如何使用 JS 正则表达式查找所有不匹配字符的索引？

Posted 2023-02-22

【中文标题】如何使用 JS 正则表达式查找所有不匹配字符的索引？

【英文标题】：How to find indexes of all non-matching characters with a JS regex?

【发布时间】：2019-07-25 16:33:29

【问题描述】：

我有一个字符串，我想获得一个数组，其中包含该字符串中与某个正则表达式条件不匹配的字符的索引（位置）。

这里的问题是，如果我这样写：

let match;
let reg = /[A-Za-z]|[0-9]/g;
let str = "1111-253-asdasdas";
let indexes = [];

do 
    match = reg.exec(str);
    if (match) indexes.push(match.index);
 while (match);

它有效。它返回所有数字或字母字符的索引。但问题是，如果我尝试反其道而行之，在正则表达式中使用负前瞻，如下所示：

let match;
let reg = /(?!([A-Za-z]|[0-9]))/g;
let str = "1111-253-asdasdas";
let indexes = [];

do 
    match = reg.exec(str);
    if (match) indexes.push(match.index);
 while (match);

最终陷入无限循环。

我想要实现的结果与第一种情况相同，但使用负正则表达式，因此在这种情况下，结果将是：

indexes = [4, 8]; // which are the indexes in which a non-alphanumerical character appears

是循环错误，还是正则表达式搞砸了？也许exec 不适用于负前瞻正则表达式？

我会理解正则表达式无法按预期工作（因为它可能格式错误），但我不理解无限循环，这让我认为exec 可能不是最好的方法实现我想要的。

【问题讨论】：

无限循环很容易解释：正则表达式有一个g 修饰符，因此尝试匹配多次出现的模式，但是由于您的模式匹配一​​个空字符串，并且您没有检查条件如果index 等于lastIndex，则正则表达式不能在字符串中前进。使用正则表达式匹配任何非字母数字字符，/[\W_]/g

不能'您只需更改正则表达式以便搜索非字母数字字符：/[^A-Za-z0-9]/

@WiktorStribiżew 感谢您的解释，因为这是我提出问题的原因，因为我不明白为什么会这样。

@RobinZigmond 谢谢你，因为这正是我想要达到的目标！

抱歉@WiktorStribiżew，您可以发表您的评论作为答案，以便我接受吗？它解释了为什么exec 以无限循环结束，并为我的案例带来了一个可行的答案，从而解决了这个问题。谢谢！

【参考方案1】：

原因

无限循环很容易解释：正则表达式有一个g 修饰符，因此尝试匹配多次出现的模式，在上一次成功匹配结束后开始每次匹配尝试，即在lastIndex 之后价值：

见exec documentation:

如果您的正则表达式使用“g”标志，您可以多次使用exec() 方法在同一字符串中查找连续匹配项。当您这样做时，搜索将从正则表达式的lastIndex 属性指定的str 的子字符串开始

但是，由于您的模式匹配一​​个空字符串，并且您不检查索引是否等于 lastIndex 的条件，因此正则表达式无法在字符串中前进。

解决方案

使用正则表达式匹配任何非字母数字字符，/[\W_]/g。由于它不匹配空字符串，因此 RegExp 对象的lastIndex 属性将随着每次匹配而更改，并且不会发生无限循环。

JS 演示：

let match, indexes = [];
let reg = /[\W_]/g;
let str = "1111-253-asdasdas";

while (match = reg.exec(str)) 
    indexes.push(match.index);

console.log(indexes);

另外，请参阅how to move the lastIndex property value manually。

【参考方案2】：

这种方法用星号* 替换所有匹配的字符。然后，我们迭代替换的字符串并检索所有 不 匹配正则表达式字符类的索引。

var str = "1111-253-asdasdas";
var pattern = /[^A-Za-z0-9]/g;
str = str.replace(pattern, "*");

var indices = [];
for(var i=0; i < str.length;i++) 
    if (str[i] === "*") indices.push(i);

console.log(indices.toString());

在这种情况下，只有位置 4 和 8 的字符不匹配，因为它们是下划线。

【讨论】：

感谢您的回答，但您的意思是破折号/连字符，而不是下划线吗？