javascript正则表达式学习（二）--位置匹配

文章首发于sau交流学习社区

一、前言

正则表达式是匹配模式，要么是匹配字符，要么匹配位置。

其实在开发中很少用到匹配位置，本篇文章主要包含：

二、什么是位置

位置：相邻字符之间的位置。

三、如何匹配位置

在ES5中，共有6个锚：^, $, \b, \B, (?=p), (?!p)

可视化形式：

RegExp：/^$\b\B(?=a)(?!b)/g

 

3.1 ^和$

^(脱字符)匹配开头，在多行匹配中匹配行开头。

$(美元符)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（有修饰符m）时，二者是行的概念，我们需要注意：

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

3.2 \b和\B

\b是单词边界，具体就是\w和\W之间的位置，也包括\w与^之间的位置，和\w和$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#"

首先，我们知道\w是字符组[0-9a-zA-Z]的简写，即使字母数字或者下划线中任何一个字符。而\W是字符组[^0-9a-zA-Z]的简写，即\W是\w以外的任何一个字符。

我们再来看#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概念后，那\B就好理解了，\b是单词边界，\B是非单词边界

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"

3.3 (?=p) 和 (?!p)

(?=p)其中p是一个子模式，即p前面的位置（该位置后面的字符要匹配p）

比如：(?=e)，表示的是e字符前面的位置；

var result = "hello".replace(/(?=l)/g, '#');
console.log(result);
//  "he#l#lo"

而(?!p)就是(?=p)的反面意思

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)。

四、位置特性

对于位置的理解，我们可以累计额成空字符""。

比如"hello"字符串等价于如下形式：

"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

也就是说，字符之间的位置，可以写成多个。

注：把位置理解空字符，是对位置非常有效的理解方式

五、相关案例

5.1不匹配任何东西的正则

/.^/

正则要求只有一个字符，但是该字符后面是开头，而这样的字符串是不存在的。

5.2数字的千分位分隔符表示法

比如吧12345678，变成12,345,678。

分析：那就是需要把相应的位置替换成","

5.2.1弄出来最后一个逗号

正则：/(?=\d{3}$)/

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为数字。

5.2.2弄出来多有逗号

因为逗号的出现的位置，要求后边3个数字一组，也就是\d{3}至少出现1次。

可以使用量词 + ：

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

5.2.3匹配其余案例

写完正则后，是需要举个别案例来验证的，就会发现问题：

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

上面的正则，仅仅是表示把从结尾向前数，一旦是3的倍数买酒吧前面的位置替换为逗号。

还需要要求：匹配的这个位置不能是开头。

我们知道开头的匹配是使用^，但是不是开头怎么整？

使用(?!^)

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"

5.2.4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？

要求是当前的一个位置，但不是\b前面的位置，其实(?!\b)说的是\B。

因此最终正则变成了：/\B(?=(\d{3})+\b)/g。

可视化形式：

RegExp：/\B(?=(\d{3})+\b)/g

5.2.5货币格式化

千分符表示法一个常见的应用就是货币格式化。

把这个字符串：

1888

格式化：

$ 1888.00

实现：

function format (num) {
return num.toFixed(2).replace(/\B(?=(\d{3})+\b)/g, ",").replace(/^/, "$ ");
};
console.log( format(1888) );
// "$ 1,888.00"

5.3验证密码的问题

密码长度6-12，由数字，小写字母，大写字母组成，但必须至少包括2种字符。

写成多个正则来判断，比较容易，但是要写成一个正则就比较困难。

来看看我们对于位置的理解是否深刻。

5.3.1简化

暂时不考虑"必须至少包含2种字符"这个条件，可以容易写出：

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

5.3.2判断是否包含有某一种字符

假设，要求我们必须包含数字，怎么整？此时我们可以使用(?=.*[0-9])来实现。

正则变成：

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

5.3.3同时包含具体两种字符

比如同时包含数字和小写字母，可以使用(?=.*[0-9])(?=.*[a-z])来实现。

正则变成：

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

5.3.3具体实现

把原题变成下列几种情况：

1、同时包含数字和小写字母；

2、同时包含数字和大写字母；

3、同时包含小写字母和大写字母；

4、同时包含数字，小写字母和大写字母。

以上的4中情况是或的关系（实际上，第四条可以不用）。

最终答案：

var regex = /((?=.*[0-9])(?=.*[a-z])|(?=.*[0-9])(?=.*[A-Z])|(?=.*[a-z])(?=.*[AZ]))^[
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：

RegExp：/((?=.*[0-9])(?=.*[a-z])|(?=.*[0-9])(?=.*[A-Z])|(?=.*[a-z])(?=.*[AZ]))^[ 0-9A-Za-z]{6,12}$/

分析：

上面正则看起来好复杂，只需要理解第二步，/(?=.*[0-9])^[0-9A-Za-z]{6,12}$/；

对于这个正则，我们需要明白(?=.*[0-9])^这个；

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。

5.3.4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：

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

可视化形式：

RegExp：/(?!^[0-9]{6,12}$)(?!^[a-z]{6,12}$)(?!^[A-Z]{6,12}$)^[0-9A-Za-z]{6,12}$/;