JavaScript 中的负向后等价

Posted 2023-02-22

【中文标题】JavaScript 中的负向后等价

【英文标题】：Negative lookbehind equivalent in JavaScript

【发布时间】：2010-10-13 02:06:24

【问题描述】：

有没有办法在 javascript 正则表达式中实现 negative lookbehind 的等价物？我需要匹配一个不以特定字符集开头的字符串。

如果在字符串的开头找到匹配的部分，我似乎无法找到执行此操作而不会失败的正则表达式。负向回溯似乎是唯一的答案，但 JavaScript 没有。

这是我想要使用的正则表达式，但它没有：

(?<!([abcdefg]))m

所以它会匹配 'jim' 或 'm' 中的 'm'，但不匹配 'jam'

【问题讨论】：

考虑发布正则表达式，因为它看起来带有负面的lookbehind；这可能会更容易做出回应。

想要追踪lookbehind等采用情况的请参考ECMAScript 2016+ compatibility table

@WiktorStribiżew ：在 2018 年规范中添加了后视功能。 Chrome 支持它们，但 Firefox still hasn't implemented the spec.

这还需要看看吗？ (?:[^abcdefg]|^)(m) 呢？如"mango".match(/(?:[^abcdefg]|^)(m)/)[1]

【参考方案1】：

自 2018 年以来，Lookbehind Assertions 成为 ECMAScript language specification 的一部分。

// positive lookbehind
(?<=...)
// negative lookbehind
(?<!...)

---

2018 年之前的答案

由于 Javascript 支持 negative lookahead，一种方法是：

反转输入字符串

与反向正则表达式匹配

反转并重新格式化匹配项

---

const reverse = s => s.split('').reverse().join('');

const test = (stringToTests, reversedRegexp) => stringToTests
  .map(reverse)
  .forEach((s,i) => 
    const match = reversedRegexp.test(s);
    console.log(stringToTests[i], match, 'token:', match ? reverse(reversedRegexp.exec(s)[0]) : 'Ø');
  );

示例 1：

关注@andrew-ensley 的问题：

test(['jim', 'm', 'jam'], /m(?!([abcdefg]))/)

输出：

jim true token: m
m true token: m
jam false token: Ø

示例 2：

跟随@neaumusic 评论（匹配max-height 但不匹配line-height，令牌为height）：

test(['max-height', 'line-height'], /thgieh(?!(-enil))/)

输出：

max-height true token: height
line-height false token: Ø

【讨论】：

这种方法的问题是当你同时有前瞻和后视时它不起作用

你能举个例子吗，说我想匹配max-height而不是line-height，我只想匹配height

如果任务是替换两个连续相同的符号（不超过 2 个），但没有以某个符号开头，这将无济于事。 ''(?!\() 将从另一端替换''(''test'''''''test 中的撇号，从而留下(''test'NNNtest 而不是(''testNNN'test。

【参考方案2】：

Lookbehind Assertions 于 2018 年将accepted 纳入ECMAScript specification。

正向回溯用法：

console.log(
  "$9.99  €8.47".match(/(?<=\$)\d+\.\d*/) // Matches "9.99"
);

负后向用法：

console.log(
  "$9.99  €8.47".match(/(?<!\$)\d+\.\d*/) // Matches "8.47"
);

平台支持：

✔️V8 ✔️Google Chrome 62.0 ✔️ Microsoft Edge 79.0 ✔️Node.js 6.0 behind a flag and 9.0 without a flag ✔️ Deno（所有版本） ✔️SpiderMonkey ✔️Mozilla Firefox 78.0 ?️ JavaScriptCore：Apple is working on it ?️ Apple Safari ?️ ios WebView（iOS + iPadOS 上的所有浏览器） ❌ Chakra：Microsoft was working on it 但现在已经放弃 Chakra 以支持 V8 ❌ Internet Explorer ❌ 79 之前的 Edge 版本（基于 Edgehtml+Chakra 的版本）

【参考方案3】：

假设您要查找前面没有unsigned 的所有int：

支持消极的后视：

(?<!unsigned )int

不支持负后视：

((?!unsigned ).9|^.0,8)int

基本上的想法是抓取 n 个前面的字符并排除匹配负前瞻，但也匹配前面没有 n 个字符的情况。 （其中 n 是后视的长度）。

所以有问题的正则表达式：

(?<!([abcdefg]))m

将转化为：

((?!([abcdefg])).|^)m

您可能需要使用捕获组来找到您感兴趣的字符串的确切位置，或者您想用其他内容替换特定部分。

【讨论】：

这应该是正确的答案。请参阅："So it would match the 'm' in 'jim' or 'm', but not 'jam'".replace(/(j(?!([abcdefg])).|^)m/g, "$1[MATCH]") 返回"So it would match the 'm' in 'ji[MATCH]' or 'm', but not 'jam'" 它非常简单而且有效！

太棒了！使用负前瞻作为旧 JavaScript 的解决方法！

你能帮我解决这个问题吗：/\B(?

【参考方案4】：

Mijoja 的策略适用于您的具体情况，但不适用于一般情况：

js>newString = "Fall ball bill balll llama".replace(/(ba)?ll/g,
   function($0,$1) return $1?$0:"[match]";);
Fa[match] ball bi[match] balll [match]ama

这是一个示例，目标是匹配一个双 l，但如果它前面有“ba”则不匹配。请注意“球”这个词——真正的后视应该抑制了前 2 个 l's 但与第二对匹配。但是通过匹配前 2 个 l，然后将该匹配作为误报忽略，正则表达式引擎从该匹配的 end 继续，并忽略误报中的任何字符。

【讨论】：

啊，你说得对。然而，这比我以前更接近了。我可以接受这一点，直到出现更好的东西（比如 javascript 实际实现了lookbehinds）。

【参考方案5】：

使用

newString = string.replace(/([abcdefg])?m/, function($0,$1) return $1?$0:'m';);

【讨论】：

这没有任何作用：newString 将始终等于 string。为什么这么多赞？

@MikeM：因为重点只是为了演示一种匹配技术。

@bug。什么都不做的演示是一种奇怪的演示。答案似乎只是复制和粘贴，而对它的工作原理没有任何了解。因此，缺乏随附的解释，也无法证明任何事情都已匹配。

@MikeM：SO 的规则是，如果它按书面方式回答问题，则它是正确的。 OP 没有指定用例

这个概念是正确的，但是它不是很好地演示。尝试在 JS 控制台中运行它..."Jim Jam Momm m".replace(/([abcdefg])?m/g, function($0, $1) return $1 ? $0 : '[match]'; );。它应该返回Ji[match] Jam Mo[match][match] [match]。但也请注意，正如 Jason 下面提到的，它可能会在某些边缘情况下失败。

【参考方案6】：

你可以通过否定你的字符集来定义一个非捕获组：

(?:[^a-g])m

...这将匹配每个 m NOT 前面有任何这些字母。

【讨论】：

我认为匹配实际上也会覆盖前面的字符。

^ 这是真的。一个字符类代表……一个字符！您的所有非捕获组所做的并不是在替换上下文中提供该值。您的表达不是说“每个 m 前面都没有任何这些字母”，而是说“每个 m 前面都有一个字符，它不是任何这些字母”

对于解决原始问题（字符串开头）的答案，它还必须包含一个选项，因此生成的正则表达式将为(?:[^a-g]|^)m。运行示例见regex101.com/r/jL1iW6/2。

使用 void 逻辑并不总能产生预期的效果。

【参考方案7】：

这就是我为 Node.js 8 实现 str.split(/(?<!^)@/) 的方式（不支持后向查看）：

str.split('').reverse().join('').split(/@(?!$)/).map(s => s.split('').reverse().join('')).reverse()

有效吗？是的（未经测试的unicode）。不愉快？是的。

【参考方案8】：

遵循 Mijoja 的思路，借鉴 JasonS 暴露的问题，我有了这个想法；我检查了一下，但不确定自己，所以在 js 正则表达式中由比我更专家的人进行验证会很棒:)

var re = /(?=(..|^.?)(ll))/g
         // matches empty string position
         // whenever this position is followed by
         // a string of length equal or inferior (in case of "^")
         // to "lookbehind" value
         // + actual value we would want to match

,   str = "Fall ball bill balll llama"

,   str_done = str
,   len_difference = 0
,   doer = function (where_in_str, to_replace)
    
        str_done = str_done.slice(0, where_in_str + len_difference)
        +   "[match]"
        +   str_done.slice(where_in_str + len_difference + to_replace.length)

        len_difference = str_done.length - str.length
            /*  if str smaller:
                    len_difference will be positive
                else will be negative
            */

       /*  the actual function that would do whatever we want to do
            with the matches;
            this above is only an example from Jason's */



        /*  function input of .replace(),
            only there to test the value of $behind
            and if negative, call doer() with interesting parameters */
,   checker = function ($match, $behind, $after, $where, $str)
    
        if ($behind !== "ba")
            doer
            (
                $where + $behind.length
            ,   $after
                /*  one will choose the interesting arguments
                    to give to the doer, it's only an example */
            )
        return $match // empty string anyhow, but well
    
str.replace(re, checker)
console.log(str_done)

我的个人输出：

Fa[match] ball bi[match] bal[match] [match]ama

原理是在字符串中任意两个字符之间的每个点调用checker，只要该位置是以下的起点：

--- 任何不想要的大小的子字符串（这里是'ba'，因此是..）（如果知道那个大小；否则它可能会更难做）

--- --- 如果它是字符串的开头，则小于该值：^.?

然后，

--- 实际要寻找的东西（这里是'll'）。

在每次调用checker时，都会有一个测试来检查ll之前的值是否不是我们不想要的（!== 'ba'）；如果是这种情况，我们调用另一个函数，它必须是这个 (doer) 才能对 str 进行更改，如果目的是这个，或者更一般地说，它将输入必要的数据手动处理str的扫描结果。

这里我们更改了字符串，因此我们需要跟踪长度差异，以抵消replace 给出的位置，所有这些都是在str 上计算的，而str 本身永远不会改变。

由于原始字符串是不可变的，我们可以使用变量str 来存储整个操作的结果，但我认为这个已经被替换复杂的示例使用另一个变量（str_done）会更清晰.

我想，就性能而言，它一定是相当苛刻的：所有那些将 '' 替换为 '' 的毫无意义的替换，this str.length-1 次，加上这里由 doer 手动替换，这意味着很多切片...... 可能在上述特定的情况下可以进行分组，方法是将字符串仅切割一次，在我们要插入 [match] 和 .join() 的位置周围加上 [match] 本身。

另一件事是我不知道它会如何处理更复杂的情况，即假后视的复杂值......长度可能是最有问题的数据。

并且，在checker 中，如果$behind 有多种不需要的值的可能性，我们将不得不使用另一个正则表达式对其进行测试（最好在checker 之外缓存（创建），避免在每次调用 checker) 时创建相同的正则表达式对象，以了解它是否是我们试图避免的。

希望我已经清楚了；如果不犹豫，我会努力的更好。 :)

【参考方案9】：

使用您的情况，如果您想用某些东西替换 m，例如将其转换为大写M，可以在捕获组中取反。

匹配([^a-g])m，替换为$1M

"jim jam".replace(/([^a-g])m/g, "$1M")
\\jiM jam

([^a-g]) 将匹配 a-g 范围内的任何字符 not(^)，并将其存储在第一个捕获组中，以便您可以使用 $1 访问它。

所以我们在jim 中找到im 并将其替换为iM，从而得到jiM。

【参考方案10】：

如前所述，JavaScript 现在允许后视。在较旧的浏览器中，您仍然需要一种解决方法。

我敢打赌，如果没有后视，就无法找到一个能够准确提供结果的正则表达式。您所能做的就是与小组合作。假设您有一个正则表达式(?<!Before)Wanted，其中Wanted 是您要匹配的正则表达式，Before 是计算不应该在匹配之前的正则表达式。你能做的最好的就是否定正则表达式Before并使用正则表达式NotBefore(Wanted)。想要的结果是第一组$1。

在你的情况下Before=[abcdefg] 很容易否定NotBefore=[^abcdefg]。所以正则表达式是[^abcdefg](m)。如果需要Wanted的位置，也必须对NotBefore进行分组，这样才能得到第二组。

如果Before模式的匹配具有固定长度n，即如果该模式不包含重复标记，则可以避免否定Before模式并使用正则表达式(?!Before).n(Wanted)，但仍然必须使用第一组或使用正则表达式(?!Before)(.n)(Wanted) 并使用第二组。在这个例子中，模式Before实际上有一个固定的长度，即1，所以使用正则表达式(?![abcdefg]).(m)或(?![abcdefg])(.)(m)。如果你对所有匹配感兴趣，添加g标志，看我的代码sn-p：

function TestSORegEx() 
  var s = "Donald Trump doesn't like jam, but Homer Simpson does.";
  var reg = /(?![abcdefg])(.1)(m)/gm;
  var out = "Matches and groups of the regex " + 
            "/(?![abcdefg])(.1)(m)/gm in \ns = \"" + s + "\"";
  var match = reg.exec(s);
  while(match) 
    var start = match.index + match[1].length;
    out += "\nWhole match: " + match[0] + ", starts at: " + match.index
        +  ". Desired match: " + match[2] + ", starts at: " + start + ".";   
    match = reg.exec(s);
  
  out += "\nResulting string after statement s.replace(reg, \"$1*$2*\")\n"
         + s.replace(reg, "$1*$2*");
  alert(out);

【参考方案11】：

这很有效

"jim".match(/[^a-g]m/)
> ["im"]
"jam".match(/[^a-g]m/)
> null

搜索和替换示例

"jim jam".replace(/([^a-g])m/g, "$1M")
> "jiM jam"

请注意，否定的后视字符串必须为 1 个字符长才能起作用。

【讨论】：

不完全。在“jim”中，我不想要“i”；只是“m”。并且"m".match(/[^a-g]m/) 也会产生null。在那种情况下，我也想要“m”。

【参考方案12】：

/(?![abcdefg])[^abcdefg]m/gi 是的，这是一个技巧。

【讨论】：

检查(?![abcdefg]) 完全是多余的，因为[^abcdefg] 已经完成了防止这些字符匹配的工作。

这不会匹配前面没有字符的“m”。