总结JavaScript的正则与其他语言的不同之处

1、总结JavaScript的正则与其他语言的不同之处前言最近发现JavaScript中的正则在某些地方的表现和其他语言或工具中的正则有些不同,比较另类.虽然你几乎不可能写出也几乎用不到下面我讲的这些正则,但是了解一下毕竟是好的.本文中的代码示例都是在兼容ES5的JavaScript环境中执行的,也就是说,IE9之前版本,Fx4左右的版本,等,中的表现很有可能和我下面讲的不一样.1.空字符类不包含任何字符的字符类称之为空字符类(empty char class),我相信你没听别人这么叫过,因为在其他语言中,这种写法是非法的,所有的文档和教程都不会讲一种非法的语法.下面我演示一下其他语言或工具都是怎

2、么报这个错的:?123456789101112131415$echo | grep ''grep: Unmatched or $echo | sed '/'sed：-e 表达式 #1，字符 4：未终止的地址正则表达式$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,空字符类是合法的正则组成部分,不过它的效果是"永不匹配",也就是匹配什么都会失败.相当于一个空否定正向环视(empty negative lookahead)(?!)的效果:?1234js&g

5、t; "whatevern".match(/g) /空字符类,永不匹配nulljs> "whatevern".match(/(?!)/g) /空否定正向环视,永不匹配null很显然,这种东西在JavaScript中没什么用.2.否定空字符类不包含任何字符的否定字符类称之为否定空字符类(negative empty char class)或者叫空否定字符类(empty negative char class),都可以,因为这个名词是我"自创"的,和上面讲的空字符类类似,这种写法在其他语言中也是非法的:?12345678910111

6、213141516$echo | grep ''grep: Unmatched or $echo | sed '/'sed：-e 表达式 #1，字符 5：未终止的地址正则表达式$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,否定空字符类是合法的正则组成部分,它的效果和空字符类的效果刚刚相反,它可以匹配任意的字符,包括换行符"n" ,也就是说,等同于常见的sS和wW :?1234js> "whatevern".match(/g

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

10、e", "r", "n"需要注意的是,它不能称之为是"永匹配正则",因为字符类必须要有一个字符才可能匹配,如果目标字符串是空的,或者已经被左边的正则消耗完了,则匹配会失败,比如:?12js> /abc/.test("abc") /c后面没有字符了,匹配失败.false想要了解真正的"永匹配正则",可以看看我以前翻译的一篇文章:"空"正则3.和这个讲起来比较简单,就是:在Perl和其他一些linux命令的正则表达式中,字符类中如果包含了一个紧跟着左方括号的右方括

11、号 ,则这个右方括号会被当作一个普通字符,即只能匹配"",而在JavaScript中,这种正则会被识别成一个空字符类后跟一个右方括号,空字符类什么都不匹配.也类似:在JavaScript中,它匹配的是一个任意字符(否定空字符类)后跟一个右中括号,比如"a","b" ,而在其他语言中,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$js -e 'print(/.test("x")'false4.$锚点有些初学者认为$匹配的是换行符"n" ,这是大错特错的,$是一个零宽断言(zero-width assertion),它是不可能匹配到一个真正的字符的,它只能匹配一个位置.我要的讲的区别发生在非多行模式中:你也许会认为,在非多行模式中,$匹配的不就是最后一个字符后面的位置吗?实际上没那么简单,在其他大部分语言中,如果目标字符串中的最后一个字符是换行符"n" ,则$还会匹配那个换行符之前的位

13、置,也就是匹配了末尾的换行符左右两边的两个位置.很多语言中都有Z和z这两个表示法,如果你知道它们之间的区别,那你应该就明白了,在其他语言中(Perl,Python,php,Java,c#.),非多行模式下的$相当于Z,而在JavaScript中,非多行模式下的$相当于z(只会匹配最末尾的那个位置,不管最后一个字符是否是换行符).Ruby是个特例,因为它默认就是多行模式,多行模式下$会匹配每个换行符前面的位置,当然也会包括结尾处可能出现的那个换行符.余晟著的正则指引一书中也讲到了这几点.?1234567$perl -e 'print "whatevern" = s/$

14、/替换字符/rg' /全局替换whatever替换字符 /换行符前面的那个位置被替换替换字符 /换行符后面的那个位置被替换$js -e 'print("whatevern".replace(/$/g,"替换字符")' /全局替换whatever替换字符 /换行符后面的那个位置被替换5.点号元字符"."在JavaScript中的正则表达式中,点号元字符"."可以匹配四个行终止符(r-回车符,n-换行符,u2028-行分隔符,u2029-段落分隔符)之外的所有字符,而在其他常用语言中,只会排除掉

15、换行符n.6.向前引用我们都知道正则中有反向引用(back reference),也就是用一个反斜杠+数字的形式引用到前面的某个捕获分组已经匹配到的字符串,目的是用来再次匹配或作为替换结果(变成$).但有种特殊情况是,如果那个被引用的捕获分组还没开始(左括号为界),就使用了反向引用,会怎样.比如正则/(2(a)2/ , (a)是第二个捕获分组,但在它的左边使用了引用它的匹配结果的2,我们知道正则是从左向右进行匹配的,这就是本节的标题向前引用(forwards reference)的来历,它并不是一个严格的概念.那么现在你想想,下面的这句JavaScript代码将返回什么:?12js> /

16、(2(a)2/.exec("aaa")?在回答这个问题之前,先看看其他语言中的表现.同样,在其他语言中,这么写也基本上是无效的:?12345678910$echo aaa | grep '(2(a)2'grep: Invalid back reference$echo aaa | sed -r '/(2(a)2/'sed：-e 表达式 #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中没有报错,是因为awk不支持这种反向引用,其中的2被解释成了ASCII码为2的字符.而在Perl Ruby Python中没报错,我不知道为什么这样设计,应该都是学Perl的,但效果都一样,就是这种情况下是不可能匹配成功的.而在JavaScript中,不仅不报错,还能匹配成功,看看和你刚才想的答案一样不一样:?12js> /(2(a)2

18、/.exec("aaa")"aa", "a", "a"防止你忘了exec方法返回的结果是什么,我说一下.第一个元素是完整的匹配字符串,也就是RegExp"$&" ,后面的是每个捕获分组匹配的内容,也就是RegExp.$1和RegExp.$2.为什么能匹配成功呢,匹配过程是怎样的?我的理解是:首先进入了第一个捕获分组(最左边的左括号),其中第一个有效匹配项是2,然而这时第二个捕获分组(a)还没轮上,因此RegExp.$2的值还是undefined,所以2匹配了目标字符串中第一个a左边的一个

19、空字符,或者说"位置",就像和其他零宽断言一样.重点是匹配成功了.继续走,这时第二个捕获分组(a)匹配到了目标字符串中的第一个a,RegExp.$2的值也被赋值为"a",然后是第一个捕获分组结束(最右边的右括号),RegExp.$1的值也是"a".然后是量词2,也就是说,要从目标字符串中的第一个a之后,开始进行正则(2(a)的新的一轮匹配,很关键的一点在这里:就是RegExp.$2的值也就是2匹配的值还是不是第一轮匹配结束时的被赋的值"a",答案是:"不是",RegExp.$1和RegExp.$2的值都会被清空为undefined,1和2又会和第一次一样,成功匹配一个空字符(相当于无任何效果,写不写都一样).成功匹配了目标字符串中的第二个a,这时RegExp.$1和RegExp.$2的值又一次成为了"a",RegExp"$&"的值成为了完整的匹配字符串,前两个a:"aa".在Firefox的早期版本(3.6)中,量词的重新一轮匹配不会清空已有的捕获分组的值,那么也就是说,在第二轮匹配的时候,2会匹配上第二个a,从而:?12j