正则表达式位置匹配

本文摘抄自javascript正则表达式迷你书

正则表达式是匹配模式，要么匹配字符，要么匹配位置

1. 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：

---

2. 如何匹配位置呢？

在 ES5 中，共有 6 个锚：

^、$、\b、\B、(?=p)、(?!p)

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

2.2 \b 和 \B

\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 \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 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#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 \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 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"

2.3 (?=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

---

3. 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

把位置理解空字符，是对位置非常有效的理解方式

---

4. 相关案例

4.1 不匹配任何东西的正则

让你写个正则不匹配任何东西

/.^/

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

4.2 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？

4.2.1 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

4.2.2 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

4.2.3 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？

(?!^)，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"

4.2.4 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：

4.2.5 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

function format (num) {
  return num.toFixed(2).replace(/\B(?=(\d{3})+\b)/g, ",").replace(/^/, "$ ");
};

console.log( format(1888) );
// => "$ 1,888.00"

4.3 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

4.3.1 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}$/

4.3.2 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}$/;

4.3.3 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}$/;

4.3.4 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：

4.3.5 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

4.3.6

“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：