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

    B

     是单词边界,具体就是 wW 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 ,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 Ww 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 Ww 之间的位置。
    • 第 2 个,两边字符是 "S" 与 "]",也就是 wW 之间的位置。
    • 第 3 个,两边字符是空格与 "L",也就是 Ww 之间的位置。
    • 第 4 个,两边字符是 "1" 与 ".",也就是 wW 之间的位置。
    • 第 5 个,两边字符是 "." 与 "m",也就是 Ww 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  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 wwWW^WW$ 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$$/.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:

    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})+)/, ",").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。

  • 相关阅读:
    CSP-S2020总结
    题解-P6687 论如何玩转 Excel 表格
    题解-UVA12995 【Farey Sequence】
    题解-P4159 [SCOI2009] 【迷路】
    题解-SP2916【GSS5
    102. 二叉树的层序遍历
    力扣 160 相交链表 快慢指针 双指针
    3. 无重复字符的最长子串 滑动窗口
    最大连续1的个数 III
    B树和B+树
  • 原文地址:https://www.cnblogs.com/meowv/p/12874812.html
Copyright © 2020-2023  润新知