正则表达式位置匹配

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:

r.2.1.png

如何匹配位置呢?

^$\b\B(?=p)(?!p)

相应的可视化形式是:

r.2.2.png

^$

^(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\nlove\njavascript".replace(/^|$/gm, '#');
console.log(result);
/*
#I#
#love#
#javascript#
*/

\b\B

\b 是单词边界,具体就是 \w\W 之间的位置,也包括 \w^ 之间的位置,和 \w$ 之间的位置。

比如考察文件名 "[JS] Lesson_01.mp4" 中的 \b,如下:

var result = "[JS] Lesson_01.mp4".replace(/\b/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\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\w 之间的位置。

  • 第 2 个,两边字符是 "S" 与 "]",也就是 \w\W 之间的位置。

  • 第 3 个,两边字符是空格与 "L",也就是 \W\w 之间的位置。

  • 第 4 个,两边字符是 "1" 与 ".",也就是 \w\W 之间的位置。

  • 第 5 个,两边字符是 "." 与 "m",也就是 \W\w 之间的位置。

  • 第 6 个,位于结尾,前面的字符 "4" 是 \w,即 \w$ 之间的位置。

知道了 \b 的概念后,那么 \B 也就相对好理解了。

\B 就是 \b 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 \b,剩下的都是 \B 的。

具体说来就是 \w\w\W\W^\W\W$ 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)(?!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"

(?!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)(?<!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$\b\b$/.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 \b

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

其中 (?!\b) 怎么理解呢?

要求当前是一个位置,但不是 \b 前面的位置,其实 (?!\b) 说的就是 \B

因此最终正则变成了:/\B(?=(\d{3})+\b)/g

可视化形式是:

r.2.3.png

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})+\b)/, ",").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:

r.2.4.png

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])^

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:

r.2.5.png

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。