正则表达式分组、引用和断言

这几日看权威指南，对正则里的分组、引用和断言有了更深的理解，特地整理一下加深印象。

为了详细地解释，首先将权威指南第6版上相关描述的原文贴出来，重点用红色标识。

字符	含义
(......)	Grouping. Group items into a single unit that can be used with *, +, ?, | , and so on. Also remember the characters that match this group for use with later references.
(?:...)	Grouping only. Group items into a single unit, but do not remember the characters that match this group.
(?= p )	A positive lookahead assertion. Require that the following characters match the pattern p, but do not include those characters in the match.
(?! p )	A negative lookahead assertion. Require that the following characters do not match the pattern p.

一、分组

(......)有多种作用，一种是把单独的项进行组合，将括号内的项作为一个独立的单元来处理（使用*, +, ?, | , etc），举个例子：

//?表示匹配前一项0次或1次
//\s是指任何Unicode空白字符
var reg = /hello(\sworld)?/; //如果world是一个可选项，采用这种方式就可以进行选择
var str1= "hello";
var str2 = "hello world";
reg.test(str1); //true
reg.test(str2); //true

另一个作用就是在完整的模式中定义子模式，这样我们可以将每个圆括号中子模式匹配出来的结果提取出来，上例子：

var str = "abc123"; //我们匹配的是一个或多个字母后面加一个或多个数字，但是实际上我们只对其中的字母感兴趣
var reg1 = /[a-z]+\d+/; //未进行分组
var reg2 = /([a-z]+)\d+/;
alert(str.match(reg1)); //abc123；只会输出整个匹配正确的字符
alert(str.match(reg2)); //abc123,abc；子表达式匹配的结果也输出
alert(str.match(reg2)[1]); //abc；通过[]的选取方式将所需内容提取出来，如果用firebug控制台可以看到相应的index

如果对match的用法不了解请参考http://www.w3school.com.cn/jsref/jsref_match.asp 

二、选择

(......)还有个作用就是允许在同一表达式的后部引用前面的子表达式，通过"\n"的方式实现，这里的n指的是带圆括号的子表达式在正则表达式中的位置。因为子表达式是可以嵌套的，所以它的位置是参与计数的左括号的位置。注意：此处的引用并不是对子表达式模式的引用，而是指与那个模式相匹配的文本的引用。

也就是说/([a-z]+)\d\1/如果对"abc123"进行匹配，实际上可以看做是/([a-z]+)\dabc/这样一种形式。

这里举个书上的例子：

/['"][^'"]*['"]/; //这个表达式匹配的是位于单引号或双引号内的任意个字符，但是并不要求左侧和右侧的引号相匹配
//如果要左右两边的引号是匹配的，可以这样写：
/(['"])[^'"]*\1/; //如果(['"])匹配到的是'，那么\1就是\'，这样能保证两边都是一样的符号

 上面为什么要说参与计数的左括号呢？正是因为还有不参与的家伙在，就是(?:)，在前面的表格也说了，它是grouping only，就是说它只组合，至于匹配的字符它不记忆，更谈不上分组了，比如说/(?:hello)\s(world)/，这里\1引用的就是与(world)相匹配的字符。

三、断言

断言，就是指明某个字符串前边或者后边，将会出现满足某种规律的字符串。以我的理解，比如说：我要找红色的苹果，这个红色的就是一种断言，虽然我要找是苹果，但是它首先得是红色的。

js中只有先行断言，(?=)是零宽正向先行断言，要求接下来的字符都与p匹配，但不能包括匹配p的那些字符；(?!)是零宽负向先行断言，要求接下来的字符不与p匹配。

先来看一下(?=p)是怎么工作的，/Windows (?=95|98|NT|2000)/ 能匹配 "Windows2000" 中的 "Windows" ，但不能匹配 "Windows3.1" 中的 "Windows"。

也就是说，它要求Windows后面必须是95|98|NT|2000中的一个，而在匹配正确之后，它的返回值中并不包括95|98|NT|2000的部分：

var reg = /Windows(?=95|98|NT|2000)/;
var str1 = "Windows2000";
var str2 = "Windows3.1";
alert(str1.match(reg)); //Windows
reg.test(str1); //true
reg.test(str2); //false

 　　这个还是很好理解的，但是我想试一下的时候就遇到问题了。

//这里我想匹配类似#userName的结构，也就是/\#\w+/这样的形式；
//但是呢，我只想提取出userName这一部分，当然这用分组就可以实现了，不过这里还是用这个举下例子
//首先我是这样写的
var reg = /(?=\#)\w+/;
console.log(reg.test("#cccc")); //false

为啥会是false呢，这就是零宽的概念了，就是只匹配位置，在匹配过程中，不占用字符，所以被称为“零宽”，这种方式也叫非获取性匹配，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索， 而不是从包含预查的字符之后开始。

在上面的例子中，截止到(?=\#)匹配到的是“右边是#的位置”，也就是#的左边，接下来并不是从u开始匹配，而是从#开始，#当然不是\w了所以结果是false，换成/(?=\#)\#w+/结果就是true了。

关于(?!)再举个例子：

var str = "#www#eee";
var reg1 = /(?!\#)\w+/g;
var reg2 = /\w+(?!\#)/g;

console.log(str.match(reg1)); //["www", "eee"]

console.log(str.match(reg2)); //["ww", "eee"]

解释：

/(?!\#)\w+/g，截止到(?!\#)匹配的是“右边不是#”的位置，也就是#的右边,从这里开始匹配后边的表达式。第二个表达式也是按同样的方式理解。

 

补充：

　　谢谢一楼提醒，这里补充一下es6新增的后行断言

其实也很好理解：

　　代码如下

　　

var str = '#username'

// 后行断言
var reg1 = /(?<=#)\w+/

str.match(reg1) // ['username']

// 后行否定断言

var reg2 = /(?<!#)\w+/

str.match(reg2) // ['sername']

 

 

 以上是我对正则里这几个概念的理解，可能不是很准确，若有错误欢迎指出。