前言
最近發現JavaScript中的正則在某些地方的表現和其他語言或工具中的正則有些不同,比較另類.雖然你幾乎不可能寫出也幾乎用不到下面我講的這些正則,但是了解一下畢竟是好的.
本文中的代碼示例都是在兼容ES5的JavaScript環境中執行的,也就是說,IE9之前版本,Fx4左右的版本,等,中的表現很有可能和我下面講的不一樣.
1.空字符類
不包含任何字符的字符類[]稱之為空字符類(empty char class),我相信你沒聽別人這麼叫過,因為在其他語言中,這種寫法是非法的,所有的文檔和教程都不會講一種非法的語法.下面我演示一下其他語言或工具都是怎麼報這個錯的:
$echo | grep '[]'
grep: Unmatched [ or [^
$echo | sed '/[]/'
sed：-e 表達式 #1，字符 4：未終止的地址正則表達式
$echo | awk '/[]/'
awk: cmd. line:1: /[]/
awk: cmd. line:1: ^ unterminated regexp
awk: cmd. line:1: error: Unmatched [ or [^: /[]//
$echo | perl -ne '/[]/'
Unmatched [ in regex; marked by <-- HERE in m/[ <-- HERE ]/ at -e line 1.
$echo | ruby -ne '/[]/'
-e:1: empty char-class: /[]/
$python -c 'import re;re.match("[]","")'
Traceback (most recent call last):
File "<string>", line 1, in <module>
File "E:\Python\lib\re.py", line 137, in match
return _compile(pattern, flags).match(string)
File "E:\Python\lib\re.py", line 244, in _compile
raise error, v # invalid expression
sre_constants.error: unexpected end of regular expression
而在JavaScript中,空字符類是合法的正則組成部分,不過它的效果是"永不匹配",也就是匹配什麼都會失敗.相當於一個空否定正向環視(empty negative lookahead)(?!)的效果:
js> "whatever\n".match(/[]/g) //空字符類,永不匹配 null js> "whatever\n".match(/(?!)/g) //空否定正向環視,永不匹配 null
很顯然,這種東西在JavaScript中沒什麼用.
2.否定空字符類
不包含任何字符的否定字符類[^]稱之為否定空字符類(negative empty char class)或者叫空否定字符類(empty negative char class),都可以,因為這個名詞是我"自創"的,和上面講的空字符類類似,這種寫法在其他語言中也是非法的:
$echo | grep '[^]'
grep: Unmatched [ or [^
$echo | sed '/[^]/'
sed：-e 表達式 #1，字符 5：未終止的地址正則表達式
$echo | awk '/[^]/'
awk: cmd. line:1: /[^]/
awk: cmd. line:1: ^ unterminated regexp
awk: cmd. line:1: error: Unmatched [ or [^: /[^]//
$echo | perl -ne '/[^]/'
Unmatched [ in regex; marked by <-- HERE in m/[ <-- HERE ^]/ at -e line 1.
$echo | ruby -ne '/[^]/'
-e:1: empty char-class: /[^]/
$python -c 'import re;re.match("[^]","")'
Traceback (most recent call last):
File "<string>", line 1, in <module>
File "E:\Python\lib\re.py", line 137, in match
return _compile(pattern, flags).match(string)
File "E:\Python\lib\re.py", line 244, in _compile
raise error, v # invalid expression
sre_constants.error: unexpected end of regular expression
$
而在JavaScript中,否定空字符類是合法的正則組成部分,它的效果和空字符類的效果剛剛相反,它可以匹配任意的字符,包括換行符"\n" ,也就是說,等同於常見的[\s\S]和[\w\W] :
js> "whatever\n".match(/[^]/g) //否定空字符類,匹配任意字符 ["w", "h", "a", "t", "e", "v", "e", "r", "\n"] js> "whatever\n".match(/[\s\S]/g) //互補字符類,匹配任意字符 ["w", "h", "a", "t", "e", "v", "e", "r", "\n"]
需要注意的是,它不能稱之為是"永匹配正則",因為字符類必須要有一個字符才可能匹配,如果目標字符串是空的,或者已經被左邊的正則消耗完了,則匹配會失敗,比如:
js> /abc[^]/.test("abc") //c後面沒有字符了,匹配失敗.
false
想要了解真正的"永匹配正則",可以看看我以前翻譯的一篇文章:"空"正則
3.[]]和[^]]
這個講起來比較簡單,就是:在Perl和其他一些linux命令的正則表達式中,字符類[]中如果包含了一個緊跟著左方括號的右方括號[]] ,則這個右方括號會被當作一個普通字符,即只能匹配"]",而在JavaScript中,這種正則會被識別成一個空字符類後跟一個右方括號,空字符類什麼都不匹配.[^]]也類似:在JavaScript中,它匹配的是一個任意字符(否定空字符類)後跟一個右中括號,比如"a]","b]" ,而在其他語言中,匹配的是任何非]的字符.
$perl -e 'print "]" =~ /[]]/'
1
$js -e 'print(/[]]/.test("]"))'
false
$perl -e 'print "x" =~ /[^]]/'
1
$js -e 'print(/[^]]/.test("x"))'
false
4.$錨點
有些初學者認為$匹配的是換行符"\n" ,這是大錯特錯的,$是一個零寬斷言(zero-width assertion),它是不可能匹配到一個真正的字符的,它只能匹配一個位置.我要的講的區別發生在非多行模式中:你也許會認為,在非多行模式中,$匹配的不就是最後一個字符後面的位置嗎?實際上沒那麼簡單,在其他大部分語言中,如果目標字符串中的最後一個字符是換行符"\n" ,則$還會匹配那個換行符之前的位置,也就是匹配了末尾的換行符左右兩邊的兩個位置.很多語言中都有\Z和\z這兩個表示法,如果你知道它們之間的區別,那你應該就明白了,在其他語言中(Perl,Python,php,Java,c#...),非多行模式下的$相當於\Z,而在JavaScript中,非多行模式下的$相當於\z(只會匹配最末尾的那個位置,不管最後一個字符是否是換行符).Ruby是個特例,因為它默認就是多行模式,多行模式下$會匹配每個換行符前面的位置,當然也會包括結尾處可能出現的那個換行符.余晟著的《正則指引》一書中也講到了這幾點.
$perl -e 'print "whatever\n" =~ s/$/替換字符/rg' //全局替換
whatever替換字符 //換行符前面的那個位置被替換
替換字符 //換行符後面的那個位置被替換
$js -e 'print("whatever\n".replace(/$/g,"替換字符"))' //全局替換
whatever
替換字符 //換行符後面的那個位置被替換
5.點號元字符"."
在JavaScript中的正則表達式中,點號元字符"."可以匹配四個行終止符(\r-回車符,\n-換行符,\u2028-行分隔符,\u2029-段落分隔符)之外的所有字符,而在其他常用語言中,只會排除掉換行符\n.
6.向前引用
我們都知道正則中有反向引用(back reference),也就是用一個反斜槓+數字的形式引用到前面的某個捕獲分組已經匹配到的字符串,目的是用來再次匹配或作為替換結果(\變成$).但有種特殊情況是,如果那個被引用的捕獲分組還沒開始(左括號為界),就使用了反向引用,會怎樣.比如正則/(\2(a)){2}/ , (a)是第二個捕獲分組,但在它的左邊使用了引用它的匹配結果的\2,我們知道正則是從左向右進行匹配的,這就是本節的標題向前引用(forwards reference)的來歷,它並不是一個嚴格的概念.那麼現在你想想,下面的這句JavaScript代碼將返回什麼:
js> /(\2(a)){2}/.exec("aaa")
???
在回答這個問題之前,先看看其他語言中的表現.同樣,在其他語言中,這麼寫也基本上是無效的:
$echo aaa | grep '(\2(a)){2}'
grep: Invalid back reference
$echo aaa | sed -r '/(\2(a)){2}/'
sed：-e 表達式 #1，字符 12：非法回引用
$echo aaa | awk '/(\2(a)){2}/'
$echo aaa | perl -ne 'print /(\2(a)){2}/'
$echo aaa | ruby -ne 'print $_ = ~/(\2(a)){2}/'
$python -c 'import re;print re.match("(\2(a)){2}","aaa")'
None
在awk中沒有報錯,是因為awk不支持這種反向引用,其中的\2被解釋成了ASCII碼為2的字符.而在Perl Ruby Python中沒報錯,我不知道為什麼這樣設計,應該都是學Perl的,但效果都一樣,就是這種情況下是不可能匹配成功的.
而在JavaScript中,不僅不報錯,還能匹配成功,看看和你剛才想的答案一樣不一樣:
js> /(\2(a)){2}/.exec("aaa")
["aa", "a", "a"]
防止你忘了exec方法返回的結果是什麼,我說一下.第一個元素是完整的匹配字符串,也就是RegExp["$&"] ,後面的是每個捕獲分組匹配的內容,也就是RegExp.$1和RegExp.$2.為什麼能匹配成功呢,匹配過程是怎樣的?我的理解是:
首先進入了第一個捕獲分組(最左邊的左括號),其中第一個有效匹配項是\2,然而這時第二個捕獲分組(a)還沒輪上,因此RegExp.$2的值還是undefined,所以\2匹配了目標字符串中第一個a左邊的一個空字符,或者說"位置",就像^和其他零寬斷言一樣.重點是匹配成功了.繼續走,這時第二個捕獲分組(a)匹配到了目標字符串中的第一個a,RegExp.$2的值也被賦值為"a",然後是第一個捕獲分組結束(最右邊的右括號),RegExp.$1的值也是"a".然後是量詞{2},也就是說,要從目標字符串中的第一個a之後,開始進行正則(\2(a))的新的一輪匹配,很關鍵的一點在這裡:就是RegExp.$2的值也就是\2匹配的值還是不是第一輪匹配結束時的被賦的值"a",答案是:"不是",RegExp.$1和RegExp.$2的值都會被清空為undefined,\1和\2又會和第一次一樣,成功匹配一個空字符(相當於無任何效果,寫不寫都一樣).成功匹配了目標字符串中的第二個a,這時RegExp.$1和RegExp.$2的值又一次成為了"a",RegExp["$&"]的值成為了完整的匹配字符串,前兩個a:"aa".
在Firefox的早期版本(3.6)中,量詞的重新一輪匹配不會清空已有的捕獲分組的值,那麼也就是說,在第二輪匹配的時候,\2會匹配上第二個a,從而:
js> /(\2(a)){2}/.exec("aaa")
["aaa", "aa", "a"]
另外,一個捕獲分組的結束要看右括號是否閉合,比如/(a\1){3}/,雖然用到\1的時候,第一個捕獲分組已經開始匹配了,但還沒結束,這同樣是向前引用,所以\1匹配的仍然是空:
js> /(a\1){3}/.exec("aaa")
["aaa", "a"]
再解釋一個例子:
js> /(?:(f)(o)(o)|(b)(a)(r))*/.exec("foobar")
["foobar", undefined, undefined, undefined, "b", "a", "r"]
*號是量詞,第一輪匹配過後:$1為"f",$2為"o",$3為"o",$4為undefined,$5為undefined,$6為undefined.
第二輪匹配開始時:捕獲到的值全部重置為undefined.
第二輪匹配過後:$1為undefined,$2為undefined,$3為undefined,$4為"b",$5為"a",$6為"r".
&被賦值為"foobar",匹配結束.
總結
以上就是總結JavaScript的正則與其他語言不同之處的全部內容，希望本文的內容對大家的學習和工作能帶來幫助。