正则表达式之位置匹配
文章目录
sharplook夏洛克作为专业的日志采集分析系统,涉及的技术点,从后到前着实不少,内容也较为复杂。正则作为日志解析的手段,起着举足轻重的作用,在此小生将晦涩难懂的内容,拆解出来以便学习之用。
往期回顾
在上一篇文章中,我们已经学习了正则表达式的字符匹配,介绍了模糊匹配、字符组和量词。正则表达式就是匹配模式,要么匹配字符,要么匹配位置,牢记这个基准。本章小生将介绍位置匹配,将分成以下内容进行介绍:
- 位置的定义
- 位置如何匹配
- 位置的特性
位置的定义
位置可以理解为字符之间的位置,也可以称为锚点。如图,箭头所指的位置:
位置如何匹配
在ES5中,共有6个锚:^、$、\b、\B、(?=p)、(?!p)
^$\b\B(?=a)(?!b) 其可视化的形式如下:其可视化的形式如下:
^ 和 $
^(脱字符)匹配开头的位置,在多行匹配中匹配行开头。
$(美元符)匹配结尾的位置,在多行匹配中匹配行结尾。
比如我们把字符串的开头和结尾替换为#,就是将位置替换为字符:
let result = 'lemon'.replace(/^|$/g, '#');
console.log(result);
// => #lemon#
多行匹配模式(增加修饰符 m)时,此是行的概念,这一点需要我们注意:
let result = 'I\nlove\njavascript'.replace(/$|^/gm, '#');
console.log(result);
/*
#I#
#love#
#javascript#
*/
\b 和 \B
\b 是单词边界符,具体为\w 与 \W之间的位置,也包括\w 与 ^之间的位置,和\w 和 $之间的位置。
比如,我们通过字符串替换字符串中的\b位置为#来进行分析:
let result = '[JS] Lesson_01.mp4'.replace(/\b/g, '#');
console.log(result);
// => [#JS#] #Lesson_01#.#mp4#
具体怎么匹配成这样的? 接下来我们慢慢来分析。
首先我们需要知道,\w 是字符组 [a-zA-Z0-9_]的简写,也就是\w是字母、数字和下划线中的任何一个。而 \W 是排除字符组 [^a-zA-Z0-9_]的简写形式,即\W 是 \w以外的任何一个字符。
我们再来看我们的结果[#JS#] #Lesson_01#.#mp4#中的每一个#的由来:
- 第一个,两边字符是
[和J,是\W与\w之间的位置。 - 第二个,两边字符是
S与],是\w与\W之间的位置。 - 第三个,两边字符是空格与
L,是\W与\w之间的位置。 - 第四个,两边字符是
1与.,是\w与\W之间的位置。 - 第五个,两边字符是
.与m,是\W与\w之间的位置。 - 第六个,位于结尾,前面的字符
4是\w,即\w与$之间的位置。
知道了 \b 的概念之后,接下来 \B 就很好理解了。\B 就是 \b 的反面意思,非单词边界,例如上例子中除去 \b 的位置之外,余下的就都是 \B 的位置了。具体来说就是 \w 与 \w、 \W 与 \W、^ 与 \W、\W 与 $ 之间的位置。
比如,上例子中,把所有 \B 替换成 #:
let result = '[JS] Lesson_01.mp4'.replace(/\B/g, '#');
console.log(result);
// => #[J#S]# L#e#s#s#o#n#_#0#1.m#p#4
(?=p) 和 (?!p)
(?=p),其中 p 是一个子模式,即 p 前面的位置,或者说,该位置后面的字符要匹配 p。比如(?=l),表示 l 字符前面的位置,例如:
let result = 'lemon'.replace(/(?=l)/g, '#');
console.log(result);
// => #lemon
而 (?!p) 就是(?=p) 的反面意思,比如:
let result = 'lemon'.replace(/(?!l)/g, '#');
console.log(result);
// => l#e#m#o#n#
二者的学名分别是positive lookahead 和 negative lookahead。中文意思分别为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。意思是正向后行断言和负向后行断言。具体是(?<=p) 和 (?<!p)。例如:
let result = 'lemon'.replace(/(?<=l)/g, '#');
console.log(result);
// => l#emon
表示该位置之前的字符要匹配 l 表达式。而 (?<!p) 为:
let result = 'lemon'.replace(/(?<=l)/g, '#');
console.log(result);
// => #le#m#o#n#
表示该位置之前的字符不能匹配 l。
其实 (?=p) 和 ^ 一样好理解,将其理解成 p 前面的那个位置即可,其他类似。
位置的特性
对于位置的理解,我们可以将其理解成空字符 ""。 比如lemon 字符串可以写成如下的形式:
'lemon' === '' + 'l' + 'e' + 'm' + 'o' + 'n'+ '';
也可以写成如下:
'lemon' === '' + 'lemon' + '';
因此,把 ^lemon$ 写成 ^^lemon$$$,是没有任何问题的:
let result = /^^lemon$$/.test('lemon');
console.log(result);
// => true
甚至可以写成更复杂的:
let result = /(?=le)^^le(?=\w)mon$\b\b$/.test('lemon');
console.log(result);
// => true
也就是说字符之间的位置,可以写成多个。
把位置理解成空字符,是对位置非常有效的理解方式。
小结
本节介绍了位置的匹配,需要诸君理解 ^、$、\b、\B、(?=p)、(?!p)、(?<=p)、(?<!p)中的位置匹配的用法。
本文中的正则表达式转化为关系图来展示的工具是Regexper
此文主要参考和学习了老姚的《JavaScript 正则表达式迷你书》,内容清晰明了,在此非常感谢老姚的 free精神,致敬。
参考文献
[1] 老姚 著《JavaScript 正则表达式迷你书》
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论