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:
如何匹配位置呢?
^
、$
、、
B
、(?=p)
、(?!p)
相应的可视化形式是:
^
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(/^|$/g, '#');
console.log(result);
// => "#hello#"
多行匹配模式(即有修饰符 m
)时,二者是行的概念,这一点需要我们注意:
var result = "I
love
javascript".replace(/^|$/gm, '#');
console.log(result);
/*
#I#
#love#
#javascript#
*/
和
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 ,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 W
是 w
以外的任何一个字符。
此时我们可以看看 "[#JS#] #Lesson_01#.#mp4#"
中的每一个井号 ,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 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 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"
(?=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。
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$$/.test("hello");
console.log(result);
// => true
也就是说字符之间的位置,可以写成多个。
TIP: 把位置理解空字符,是对位置非常有效的理解方式。
相关案例
不匹配任何东西的正则
让你写个正则不匹配任何东西
easy,/.^/
。
因为此正则要求只有一个字符,但该字符后面是开头,而这样的字符串是不存在的
数字的千位分隔符表示法
比如把 "12345678"
,变成 "12,345,678"
。
可见是需要把相应的位置替换成 ","
。
思路是什么呢?
弄出最后一个逗号
使用 (?=d{3}$)
就可以做到:
var result = "12345678".replace(/(?=d{3}$)/g, ',')
console.log(result);
// => "12345,678"
其中,(?=d{3}$)
匹配 d{3}$
前面的位置。而 d{3}$
匹配的是目标字符串最后那 3 位数字。
弄出所有的逗号
因为逗号出现的位置,要求后面 3 个数字一组,也就是 d{3}
至少出现一次。
此时可以使用量词 +
:
var result = "12345678".replace(/(?=(d{3})+$)/g, ',')
console.log(result);
// => "12,345,678"
匹配其余案例
写完正则后,要多验证几个案例,此时我们会发现问题:
var result = "123456789".replace(/(?=(d{3})+$)/g, ',')
console.log(result);
// => ",123,456,789"
因为上面的正则,仅仅表示把从结尾向前数,一但是 3 的倍数,就把其前面的位置替换成逗号。因此才会出现这个问题。
怎么解决呢?我们要求匹配的到这个位置不能是开头。
我们知道匹配开头可以使用 ^
,但要求这个位置不是开头怎么办?
easy,(?!^)
,你想到了吗?测试如下:
var regex = /(?!^)(?=(d{3})+$)/g;
var result = "12345678".replace(regex, ',')
console.log(result);
// => "12,345,678"
result = "123456789".replace(regex, ',');
console.log(result);
// => "123,456,789"
支持其他形式
如果要把 "12345678 123456789"
替换成 "12,345,678 123,456,789"
。
此时我们需要修改正则,把里面的开头 ^
和结尾 $
,修改成 :
var string = "12345678 123456789",
regex = /(?!)(?=(d{3})+)/g;
var result = string.replace(regex, ',')
console.log(result);
// => "12,345,678 123,456,789"
其中 (?!)
怎么理解呢?
要求当前是一个位置,但不是 前面的位置,其实
(?!)
说的就是 B
。
因此最终正则变成了:/B(?=(d{3})+)/g
。
可视化形式是:
格式化
千分符表示法一个常见的应用就是货币格式化。
比如把下面的字符串:1888
格式化成:$ 1,888.00
有了前面的铺垫,我们很容实现如下:
function format (num) {
return num.toFixed(2).replace(/B(?=(d{3})+)/, ",").replace(/^/, "$$ ");
};
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:
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}$/
对于这个正则,我们只需要弄明白 (?=.*[0-9])^
即可。
分开来看就是 (?=.*[0-9])
和 ^
。
表示开头前面还有个位置(当然也是开头,即同一个位置,想想之前的空字符类比)。
(?=.*[0-9])
表示该位置后面的字符匹配 .*[0-9]
,即,有任何多个任意字符,后面再跟个数字。
翻译成大白话,就是接下来的字符,必须包含个数字。
另外一种解法
“至少包含两种字符”的意思就是说,不能全部都是数字,也不能全部都是小写字母,也不能全部都是大写字母。
那么要求“不能全部都是数字”,怎么做呢? (?!p)
出马!
对应的正则是:var regex = /(?!^[0-9]{6,12}$)^[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:
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。