正则表达式之位置匹配

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》