正则表达式后行断言 • 探索 ES2018 和 ES2019

RegExp 后行断言

本章将解释由Gorkem Yakin，Nozomu Katō，Daniel Ehrenberg等人给出的RegExp 后行断言（Lookbehind Assertion）提案。

一个 先后行断言（Lookaround Assertion）是正则表达式中的一个构造，明确了当前位置的前后字符序列，但没有其他副作用。亦称为零宽断言（Zero-width Assertion）。

当前 JavaScript 唯一支持的 Lookaround Assertion 是 先行断言（Lookahead Assertion），其匹配当前位置接下来的字符序列，而本章描述的 后行断言 提案匹配的是当前位置前面的字符序列。

先行断言

正则表达式中的先行断言意味着：后续字符序列必须与断言相匹配，但没有其他副作用。即，不捕获任何东西，且匹配到的字符串不包含断言部分。

以如下正则表达式为例：

const RE_AS_BS = /aa(?=bb)/;

它匹配字符串 'aabb'，但是匹配到的内容是不包含 'bb' 的：

const match1 = RE_AS_BS.exec('aabb');console.log(match1[0]); // 'aa'

而且，它还不匹配那种没有两个 'b' 的字符串：

const match2 = RE_AS_BS.exec('aab');console.log(match2); // null

一个负向先行断言（Negative Lookahead Assertion）意味着后续字符序列必须与该断言不匹配 。例如：

> const RE_AS_NO_BS = /aa(?!bb)/;> RE_AS_NO_BS.test('aabb')false> RE_AS_NO_BS.test('aab')true> RE_AS_NO_BS.test('aac')true

后行断言

后行断言与先行断言的工作方式类似，但是方向相反。

正向后行断言

对于一个正向后行断言（Positive Lookbehind Assertion）来说，当前位置的前继字符序列必须与该断言匹配（没有其他副作用）。

const RE_DOLLAR_PREFIX = /(?<=\$)foo/g;'$foo %foo foo'.replace(RE_DOLLAR_PREFIX, 'bar');    // '$bar %foo foo'

正如你所见，仅仅当前面是美元符号的那个 'foo' 被替换了。另外你也看到，因为美元字符后面的字符序列（'foo'）完全被'bar'替换掉了，所以美元符号不是匹配结果的一部分。

不使用后行断言而想达到同样结果的实现方式就没这么优雅：

const RE_DOLLAR_PREFIX = /(\$)foo/g;'$foo %foo foo'.replace(RE_DOLLAR_PREFIX, '$1bar');
    // '$bar %foo foo'

如果前继字符也在上一个匹配中时，这种实现方式就不起作用了。

> 'a1ba2ba3b'.match(/(?<=b)a.b/g)
[ 'a2b', 'a3b' ]

负向后行断言

负向后行断言（Negative Lookbehind Assertion）仅仅当前位置的前继字符序列与断言 不匹配  时才匹配，并无其他副作用。例如：

const RE_NO_DOLLAR_PREFIX = /(?<!\$)foo/g;'$foo %foo foo'.replace(RE_NO_DOLLAR_PREFIX, 'bar');    // '$foo %bar bar'

如果不使用后行断言的话，要达到同样的结果，是没有其他简单的（一般的）实现方式。

总结

在正则表达式的尾部，使用先行断言最有意义。而在正则表达式的开头，使用后行断言最有意义。

使用先后行断言的用例有：

• replace()

• match() （尤其当正则表达式有修饰符 /g）

• split() （注意 ' b,c' 开始处的空格）：

  > 'a, b,c'.split(/,(?= )/)
  [ 'a', ' b,c' ]

除了上述用例外，你也随时可以在正则表达式中使用断言。

进一步阅读

• V8 JavaScript Engine: RegExp lookbehind assertions

• Section “Manually Implementing Lookbehind” in “Speaking JavaScript”

Comments

下一章： s (dotAll) flag for regular expressions

译文出处