寫這篇文章之前,作者在正則表達式上耗了兩個多小時。結論是:JavaScript 的 Regex 引擎不支援「否定後向環視」(negative lookbehind),所以最直觀的寫法行不通,必須換個角度思考。
這個過程本身就是一個很好的正則練習素材,值得完整記錄。
var str = "eattd gebcat gedat jadu geat beu";
1. 以 "ge" 開頭的單字——結果應為 gebcat, gedat, geat。\b 錨定單字邊界,\w+ 抓後續字元:
var exp1 = /\bge\w+/ig;
var matchedStr = exp1.exec(str);
while (matchedStr != null && matchedStr.index < str.length) {
if (matchedStr[0] != null) {
inv.innerHTML += "<br>The result is: " + matchedStr[0];
wordsArr.push(matchedStr[0]);
}
matchedStr = exp1.exec(str);
}
這裡用 exec() 搭配迴圈反覆呼叫,每次都從上次結束的位置續找——因為正則帶了 g(全域)旗標,lastIndex 會自動推進。這比 match() 更能取得每次匹配的詳細資訊。
2. 以 "at" 結尾的單字——結果為 gebcat, gedat, geat。\b 放在結尾:
var exp1 = /\w+(at\b)/ig;
3. 不以 "ge" 開頭的單字——用否定先行環視 (?!...),這在 JS 是支援的:
var exp1 = /\b(?!ge)\w+/ig;
var wordsArr = new Array();
var matchedStr = exp1.exec(str);
while (matchedStr != null && matchedStr.index < str.length) {
if (matchedStr[0] != null) {
inv.innerHTML += "<br>The result is: " + matchedStr[0];
newStr = newStr.replace(matchedStr[0]);
wordsArr.push(matchedStr[0]);
}
matchedStr = exp1.exec(str);
}
// 清掉比對過程中產生的 undefined 空項
for (var i = 0; i < wordsArr.length;) {
if (wordsArr[i] == "undefined") {
wordsArr.splice(i, 1);
} else
i++
}
直覺會想寫:
var exp1 = /\w+(?<!at\b)/ig; // JavaScript 不支援(舊版本)
不行。JS 的正則引擎不支援否定後向環視 (?<!...)。
退而寫成:
var exp1 = /\w+(?!at\b)/ig;
也不行。這句的意思是「單字結尾的右邊不能是 at」——但 \b 本身就是單字邊界,邊界右邊再要求不能是 at,等於永遠成立或永遠不成立,根本沒過濾到東西。方向搞錯了:(?!...) 是往前看,而我們要檢查的是已經吃進來的字元回頭看。
既然無法直接否定,那就反過來做:找出所有以 at 結尾的單字,把它們從原字串中刪除,剩下的就是答案。
function RegularExpTest() {
var inv = document.getElementById("RegexTest");
var str = "eattd gedbcat gedat jadu geat beu";
var newStr = str;
var exp1 = /\w+at\b/ig;
var wordsArr = new Array();
var matchedStr = exp1.exec(str);
while (matchedStr != null && matchedStr.index < str.length) {
if (matchedStr[0] != null) {
inv.innerHTML += "<br>The result is: " + matchedStr[0];
newStr = newStr.replace(matchedStr[0]); // 從副本中剔除
}
matchedStr = exp1.exec(str);
}
wordsArr = newStr.split(" ");
for (var i = 0; i < wordsArr.length;) {
if (wordsArr[i] == "undefined") {
wordsArr.splice(i, 1);
} else
i++
}
inv.innerHTML += "<br>The result is: " + wordsArr;
}
注意一個細節:exec() 是在原始 str 上迭代(這樣 lastIndex 才能正常推進),而 replace() 則作用於副本 newStr。如果直接在 str 上刪除,字串長度改變會讓索引錯位,迴圈就亂了。這是「遍歷一邊、修改另一邊」的標準做法。
值得補充的是,現代 JavaScript 已經支援後向環視了。ES2018 起,V8(Chrome、Node.js)、SpiderMonkey(Firefox)、JavaScriptCore(Safari)都實作了 (?<!...),所以今天可以直接寫:
// 直接否定後向環視:不以 at 結尾的單字
var exp = /\w+(?<!at)\b/ig;
str.match(exp); // ["eattd", "jadu", "beu"]
// 或用否定字符集更直觀
var exp2 = /\b\w*[^t]\b|\b\w{1,2}\b/ig;
更乾淨的做法是用 filter 把邏輯寫清楚,不必擠在一個正則裡:
var result = str.split(" ")
.filter(function (w) { return !w.endsWith("at"); });
// ["eattd", "jadu", "beu"]
這段經歷給的啟示其實很實在:正則表達式不是越長越厲害。當一個模式需要繞三道彎才能表達,往往代表它該被拆成「match + filter」兩個步驟——程式碼可讀性與可維護性都更好,效能也不見得差。而當你確實需要「回頭否定」時,先確認執行環境是否支援 lookbehind,是避免浪費兩小時的第一步。
思則得,不思則不得。