寫過一段時間的正則之後,我以為分組這件事早就沒什麼好研究的,直到最近又被一個看似微不足道的括號位置給絆倒。這篇文章就把這個坑攤開來講清楚。
分組在實務上用得相當頻繁。我所理解的分組就是一對小括號,每出現一對括號就代表一個分組,而分組可以分成兩類:
捕獲性分組的成果會出現在 match、exec 這類方法的回傳值中,以第二項、第三項……的形式排列。先看一個基本例子:
var reg = /test(\d+)/; var str = 'new test001 test002'; console.log(str.match(reg)); // ["test001", "001", index: 4, input: "new test001 test002"]
這裡的 (\d+) 是一個分組(也有人稱它為子模式,說的是同一件事)。test001 是整段完全匹配的結果,而分組捕獲的是在完全匹配結果裡對應子模式 \d+ 的那一段,也就是 001。
但我最近遇到的是這樣的寫法:
var reg = /test(\d)+/; var str = 'new test001 test002'; console.log(str.match(reg)); // ["test001", "1", index: 4, input: "new test001 test002"]
唯一的差別是把 (\d+) 換成了 (\d)+。完全匹配的結果一樣是 test001,但第一個分組捕到的東西卻變了。慢慢拆解一下。
整個 (\d+) 是一個分組。預設的匹配模式是貪婪模式,會盡可能多地吃下 \d+ 能匹配到的內容,也就是 001;外面再包一層括號形成分組,於是分組結果自然就是 001。
(\d)+ 同樣是貪婪的,它會先匹配 0,接著再匹配 0,最後匹配 1,整段匹配就結束了——看起來跟上一個例子沒有差別。關鍵在於這裡的分組 (\d) 只負責匹配「單個數字」。
按照我原本的理解,分組結果應該是最早匹配到的 0,但這是錯的。因為整體是貪婪模式,分組會盡可能多次重複,而捕獲組只會保留「最後一次」重複時的結果,也就是 1。
反過來,如果是懶惰(非貪婪)模式,就會盡可能少匹配:
var reg = /test(\d)+?/; var str = 'new test001 test002'; console.log(str.match(reg)); // ["test001", "0", index: 4, input: "new test001 test002"]
這時 (\d) 的結果就變成 0 了。後面明明還有可匹配的內容,但因為貪婪與否直接改變了重複次數,捕獲值也就跟著不同。
有些時候你需要一對括號來做分組或限定重複範圍,卻不希望這個分組被 match、exec 之類的方法捕獲出來。做法是在括號內開頭加上 ?:,寫成 (?:pattern):
var reg = /test(?:\d)+/; var str = 'new test001 test002'; console.log(str.match(reg)); // ["test001", index: 4, input: "new test001 test002"]
結果陣列裡就不再出現分組捕到的內容,也就是少了原本的第二項。
這篇文章真正想說清楚的,是 (\d+) 與 (\d)+ 的區別:前者是「一組多個數字」,後者是「多個單數字,且捕獲組只留最後一次」。括號的位置差一個字元,語意就完全不同。若文中有任何疏漏,也歡迎指正。