正则表达式位置匹配

Posted 2021-02-20 meowv

正则表达式是匹配模式，要么匹配字符，要么匹配位置。请记住这句话。

然而大部分人学习正则时，对于匹配位置的重视程度没有那么高。

本章讲讲正则匹配位置的相关知识点。

内容包括：

• 什么是位置？
• 如何匹配位置？
• 位置的特性
• 几个应用实例分析

什么是位置呢？

位置（锚）是相邻字符之间的位置。比如，下图中箭头所指的地方：

如何匹配位置呢？

^、$、、B、(?=p)、(?!p)

相应的可视化形式是：

^ 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。

比如我们把字符串的开头和结尾用 "#" 替换（位置可以替换成字符的！）：

var result = "hello".replace(/^|$/g, ‘#‘);
console.log(result);
// => "#hello#"

多行匹配模式（即有修饰符 m）时，二者是行的概念，这一点需要我们注意：

var result = "I
love
javascript".replace(/^|$/gm, ‘#‘);
console.log(result);
/*
#I#
#love#
#javascript#
*/

 和 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。

比如考察文件名 "[JS] Lesson_01.mp4" 中的 ，如下：

var result = "[JS] Lesson_01.mp4".replace(//g, ‘#‘);
console.log(result);
// => "[#JS#] #Lesson_01#.#mp4#"

为什么是这样呢？这需要仔细看看。

首先，我们知道，w 是字符组 [0-9a-zA-Z_] 的简写形式，即 w 是字母数字或者下划线的中任何一个字符。而 W 是排除字符组 [^0-9a-zA-Z_] 的简写形式，即 W 是 w 以外的任何一个字符。

此时我们可以看看 "[#JS#] #Lesson_01#.#mp4#" 中的每一个井号 ，是怎么来的。

• 第 1 个，两边字符是 "[" 与 "J"，是 W 与 w 之间的位置。
• 第 2 个，两边字符是 "S" 与 "]"，也就是 w 与 W 之间的位置。
• 第 3 个，两边字符是空格与 "L"，也就是 W 与 w 之间的位置。
• 第 4 个，两边字符是 "1" 与 "."，也就是 w 与 W 之间的位置。
• 第 5 个，两边字符是 "." 与 "m"，也就是 W 与 w 之间的位置。
• 第 6 个，位于结尾，前面的字符 "4" 是 w，即 w 与 $ 之间的位置。

知道了  的概念后，那么 B 也就相对好理解了。

B 就是  的反面的意思，非单词边界。例如在字符串中所有位置中，扣掉 ，剩下的都是 B 的。

具体说来就是 w 与 w、 W 与 W、^ 与 W，W 与 $ 之间的位置。

比如上面的例子，把所有 B 替换成 "#"：

var result = "[JS] Lesson_01.mp4".replace(/B/g, ‘#‘);
console.log(result);
// => "#[J#S]# L#e#s#s#o#n#_#0#1.m#p#4"

(?=p) 和 (?!p)

(?=p)，其中 p 是一个子模式，即 p 前面的位置，或者说，该位置后面的字符要匹配 p。

比如 (?=l)，表示 "l" 字符前面的位置，例如：

var result = "hello".replace(/(?=l)/g, ‘#‘);
console.log(result);
// => "he#l#lo"

而 (?!p) 就是 (?=p) 的反面意思，比如：

var result = "hello".replace(/(?!l)/g, ‘#‘);
console.log(result);
// => "#h#ell#o#"

二者的学名分别是 positive lookahead 和 negative lookahead。

中文翻译分别是正向先行断言和负向先行断言。

ES5 之后的版本，会支持 positive lookbehind 和 negative lookbehind。

具体是 (?<=p) 和 (?<!p)。

也有书上把这四个东西，翻译成环视，即看看右边和看看左边。

但一般书上，没有很好强调这四者是个位置。

比如 (?=p)，一般都理解成：要求接下来的字符与 p 匹配，但不能包括 p 匹配的那些字符。

而在本人看来，(?=p) 就与 ^ 一样好理解，就是 p 前面的那个位置。

位置的特性

对于位置的理解，我们可以理解成空字符 ""。

比如 "hello" 字符串等价于如下的形式：

"hello" == "" + "h" + "" + "e" + "" + "l" + "" + "l" + "o" + "";

也等价于：

"hello" == "" + "" + "hello"

因此，把 /^hello$/ 写成 /^^hello$$$/，是没有任何问题的：

var result = /^^hello$$$/.test("hello");
console.log(result);
// => true

甚至可以写成更复杂的:

var result = /(?=he)^^he(?=w)llo$$/.test("hello");
console.log(result);
// => true

也就是说字符之间的位置，可以写成多个。

TIP： 把位置理解空字符，是对位置非常有效的理解方式。

相关案例

不匹配任何东西的正则

让你写个正则不匹配任何东西

easy，/.^/。

因为此正则要求只有一个字符，但该字符后面是开头，而这样的字符串是不存在的

数字的千位分隔符表示法

比如把 "12345678"，变成 "12,345,678"。

可见是需要把相应的位置替换成 ","。

思路是什么呢？

弄出最后一个逗号

使用 (?=d{3}$) 就可以做到：

var result = "12345678".replace(/(?=d{3}$)/g, ‘,‘)
console.log(result);
// => "12345,678"

其中，(?=d{3}$) 匹配 d{3}$ 前面的位置。而 d{3}$ 匹配的是目标字符串最后那 3 位数字。

弄出所有的逗号

因为逗号出现的位置，要求后面 3 个数字一组，也就是 d{3} 至少出现一次。

此时可以使用量词 +：

var result = "12345678".replace(/(?=(d{3})+$)/g, ‘,‘)
console.log(result);
// => "12,345,678"

匹配其余案例

写完正则后，要多验证几个案例，此时我们会发现问题：

var result = "123456789".replace(/(?=(d{3})+$)/g, ‘,‘)
console.log(result);
// => ",123,456,789"

因为上面的正则，仅仅表示把从结尾向前数，一但是 3 的倍数，就把其前面的位置替换成逗号。因此才会出现这个问题。

怎么解决呢？我们要求匹配的到这个位置不能是开头。

我们知道匹配开头可以使用 ^，但要求这个位置不是开头怎么办？

easy，(?!^)，你想到了吗？测试如下：

var regex = /(?!^)(?=(d{3})+$)/g;
var result = "12345678".replace(regex, ‘,‘)
console.log(result);
// => "12,345,678"
result = "123456789".replace(regex, ‘,‘);
console.log(result);
// => "123,456,789"

支持其他形式

如果要把 "12345678 123456789" 替换成 "12,345,678 123,456,789"。

此时我们需要修改正则，把里面的开头 ^ 和结尾 $，修改成 ：

var string = "12345678 123456789",
regex = /(?!)(?=(d{3})+)/g;
var result = string.replace(regex, ‘,‘)
console.log(result);
// => "12,345,678 123,456,789"

其中 (?!) 怎么理解呢？

要求当前是一个位置，但不是  前面的位置，其实 (?!) 说的就是 B。

因此最终正则变成了：/B(?=(d{3})+)/g。

可视化形式是：

格式化

千分符表示法一个常见的应用就是货币格式化。

比如把下面的字符串：1888

格式化成：$ 1,888.00

有了前面的铺垫，我们很容实现如下：

function format (num) {
 return num.toFixed(2).replace(/B(?=(d{3})+)/, ",").replace(/^/, "$$ ");
};
console.log( format(1888) );
// => "$ 1,888.00"

验证密码问题

密码长度 6-12 位，由数字、小写字符和大写字母组成，但必须至少包括 2 种字符。

此题，如果写成多个正则来判断，比较容易。但要写成一个正则就比较困难。

那么，我们就来挑战一下。看看我们对位置的理解是否深刻。

简化

不考虑“但必须至少包括 2 种字符”这一条件。我们可以容易写出：var regex = /^[0-9A-Za-z]{6,12}$/;

判断是否包含有某一种字符

假设，要求的必须包含数字，怎么办？此时我们可以使用 (?=.*[0-9]) 来做。

因此正则变成：var regex = /(?=.*[0-9])^[0-9A-Za-z]{6,12}$/;

同时包含具体两种字符

比如同时包含数字和小写字母，可以用 (?=.[0-9])(?=.[a-z]) 来做。

因此正则变成：var regex = /(?=.*[0-9])(?=.*[a-z])^[0-9A-Za-z]{6,12}$/;

解答

我们可以把原题变成下列几种情况之一：

• 同时包含数字和小写字母
• 同时包含数字和大写字母
• 同时包含小写字母和大写字母
• 同时包含数字、小写字母和大写字母
• 以上的 4 种情况是或的关系（实际上，可以不用第 4 条）。

最终答案是：

var regex = /((?=.*[0-9])(?=.*[a-z])|(?=.*[0-9])(?=.*[A-Z])|(?=.*[a-z])(?=.*[A-
Z]))^[0-9A-Za-z]{6,12}$/;
console.log( regex.test("1234567") ); // false 全是数字
console.log( regex.test("abcdef") ); // false 全是小写字母
console.log( regex.test("ABCDEFGH") ); // false 全是大写字母
console.log( regex.test("ab23C") ); // false 不足6位
console.log( regex.test("ABCDEF234") ); // true 大写字母和数字
console.log( regex.test("abcdEF234") ); // true 三者都有

可视化形式是：

解惑

上面的正则看起来比较复杂，只要理解了第二步，其余就全部理解了。

/(?=.*[0-9])^[0-9A-Za-z]{6,12}$/

对于这个正则，我们只需要弄明白 (?=.*[0-9])^ 即可。

分开来看就是 (?=.*[0-9]) 和 ^。

表示开头前面还有个位置（当然也是开头，即同一个位置，想想之前的空字符类比）。

(?=.*[0-9])表示该位置后面的字符匹配 .*[0-9]，即，有任何多个任意字符，后面再跟个数字。

翻译成大白话，就是接下来的字符，必须包含个数字。

另外一种解法

“至少包含两种字符”的意思就是说，不能全部都是数字，也不能全部都是小写字母，也不能全部都是大写字母。

那么要求“不能全部都是数字”，怎么做呢？ (?!p) 出马！

对应的正则是：var regex = /(?!^[0-9]{6,12}$)^[0-9A-Za-z]{6,12}$/;

三种“都不能”呢？

最终答案是：

var regex = /(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/;
console.log( regex.test("1234567") ); // false 全是数字
console.log( regex.test("abcdef") ); // false 全是小写字母
console.log( regex.test("ABCDEFGH") ); // false 全是大写字母
console.log( regex.test("ab23C") ); // false 不足6位
console.log( regex.test("ABCDEF234") ); // true 大写字母和数字
console.log( regex.test("abcdEF234") ); // true 三者都有

其可视化形式是：

本章小结

重点掌握匹配位置的这 6 个锚，给我们的解决正则问题工具箱内添加了新工具。