的功能。文章从 JS 正则表达式的正向前瞻说起，实现否定匹配的案例。本文适合有一定 JS 正则表达式基础的同学，如果对正则表达式并不了解，还需先学习基础再来观摩这门否定大法。

---

 一、标签过滤需求

　　不知道大家在写JS有没有遇到过这样的情况，当你要处理一串字符串时，需要写一个正则表达式来匹配当中不是 XXX 的文本内容。听起来好像略有些奇怪，匹配不是 XXX 的内容，不是 XXX 我匹配它干嘛啊，我要啥匹配啥不就完了。你还别说，这个玩意还真的有用，不管你遇没遇到过，反正我是遇到了。具体的需求例如：当你收到一串HTML代码，需要对这一串HTML代码过滤，将里面所有的非<p>标签都改为<p>。这里肯定有不少同学就要嫌弃了，“将所有标签都改为<p>，那就把任意标签都改为<p>不就完了？”，于是乎一行代码拍脑袋而生：

1     var str = \'<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>\';
2     var reg = /<(\\/?).*?>/g;
3     var newStr = str.replace(reg, "<$1p>");
4     console.log(newStr);//<p>,<p>,<p>,<p>,</p>,</p>,</p>,</p>

　　注意这个方法中有一个引用符 “$1” ，这个的意思引用正则的表达式的第1个分组，可以用$N来表示在正则表达式中的第N个捕获的引用。就那上面的例子来说，"(\\/?)"这个一个表达式的含义是，"\\/"这个字符出现0次或者1次，而$1这个引用呢就相当于和“\\/”这个字符门当户对的大闺女，她已下定决心此生非"\\/"不嫁。所以当匹配到有一个“\\/”的时候，$1这个引用就把它捕获下来，从现在起，你的就是我的，我的就是你的啦，因此$1等价于"(\\/?)"所匹配到的字符；反之如果没有匹配到"\\/"这个字符，那$1这个引用就得空守闺房，独立熬过一个又一个漫长的夜晚，因为它内心极度的空虚，所以$1就等价于""（也就是空串）。

　　这里先聊了聊引用和捕获的概念，因为后面还会用到它。那么话说回来，刚才那一串正则，不是已经完美的实现了需求了吗？还研究什么否定匹配啊？各位看官别急，且听小生慢慢道来。我们都知道，需求这个东西，肯定是会改嘀（◐ˍ◑）。现在改一改需求：当你收到一串HTML代码，需要对这一串HTML代码过滤，将里面所有的非<p>或者<div>标签都改为<p>。WTF？这算哪门子需求？话说我当时也是这种反应。我们现在分析一下这个需求到底要干嘛，也就是说，保留原html代码中的<p>和<div>，将其他标签统一修改为<p>。咦...这下可不好弄了，刚才那串代码看上去貌似行不通了。所以说这时候就只能用排除法了，排除掉<p>和<div>，替换掉其他的标签。那么问题也就来了，如何排除？

 二、正则前瞻表达式

　　在正则表达式当中有个东西叫做前瞻，有的管它叫零宽断言：

表达式	名称	描述
(?=exp)	正向前瞻	匹配后面满足表达式exp的位置
(?!exp)	负向前瞻	匹配后面不满足表达式exp的位置
(?<=exp)	正向后瞻	匹配前面满足表达式exp的位置（JS不支持）
(?<!exp)	负向后瞻	匹配前面不满足表达式exp的位置（JS不支持）

　　由于 JS 原生不支持后瞻，所以这里就不研究它了。我们来看看前瞻的作用：

1     var str = \'Hello, Hi, I am Hilary.\';
2     var reg = /H(?=i)/g;
3     var newStr = str.replace(reg, "T");
4     console.log(newStr);//Hello, Ti, I am Tilary.

　　在这个DEMO中我们可以看出正向前瞻的作用，同样是字符"H"，但是只匹配"H"后面紧跟"i"的"H"。就相当于有一家公司reg，这时候有多名"H"人员前来应聘，但是reg公司提出了一个硬条件是必须掌握"i"这项技能，所以"Hello"就自然的被淘汰掉了。

　　那么负向前瞻呢？道理是相同的：

1     var str = \'Hello, Hi, I am Hilary.\';
2     var reg = /H(?!i)/g;
3     var newStr = str.replace(reg, "T");
4     console.log(newStr);//Tello, Hi, I am Hilary.

　　在这个DEMO中，我们把之前的正向前瞻换成了负向前瞻。这个正则的意思就是，匹配"H",且后面不能跟着一个"i"。这时候"Hello"就可以成功的应聘了，因为reg公司修改了他们的招聘条件，他们说"i"这门技术会有损公司的企业文化，所以我们不要了。

三、前瞻的非捕获性

　　说到这里，让我们回到最初的那个需求，让我们先用负向前瞻来实现第一个需求：将所有非<p>标签替换为<p>。话说同学们刚学完了负向前瞻，了解到了JS的博大精深，心中暗生窃喜，提笔一挥：

1     var str = \'<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>\';
2     var reg = /<(\\/?)(?!p)>/g;
3     var newStr = str.replace(reg, "<$1p>");
4     console.log(newStr);//<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>

　　What？为什么不起作用呢？说好的否定大法呢？这里就得聊一聊前瞻的一个特性，前瞻是非捕获性分组，什么玩意是非捕获性分组呢？还记得前面那位非"\\/"不嫁的大闺女$1吗，人家为什么那么一往情深，是因为她早已将"\\/"的心捕获了起来，而前瞻却是非捕获性分组，也就是你捕获不到人家。也就是说无法通过引用符"\\n"或者"$n"来对其引用：

1     var str = \'Hello, Hi, I am Hilary.\';
2     var reg = /H(?!i)/g;
3     var newStr = str.replace(reg, "T$1");
4     console.log(newStr);//T$1ello, Hi, I am Hilary.

　　注意其中输出的语句，前面我们可以看到，如果引用符没有匹配到指定的字符，那么就会显示空串""，可是这里是直接显示了整个引用符"$1"。这是因为前瞻表达式根本就没有捕获，没有捕获也就没有引用。

　　非捕获性是前瞻的一个基本特征，前瞻的另外一个特性是不吃字符，意思就是前瞻的作用只是为了匹配满足前瞻表达式的字符，而不匹配前瞻本身。也就是说前瞻不会修改匹配位置，这么说我自己都觉得晦涩，我们还是来看看代码吧︽⊙_⊙︽：

1     var str = \'Hello, Hi, I am Handsome Hilary.\';
2     var reg = /H(?!i)e/g;
3     var newStr = str.replace(reg, "T");
4     console.log(newStr);//Tllo, Hi, I am Handsome Hilary.

　　注意观察输出的字符串，前瞻的作用仅仅是匹配出满足前瞻条件的字符"H"，匹配出了"Hello"和"Handsome"当中的H，但同时前瞻不会吃字符，也就是不会改变位置，接下来还是会紧接着"H"开始继续往下匹配，这时候匹配条件是"e"，于是"Hello"中的"He"就匹配成功了，而"Handsome"中的"Ha"则匹配失败。

1. /H(?!i)/g --> Hello, Hi, I am Handsome Hilary.
2. /H(?!i)e/g --> Hello, Hi, I am Handsome Hilary.

 四、用前瞻实现标签过滤

　　既然前瞻是非捕获性的，而且还不吃字符，那么了解到这些特征后我们现在终于可以完成我们的需求了吧？因为它不吃字符，所以具体的标签字符还得由我们自己来吃：

1     var str = \'<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>\';
2     var reg = /<(\\/?)(?!p|\\/p).*?>/g;
3     var newStr = str.replace(reg, "<$1p>");
4     console.log(newStr);//<p>,<p>,<p>,<p>,</p>,</p>,</p>,</p>

　　聊了这么半天，终于解决了咱们的第一个需求，注意当中的".*?"，虽然这里匹配的是任意字符，但是别忘了，有了前面的负向前瞻，我们匹配到的都是后面不会紧跟着"p"或者"/p"的字符"<"。

/<(?!p|\\/p)/g --> <div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>

　　注意在这里用了一个管道符"|"来匹配"\\/p"，虽然前面已经有了"(\\/?)"匹配结束符，但是切记这里的分组选项不能省略，因为这里的量词是可以出现0次。我们来试想一下如果用"/<(\\/?)(?!p).*?>/g"来匹配"</p>"这个标签，当量次匹配到"/"的时候，发现可以匹配，便记录下来，然后对"/"进行前瞻判断，但是后面却接着一个"p"于是不能匹配，丢掉；注意这时"(\\/?)"的匹配字符是0个，于是乎转而对"<"进行前瞻判断，这里的"<"后面紧接着的是"/p"而不是"p"，于是乎成功匹配，所以这个标签会被替换掉；而且，由于之前的分组匹配到的字符是0个，也就是没有匹配到字符，所以后面的引用是个空串。

1     var str = \'<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>\';
2     var reg = /<(\\/?)(?!p).*?>/g;
3     var newStr = str.replace(reg, "<$1p>");
4     console.log(newStr);//<p>,<p>,<p>,<p>,</p>,</p>,<p>,</p>

　　完成了第一个过滤需求，那么第二个过滤需求也就自然而然的完成了，这时候，就算有那么五六个标签需要保留，咱们也不用怕了：

1     var str = \'<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>\';
2     var reg = /<(\\/?)(?!p|\\/p|div|\\/div).*?>/g;
3     var newStr = str.replace(reg, "<$1p>");
4     console.log(newStr);//<div>,<p>,<p>,<p>,</p>,</p>,</p>,</div>

 总结

　　JS 的正向前瞻只是正则表达式当中一部分，没相当就这么一部分还有着这么多的奥妙呢。

　　在使用正向前瞻，我们需要注意的是：

• 　　前瞻是非捕获性的：其特征是无法引用。
• 　　前瞻不消耗字符：前瞻只匹配满足前瞻表达式的字符，而不匹配其本身。

　　话说，咱们的需求就到这了吗？真的就完了吗？同学们觉得过瘾不？有些同学觉得可能差不多了，需要消化一段时间，但是绝对有那么一部分同学还完全没过瘾呢，没关系，最后留给大家一道思考题，截止到我写这篇博客为止，我还没有想出一个解决办法呢(ง •_•)ง。

　　需求如下：当你收到一串HTML代码，需要对这一串HTML代码过滤，将里面所有的非<p>或者<div>标签都改为<p>，并且保留所有标签的样式，要求只使用一个正则表达式，例如：

//输入
var input = \'<div class="beautiful">,<p class="provocative">,<h1 class="attractive" id="header">,<span class="sexy">,</span>,</h1>,</p>,</div>\';
//输出
var output = \'<div class="beautiful">,<p class="provocative">,<p class="attractive" id="header">,<p class="sexy">,</p>,</p>,</p>,</div>\';

　　如果你有好的解决方案，欢迎在评论区留言，大家一起学习。

参考文献：

　　devinran —— 《相爱相杀——正则与浏览器的爱恨情仇》

　　Barret Lee —— 《进阶正则表达式》