DIV CSS 佈局教程網

盤點 JavaScript 正則與其他語言的幾處差異
編輯:關於JavaScript     

前言

最近發現,JavaScript 的正則在某些細節上的表現與其他語言或工具存在差異,顯得有些別出心裁。雖然下面提到的這些寫法你幾乎不可能寫出來、平時也用不到,但多了解一些總沒壞處。

本文所有示例均在兼容 ES5 的 JavaScript 環境中執行,也就是說,在 IE9 之前的版本、Firefox 4 上下的版本裡,表現很可能與我下面描述的不同。

1. 空字符類

不包含任何字符的字符類 [] 被稱為空字符類(empty char class)。相信沒人這麼叫過,因為在其他語言裡這種寫法是非法的,所有文檔和教程都不會去講一種非法語法。先看其他語言或工具是怎麼報錯的:

 $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 regexp awk: cmd. line:1: error: Unmatched [ or [^: /[]// $echo | perl -ne '/[]/' Unmatched [ in regex; marked by <-- 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:\Python\lib\re.py", line 137, in match return _compile(pattern, flags).match(string) File "E:\Python\lib\re.py", line 244, in _compile raise error, v # invalid expression sre_constants.error: unexpected end of regular expression

而在 JavaScript 中,空字符類是合法的正則組成部分,只不過它的效果是「永不匹配」,也就是說匹配什麼都會失敗,相當於一個空否定正向環視 (empty negative lookahead)(?!) 的效果:

 js> "whatever\n".match(/[]/g) //空字符類,永不匹配 null js> "whatever\n".match(/(?!)/g) //空否定正向環視,永不匹配 null

很顯然,這種東西在 JavaScript 裡沒什麼實際用途。

2. 否定空字符類

不包含任何字符的否定字符類 [^] 被稱為否定空字符類(negative empty char class),也可以叫空否定字符類,反正這名詞是我「自創」的。和上面的空字符類類似,這種寫法在其他語言裡同樣非法:

 $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 regexp awk: cmd. line:1: error: Unmatched [ or [^: /[^]// $echo | perl -ne '/[^]/' Unmatched [ in regex; marked by <-- 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:\Python\lib\re.py", line 137, in match return _compile(pattern, flags).match(string) File "E:\Python\lib\re.py", line 244, in _compile raise error, v # invalid expression sre_constants.error: unexpected end of regular expression $

而在 JavaScript 中,否定空字符類是合法的正則組成部分,效果與空字符類正好相反,它能匹配任意字符,包括換行符 "\n",也就是說等同於常見的 [\s\S] 和 [\w\W]:

 js> "whatever\n".match(/[^]/g) //否定空字符類,匹配任意字符 ["w", "h", "a", "t", "e", "v", "e", "r", "\n"] js> "whatever\n".match(/[\s\S]/g) //互補字符類,匹配任意字符 ["w", "h", "a", "t", "e", "v", "e", "r", "\n"] 

需要注意的是,它不能稱之為「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,或者已經被左邊的正則消耗完了,匹配就會失敗,例如:

 js> /abc[^]/.test("abc") //c後面沒有字符了,匹配失敗. false

想進一步了解真正的「永匹配正則」,可以看看我以前翻譯的一篇文章:《「空」正則》。

3. []] 和 [^]]

這一點講起來比較簡單:在 Perl 及其他一些 Linux 命令的正則表達式中,字符類 [] 內如果緊跟著左方括號出現一個右方括號 []],則這個右方括號會被當作普通字符,即只能匹配「]」;而在 JavaScript 中,這種正則會被識別成一個空字符類後面跟一個右方括號,空字符類什麼都不匹配。.[^]] 也類似:在 JavaScript 中,它匹配的是一個任意字符(否定空字符類)後面跟一個右中括號,比如 "a]","b]";而在其他語言中,匹配的是任何非 ] 的字符。

 $perl -e 'print "]" =~ /[]]/' 1 $js -e 'print(/[]]/.test("]"))' false $perl -e 'print "x" =~ /[^]]/' 1 $js -e 'print(/[^]]/.test("x"))' false 

4. $ 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),它不可能匹配到一個真正的字符,只能匹配一個位置。我要講的區別發生在非多行模式中:你也許會認為,在非多行模式下,$ 匹配的不就是最後一個字符後面的位置嗎?實際上沒那麼簡單。在其他大部分語言中,如果目標字符串的最後一個字符是換行符 "\n",則 $ 還會匹配那個換行符之前的位置,也就是說匹配了末尾換行符左右兩邊的兩個位置。很多語言都提供 \Z 和 \z 這兩個表示法,如果你清楚它們之間的區別,那應該就明白了:在其他語言(Perl、Python、PHP、Java、C#……)中,非多行模式下的 $ 相當於 \Z,而在 JavaScript 中,非多行模式下的 $ 相當於 \z(只匹配最末尾的那個位置,不管最後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,自然也包含結尾處可能出現的那個換行符。余晟所著的《正則指引》一書中也談到了這幾點。

 $perl -e 'print "whatever\n" =~ s/$/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 //換行符後面的那個位置被替換 $js -e 'print("whatever\n".replace(/$/g,"替換字符"))' //全局替換 whatever 替換字符 //換行符後面的那個位置被替換

5. 點號元字符 "."

在 JavaScript 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,只會排除掉換行符 \n。

6. 向前引用

我們都知道正則中有反向引用(back reference),即用一個反斜槓加數字的形式,引用前面某個捕獲分組已經匹配到的字符串,目的是再次匹配或作為替換結果(\1 變成 $1)。但有種特殊情況:如果被引用的捕獲分組還沒開始(以左括號為界)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,但在它左邊就用了引用它匹配結果的 \2。我們知道正則是從左向右匹配的,這就是本節標題「向前引用」(forwards reference)的由來,它並不是一個嚴格的概念。那麼現在你想想,下面這句 JavaScript 代碼會返回什麼:

 js> /(\2(a)){2}/.exec("aaa") ???

在回答這個問題之前,先看看其他語言的表現。同樣,在其他語言裡這麼寫基本上也是無效的:

 $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 | ruby -ne 'print $_ = ~/(\2(a)){2}/' $python -c 'import re;print re.match("(\2(a)){2}","aaa")' None

在 awk 中沒報錯,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,我不清楚為什麼這樣設計,應該都是學 Perl 的,但效果都一樣,就是這種情況下不可能匹配成功。

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是否一致:

 js> /(\2(a)){2}/.exec("aaa") ["aa", "a", "a"]

防止你忘了 exec 方法的返回結果是什麼,我說一下:第一個元素是完整的匹配字符串,也就是 RegExp["$&"],後面的是每個捕獲分組匹配到的內容,也就是 RegExp.$1 和 RegExp.$2。為什麼能匹配成功呢?匹配過程是怎樣的?我的理解是:

首先進入第一個捕獲分組(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",然後是第一個捕獲分組結束(最右邊的右括號),RegExp.$1 的值也是 "a"。接著是量詞 {2},也就是說,要從目標字符串第一個 a 之後,開始進行正則 (\2(a)) 新一輪的匹配。很關鍵的一點在這裡:RegExp.$2 也就是 \2 匹配的值,是不是第一輪匹配結束時被賦的值 "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(相當於無任何效果,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,量詞的新一輪匹配不會清空已有的捕獲分組值,也就是說,在第二輪匹配時,\2 會匹配上第二個 a,從而:

 js> /(\2(a)){2}/.exec("aaa") ["aaa", "aa", "a"]

另外,一個捕獲分組是否結束要看右括號是否閉合,比如 /(a\1){3}/,雖然用到 \1 時第一個捕獲分組已經開始匹配了,但還沒結束,這同樣是向前引用,所以 \1 匹配的仍然是空:

 js> /(a\1){3}/.exec("aaa") ["aaa", "a"]

再解釋一個例子:

 js> /(?:(f)(o)(o)|(b)(a)(r))*/.exec("foobar") ["foobar", undefined, undefined, undefined, "b", "a", "r"]

* 號是量詞,第一輪匹配過後:$1 為 "f",$2 為 "o",$3 為 "o",$4 為 undefined,$5 為 undefined,$6 為 undefined。

第二輪匹配開始時:捕獲到的值全部重置為 undefined。

第二輪匹配過後:$1 為 undefined,$2 為 undefined,$3 為 undefined,$4 為 "b",$5 為 "a",$6 為 "r"。

& 被賦值為 "foobar",匹配結束。

總結

以上就是關於 JavaScript 正則與其他語言不同之處的全部盤點,希望本文的內容能給你的學習和工作帶來幫助。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved