總結(jié)JavaScript的正則與其他語言的不同之處

1、總結(jié)JavaScript的正則與其他語言的不同之處前言最近發(fā)現(xiàn)JavaScript中的正則在某些地方的表現(xiàn)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(huán)境中執(zhí)行的,也就是說,IE9之前版本,Fx4左右的版本,等,中的表現(xiàn)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么叫過,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

2、么報這個錯的:?123456789101112131415$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 regexpawk: cmd. line:1: error: Unmatched or : /$echo | perl -ne '/'Unmatched in regex; marked b

3、y <- 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:Pythonlibre.py", line 137,

4、 in matchreturn _compile(pattern, flags).match(string)File "E:Pythonlibre.py", line 244, in _compileraise error, v # invalid expressionsre_constants.error: lar 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",也就是匹配什么都會失敗.相當于一個空否定正向環(huán)視(empty negative lookahead)(?!)的效果:?1234js&g

5、t; "whatevern".match(/g) /空字符類,永不匹配nulljs> "whatevern".match(/(?!)/g) /空否定正向環(huán)視,永不匹配null很顯然,這種東西在JavaScript中沒什么用.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(chuàng)"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:?12345678910111

6、213141516$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 regexpawk: cmd. line:1: error: Unmatched or : /$echo | perl -ne '/'Unmatched in regex; marked by <- HERE in m/ &

7、lt;- 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:Pythonlibre.py", line 137, in matchreturn _com

8、pile(pattern, flags).match(string)File "E:Pythonlibre.py", line 244, in _compileraise error, v # invalid expressionsre_constants.error: lar 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,等同于常見的sS和wW :?1234js> "whatevern".match(/g

9、) /否定空字符類,匹配任意字符"w", "h", "a", "t", "e", "v", "e", "r", "n"js> "whatevern".match(/sS/g) /互補字符類,匹配任意字符"w", "h", "a", "t", "e", "v", "

10、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(jīng)被左邊的正則消耗完了,則匹配會失敗,比如:?12js> /abc/.test("abc") /c后面沒有字符了,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

11、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后跟一個右方括號,空字符類什么都不匹配.也類似:在JavaScript中,它匹配的是一個任意字符(否定空字符類)后跟一個右中括號,比如"a","b" ,而在其他語言中,匹配的是任何非的字符.?1234567891011$perl -e 'print "" = /'1$js -e 'print(/.test("")'false$perl -e '

12、;print "x" = /'1$js -e 'print(/.test("x")'false4.$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(qū)別發(fā)生在非多行模式中:你也許會認為,在非多行模式中,$匹配的不就是最后一個字符后面的位置嗎?實際上沒那么簡單,在其他大部分語言中,如果目標字符串中的最后一個字符是換行符"n" ,則$還會匹配那個換行符之前的位

13、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(qū)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$相當于Z,而在JavaScript中,非多行模式下的$相當于z(只會匹配最末尾的那個位置,不管最后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$會匹配每個換行符前面的位置,當然也會包括結(jié)尾處可能出現(xiàn)的那個換行符.余晟著的正則指引一書中也講到了這幾點.?1234567$perl -e 'print "whatevern" = s/$

14、/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 /換行符后面的那個位置被替換$js -e 'print("whatevern".replace(/$/g,"替換字符")' /全局替換whatever替換字符 /換行符后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

15、換行符n.6.向前引用我們都知道正則中有反向引用(back reference),也就是用一個反斜杠+數(shù)字的形式引用到前面的某個捕獲分組已經(jīng)匹配到的字符串,目的是用來再次匹配或作為替換結(jié)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(jié)果的2,我們知道正則是從左向右進行匹配的,這就是本節(jié)的標題向前引用(forwards reference)的來歷,它并不是一個嚴格的概念.那么現(xiàn)在你想想,下面的這句JavaScript代碼將返回什么:?12js> /

16、(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(xiàn).同樣,在其他語言中,這么寫也基本上是無效的:?12345678910$echo aaa | grep '(2(a)2'grep: Invalid back reference$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 |

17、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,我不知道為什么這樣設(shè)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:?12js> /(2(a)2

18、/.exec("aaa")"aa", "a", "a"防止你忘了exec方法返回的結(jié)果是什么,我說一下.第一個元素是完整的匹配字符串,也就是RegExp"$&" ,后面的是每個捕獲分組匹配的內(nèi)容,也就是RegExp.$1和RegExp.$2.為什么能匹配成功呢,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

19、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(xù)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",然后是第一個捕獲分組結(jié)束(最右邊的右括號),RegExp.$1的值也是"a".然后是量詞2,也就是說,要從目標字符串中的第一個a之后,開始進行正則(2(a)的新的一輪匹配,很關(guān)鍵的一點在這里:就是RegExp.$2的值也就是2匹配的值還是不是第一輪匹配結(jié)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(相當于無任何效果,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,那么也就是說,在第二輪匹配的時候,2會匹配上第二個a,從而:?12j