读懂那些火星（正则）表达式：捕获元与非捕获元

2019年8月31日 171次阅读 来源: Denzel

想读懂世间所有的那些变态正则表达式？做梦，年纪轻轻，想啥呢，尽自己最大努力学就行

引子

JS学了用了也快一两年了，对象啥的找到了也会用了，继承啥的也入门了，但看别人的框架代码，总是会随时卡壳，有一个重大的原因，就是那看不懂的一串串火星文字（正则表达式），学习吗，就是查缺补漏，不怕你不懂，就怕你觉得自己全懂了。说正事之前，先推荐一款软件:RegexBuddy，无论是做正则的测试还是过程的研究，都是一款利器。

知识汇总

语法复习，重点三块知识：

  1. 贪婪匹配（? 0=<x<=1,+ x>=1,* any）与那些相关的限定符({n},{n,m});
  2. 特殊字符：^ $ . * + ? = ! : | / ( ) [ ] { }
    ，火星文，基本就是他们组成的，要想匹配字符的本意，字面量表达式在特殊字符前加单斜杠，用new声明的需要加双斜杠；
  3. 非捕获元字符：?:,?=（正向预查）,?!（负向预查）；
  4. 回溯引用,前面的字符匹配基本都和他有关；
  5. 其他，什么字符边界啊，括号啊，中括号啊，等等 ；

正则表达式解析原理：这个不算我等渣暂时能写出来的，推荐一篇

层层递进剖析

贪婪匹配

先理解贪婪匹配，正则表达式的日常应用基本也就满足了，在菜鸟教程的语法开篇就已经提的很详细了，比如有一个regex:/Chapter[1-9]/,这个字符串我们只能匹配到Chapter1-Chapter9,也就是Chapter的一级标题，但我们想匹配到二级或者三级标题怎么办，这里就用到了贪婪匹配，就是在目标字符串中最大化的匹配结果，将前面的regex:/Chapter[1-9]/改成/Chapter[1-9]+/，这样我们就能匹配Chapter1,Chapter12,Chapter123,但如果我们将其改为/Chapter[1-9]?/,这个无论/Chapter后面输入多少个数字，都只能最多匹配一个数字，这里就是Chapter1，但与最初的表达式不同的是，这个表达式也能匹配裸的Chapter，这就是所谓（X？），问号前面的X可出现0次或者1次，当我们将其改为/Chapter[1-9]星号（避开markdown语法）/，这个最后可以达到？和+共同的结果,也就是所谓的，x出现任意次数。上面这些我们也可以通过[n,m]即n=<x<=m来匹配x出现的次数，{0,1}实现的效果等价与?，而{1,}等价于+，{0,}等价于星号（避开markdown语法）。

懒惰匹配

与贪婪匹配成对的另一个叫懒惰匹配，在前面出现的所有贪婪匹配后面加上一个?，这样整个表达式就成了懒惰匹配，可以理解为最小化匹配，比如/Chapter[1-9]+/匹配Chapter12345的结果是Chapter12345,但/Chapter[1-9]+？/匹配的结果就是Chapter1；/Chapter[1-9]{2,4}/匹配结过是Chapter1234，而/Chapter[1-9]{2,4}？/结过是Chapter1234，这就是所谓的最小化去匹配结果，取下限，通常称为懒惰模式。

捕获元与非捕获元

以前看到什么?:,?=,?!，用的少，也就没留意，最近大面积灾荒，经常看到，甚是恐惧，以至于前面在读gulp里面碰见个regex表达式：/-[0-9a-f]{8,10}-?/(匹配app-7ef5d9ee29.css这一类表达式中的md5值),就一头栽进去，’-?’到底又有什么特殊的含义，最后才发现，那TMD就是一个贪婪匹配，你个蠢货，但确实搞不懂源码作者在想啥，也许是我没碰到app-7ef5d9ee29-any.css这样的文件名，要不非得多加个’-?’干啥，让我直往坑里跳。
回到正题，先搞懂什么叫捕获组，概括起来就是，用括号如‘（pattern）’这样的形式，匹配满足括号中的，就是一个捕获组。先看一张来自于菜鸟教程的定义：《读懂那些火星（正则）表达式：捕获元与非捕获元》
四种形式，加?和不加有什么区别，区别就是捕获元与非捕获元，表现形式就是用exec方法去匹配，捕获组会单纯保存在一组变量中。理论太枯燥，直接看例子，来源于JS高设page106，略有改动：

    var str ='mom and dad and baby';
    var pattern = /mom( and dad( and baby))/; //捕获元形式
    var pat= /mom(?: and dad(?: and baby))/; //非捕获元形式
    var mat = pattern.exec(str);
    var match = pat.exec(str);
    console.log(mat)；
    console.log(match)；

《读懂那些火星（正则）表达式：捕获元与非捕获元》
看着devtools打印的结果，是不是有点眉目，是的，匹配的结果虽一致，但捕获组匹配时，将满足捕获元形式的单元单独保存为一个匹配结果，而非捕获元不单独保存，只保存完整匹配结果。我们常见的Regexp.$1,$2其实就是对捕获组结果的引用。
捕获元与非捕获元搞懂了，那(?:pattern)与(?=pattern)啥区别呢，答案，两个区别。区别一：前者匹配的结果包含捕获元，后者匹配的结果则不包含；区别二：前者匹配捕获元时，消耗字符（索引），而后者不消耗。还是来看一个例子：

var str ='ababa';
var pattern = /ab(?:a)/g;
var pat=  /ab(?=a)/g; 
var mat = pattern.exec(str);
var match = pat.exec(str);
console.log(mat);
console.log(match);       
 mat = pattern.exec(str); //全局模式，第二次匹配
 match = pat.exec(str); //全局模式，第二次匹配
console.log(mat);
console.log(match);

《读懂那些火星（正则）表达式：捕获元与非捕获元》

从上面代码运行的截图可以看出区别一，也就是(?:pattern)的形式的捕获元匹配的结果会保存在最终的结果中，而(?=pattern)；区别二看的不是很明显，这时我们需要依靠RegexBuddy，这个过程中到底发生了什么？看运行截图，如果你够仔细，你可以发现区别，第一次匹配到结果，开始第二次匹配时，?:是从字符索引3开始,而?=是从2开始，这就是前面所说的消耗字符与不消耗字符。
《读懂那些火星（正则）表达式：捕获元与非捕获元》
好了，最后一个问题，整箱预查(?=pattern)与负向预查(?!pattern)，其实从中文单纯来理解负向预查，是会带来歧义的。这里的负向其实单单就是正向预查的取反，即要匹配的字符不满足捕获的条件，才能匹配到结果。
如果文章有什么描述不正确或模糊的地方，还请及时指正。
好了，先就说这么多嘛，虽然是无业游民，那也应该有享受周末的权利吧，毕竟找工作的压力那么大，还是要自我缓解一下，see you last week。

    原文作者：Denzel
    原文地址: https://segmentfault.com/a/1190000010514763
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞