第二章 正則表達式位置匹配攻略

正則表達式是匹配模式，要么匹配字符，要么匹配位置。請記住這句話。

然而大部分人學習正則時，對于匹配位置的重視程度沒有那么高。

本章講講正則匹配位置的總總。

內容包括：

1. 什么是位置？
2. 如何匹配位置？
3. 位置的特性
4. 幾個應用實例分析

1. 什么是位置呢？

位置是相鄰字符之間的位置。比如，下圖中箭頭所指的地方：

image.png

2. 如何匹配位置呢？

在ES5中，共有6個錨字符：

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

2.1 ^和$

^（脫字符）匹配開頭，在多行匹配中匹配行開頭。

$（美元符號）匹配結尾，在多行匹配中匹配行結尾。

比如我們把字符串的開頭和結尾用”#”替換（位置可以替換成字符的！）：

var result = "hello".replace(/^|$/g, '#');
console.log(result); 
// => "#hello#"

多行匹配模式時，二者是行的概念，這個需要我們的注意：

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

2.2 \b和\B

\b是單詞邊界，具體就是\w和\W之間的位置，也包括\w和^之間的位置，也包括\w和$之間的位置。

比如一個文件名是”[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#"

為什么是這樣呢？這需要仔細看看。

首先，我們知道，\w是字符組[0-9a-zA-Z_]的簡寫形式，即\w是字母數字或者下劃線的中任何一個字符。而\W是排除字符組[^0-9a-zA-Z_]的簡寫形式，即\W是\w以外的任何一個字符。

此時我們可以看看”[#JS#] #Lesson_01#.#mp4#”中的每一個”#”，是怎么來的。

• 第一個”#”，兩邊是”[“與”J”，是\W和\w之間的位置。
• 第二個”#”，兩邊是”S”與”]”，也就是\w和\W之間的位置。
• 第三個”#”，兩邊是空格與”L”，也就是\W和\w之間的位置。
• 第四個”#”，兩邊是”1”與”.”，也就是\w和\W之間的位置。
• 第五個”#”，兩邊是”.”與”m”，也就是\W和\w之間的位置。
• 第六個”#”，其對應的位置是結尾，但其前面的字符”4”是\w，即\w和$之間的位置。

知道了\b的概念后，那么\B也就相對好理解了。

\B就是\b的反面的意思，非單詞邊界。例如在字符串中所有位置中，扣掉\b，剩下的都是\B的。

具體說來就是\w與\w、\W與\W、^與\W，\W與$之間的位置。

比如上面的例子，把所有\B替換成”#”：

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是一個子模式，即p前面的位置。

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#"

二者的學名分別是positive lookahead和negative lookahead。

中文翻譯分別是正向先行斷言和負向先行斷言。

ES6中，還支持positive lookbehind和negative lookbehind。

具體是(?<=p)和(?<!p)。

也有書上把這四個東西，翻譯成環視，即看看右邊或看看左邊。

但一般書上，沒有很好強調這四者是個位置。

比如(?=p)，一般都理解成：要求接下來的字符與p匹配，但不能包括p的那些字符。

而在本人看來(?=p)就與^一樣好理解，就是p前面的那個位置。

3. 位置的特性

對于位置的理解，我們可以理解成空字符””。

比如”hello”字符串等價于如下的形式：

"hello" == "" + "h" + "" + "e" + "" + "l" + "" + "l" + "o" + "";

也等價于：

"hello" == "" + "" + "hello"

因此，把/^hello$/寫成/^^hello$$$/，是沒有任何問題的：

var result = /^^hello$$$/.test("hello");
console.log(result); 
// => true

甚至可以寫成更復雜的:

var result = /(?=he)^^he(?=\w)llo$\b\b$/.test("hello");
console.log(result); 
// => true

也就是說字符之間的位置，可以寫成多個。

把位置理解空字符，是對位置非常有效的理解方式。

4. 相關案例

4.1 不匹配任何東西的正則

讓你寫個正則不匹配任何東西

easy，/.^/

因為此正則要求只有一個字符，但該字符后面是開頭。

4.2 數字的千位分隔符表示法

比如把”12345678”，變成”12,345,678”。

可見是需要把相應的位置替換成”,”。

思路是什么呢？

4.2.1 弄出最后一個逗號

使用(?=\d{3}$)就可以做到：

var result = "12345678".replace(/(?=\d{3}$)/g, ',')
console.log(result); 
// => "12345,678"

4.2.2 弄出所有的逗號

因為逗號出現的位置，要求后面3個數字一組，也就是\d{3}至少出現一次。

此時可以使用量詞+：

var result = "12345678".replace(/(?=(\d{3})+$)/g, ',')
console.log(result); 
// => "12,345,678"

4.2.3 匹配其余案例

寫完正則后，要多驗證幾個案例，此時我們會發現問題：

var result = "123456789".replace(/(?=(\d{3})+$)/g, ',')
console.log(result); 
// => ",123,456,789"

因為上面的正則，僅僅表示把從結尾向前數，一但是3的倍數，就把其前面的位置替換成逗號。因此才會出現這個問題。

怎么解決呢？我們要求匹配的到這個位置不能是開頭。

我們知道匹配開頭可以使用^，但要求這個位置不是開頭怎么辦？

easy，(?!^)，你想到了嗎？測試如下：

var string1 = "12345678",
string2 = "123456789";
reg = /(?!^)(?=(\d{3})+$)/g;

var result = string1.replace(reg, ',')
console.log(result); 
// => "12,345,678"

result = string2.replace(reg, ',');
console.log(result); 
// => "123,456,789"

4.2.4 支持其他形式

如果要把”12345678 123456789”替換成”12,345,678 123,456,789”。

此時我們需要修改正則，把里面的開頭^和結尾$，替換成\b：

var string = "12345678 123456789",
reg = /(?!\b)(?=(\d{3})+\b)/g;

var result = string.replace(reg, ',')
console.log(result); 
// => "12,345,678 123,456,789"

其中(?!\b)怎么理解呢？

要求當前是一個位置，但不是\b前面的位置，其實(?!\b)說的就是\B。

因此最終正則變成了：/\B(?=(\d{3})+\b)/g。

4.3 驗證密碼問題

密碼長度6-12位，由數字、小寫字符和大寫字母組成，但必須至少包括2種字符。

此題，如果寫成多個正則來判斷，比較容易。但要寫成一個正則就比較困難。

那么，我們就來挑戰一下。看看我們對位置的理解是否深刻。

4.3.1 簡化

不考慮“但必須至少包括2種字符”這一條件。我們可以容易寫出：

var reg = /^[0-9A-Za-z]{6,12}$/;

4.3.2 判斷是否包含有某一種字符

假設，要求的必須包含數字，怎么辦？此時我們可以使用(?=.*[0-9])來做。

因此正則變成：

var reg = /(?=.*[0-9])^[0-9A-Za-z]{6,12}$/;

4.3.3 同時包含具體兩種字符

比如同時包含數字和小寫字母，可以用(?=.*[0-9])(?=.*[a-z])來做。

因此正則變成：

var reg = /(?=.*[0-9])(?=.*[a-z])^[0-9A-Za-z]{6,12}$/;

4.3.4 解答

我們可以把原題變成下列幾種情況之一：

1. 同時包含數字和小寫字母
2. 同時包含數字和大寫字母
3. 同時包含小寫字母和大寫字母
4. 同時包含數字、小寫字母和大寫字母

以上的4種情況是或的關系（實際上，可以不用第4條）。

最終答案是：

var reg = /((?=.*[0-9])(?=.*[a-z])|(?=.*[0-9])(?=.*[A-Z])|(?=.*[a-z])(?=.*[A-Z]))^[0-9A-Za-z]{6,12}$/;
console.log( reg.test("1234567") ); // false 全是數字
console.log( reg.test("abcdef") ); // false 全是小寫字母
console.log( reg.test("ABCDEFGH") ); // false 全是大寫字母
console.log( reg.test("ab23C") ); // false 不足6位
console.log( reg.test("ABCDEF234") ); // true 大寫字母和數字
console.log( reg.test("abcdEF234") ); // true 三者都有

4.3.5 解惑

上面的正則看起來比較復雜，只要理解了第二步，其余就全部理解了。

/(?=.*[0-9])^[0-9A-Za-z]{6,12}$/

對于這個正則，我們只需要弄明白(?=.*[0-9])^即可。

分開來看就是(?=.*[0-9])和^。

表示開頭前面還有個位置（當然也是開頭，即同一個位置，想想之前的空字符類比）。

(?=.*[0-9])表示該位置后面的字符匹配.*[0-9]，即，有任何多個任意字符，后面再跟個數字。

翻譯成大白話，就是接下來的字符，必須包含個數字。

4.3.6 另外一種解法

“至少包含兩種字符”的意思就是說，不能全部都是數字，也不能全部都是小寫字母，也不能全部都是大寫字母。

那么要求“不能全部都是數字”，怎么做呢？(?!p)出馬！

對應的正則是：

var reg = /(?!^[0-9]{6,12}$)^[0-9A-Za-z]{6,12}$/;

三種“都不能”呢？

最終答案是：

var reg = /(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/;
console.log( reg.test("1234567") ); // false 全是數字
console.log( reg.test("abcdef") ); // false 全是小寫字母
console.log( reg.test("ABCDEFGH") ); // false 全是大寫字母
console.log( reg.test("ab23C") ); // false 不足6位
console.log( reg.test("ABCDEF234") ); // true 大寫字母和數字
console.log( reg.test("abcdEF234") ); // true 三者都有

小結

位置匹配相關的案例，挺多的，不一而足。

掌握匹配位置的這6個錨字符，給我們解決正則問題一個新工具。