js正则表达式-前瞻

js正则表达式-前瞻

JS 正则表达式是 JS 学习过程中的一大难点，繁杂的匹配模式足以让人头大，不过其复杂性和其学习难度也赋予了它强大的功能。文章从 JS 正则表达式的正向前瞻说起，实现否定匹配的案例。本文适合有一定 JS 正则表达式基础的同学，如果对正则表达式并不了解，还需先学习基础再来观摩这门否定大法。

一、标签过滤需求

不知道大家在写JS有没有遇到过这样的情况，当你要处理一串字符串时，需要写一个正则表达式来匹配当中不是 XXX 的文本内容。听起来好像略有些奇怪，匹配不是 XXX 的内容，不是 XXX 我匹配它干嘛啊，我要啥匹配啥不就完了。你还别说，这个玩意还真的有用，不管你遇没遇到过，反正我是遇到了。具体的需求例如：当你收到一串HTML代码，需要对这一串HTML代码过滤，将里面所有的非<p>标签都改为<p>。这里肯定有不少同学就要嫌弃了，将所有标签都改为<p>，那就把任意标签都改为<p>不就完了？”，于是乎一行代码拍脑袋而生：

    var str = '<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>';
    var reg = /<(\/?).*?>/g;
    var newStr = str.replace(reg, "<$1p>");
    console.log(newStr);//<p>,<p>,<p>,<p>,</p>,</p>,</p>,</p>

注意这个方法中有一个引用符 $1 ，这个的意思引用正则的表达式的第1个分组，可以用$N来表示在正则表达式中的第N个捕获的引用。就那上面的例子来说，(\/?)这个一个表达式的含义是，\/这个字符出现0次或者1次，而$1这个引用呢就相当于和\/这个字符门当户对的大闺女，她已下定决心此生非\/不嫁。所以当匹配到有一个\/的时候，$1这个引用就把它捕获下来，从现在起，你的就是我的，我的就是你的啦，因此$1等价于(\/?)所匹配到的字符；反之如果没有匹配到\/这个字符，那$1这个引用就得空守闺房，独立熬过一个又一个漫长的夜晚，因为它内心极度的空虚，所以$1就等价于”“（也就是空串）。

这里先聊了聊引用和捕获的概念，因为后面还会用到它。那么话说回来，刚才那一串正则，不是已经完美的实现了需求了吗？还研究什么否定匹配啊？各位看官别急，且听小生慢慢道来。我们都知道，需求这个东西，肯定是会改嘀（◐ˍ◑）。现在改一改需求：当你收到一串HTML代码，需要对这一串HTML代码过滤，将里面所有的非<p>或者<div>标签都改为<p>。WTF？这算哪门子需求？话说我当时也是这种反应。我们现在分析一下这个需求到底要干嘛，也就是说，保留原HTML代码中的<p>和<div>，将其他标签统一修改为<p>。咦…这下可不好弄了，刚才那串代码看上去貌似行不通了。所以说这时候就只能用排除法了，排除掉<p>和<div>，替换掉其他的标签。那么问题也就来了，如何排除？

二、正则前瞻表达式

在正则表达式当中有个东西叫做前瞻，有的管它叫零宽断言：

表达式	名称	描述
(?=exp)	正向前瞻	匹配后面满足表达式exp的位置
(?!exp)	负向前瞻	匹配后面不满足表达式exp的位置
(?<=exp)	正向后瞻	匹配前面满足表达式exp的位置（JS不支持）
(?< !exp)	负向后瞻	匹配前面不满足表达式exp的位置（JS不支持）

由于 JS 原生不支持后瞻，所以这里就不研究它了。我们来看看前瞻的作用：

    var str = 'Hello, Hi, I am Hilary.';
    var reg = /H(?=i)/g;
    var newStr = str.replace(reg, "T");
    console.log(newStr);//Hello, Ti, I am Tilary.

在这个DEMO中我们可以看出正向前瞻的作用，同样是字符”H”，但是只匹配”H”后面紧跟”i”的”H”。就相当于有一家公司reg，这时候有多名”H”人员前来应聘，但是reg公司提出了一个硬条件是必须掌握”i”这项技能，所以”Hello”就自然的被淘汰掉了。

那么负向前瞻呢？道理是相同的：

    var str = 'Hello, Hi, I am Hilary.';
    var reg = /H(?!i)/g;
    var newStr = str.replace(reg, "T");
    console.log(newStr);//Tello, Hi, I am Hilary.

在这个DEMO中，我们把之前的正向前瞻换成了负向前瞻。这个正则的意思就是，匹配”H”,且后面不能跟着一个”i”。这时候”Hello”就可以成功的应聘了，因为reg公司修改了他们的招聘条件，他们说”i”这门技术会有损公司的企业文化，所以我们不要了。

三、前瞻的非捕获性

说到这里，让我们回到最初的那个需求，让我们先用负向前瞻来实现第一个需求：将所有非<p>标签替换为<p>。话说同学们刚学完了负向前瞻，了解到了JS的博大精深，心中暗生窃喜，提笔一挥：

    var str = '<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>';
    var reg = /<(\/?)(?!p)>/g;
    var newStr = str.replace(reg, "<$1p>");
    console.log(newStr);//<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>

What？为什么不起作用呢？说好的否定大法呢？这里就得聊一聊前瞻的一个特性，前瞻是非捕获性分组，什么玩意是非捕获性分组呢？还记得前面那位非\/不嫁的大闺女$1吗，人家为什么那么一往情深，是因为她早已将\/的心捕获了起来，而前瞻却是非捕获性分组，也就是你捕获不到人家。也就是说无法通过引用符\n或者$n来对其引用：

    var str = 'Hello, Hi, I am Hilary.';
    var reg = /H(?!i)/g;
    var newStr = str.replace(reg, "T$1");
    console.log(newStr);//T$1ello, Hi, I am Hilary.

注意其中输出的语句，前面我们可以看到，如果引用符没有匹配到指定的字符，那么就会显示空串”“，可是这里是直接显示了整个引用符”$1”。这是因为前瞻表达式根本就没有捕获，没有捕获也就没有引用。

非捕获性是前瞻的一个基本特征，前瞻的另外一个特性是不吃字符，意思就是前瞻的作用只是为了匹配满足前瞻表达式的字符，而不匹配前瞻本身。也就是说前瞻不会修改匹配位置，这么说我自己都觉得晦涩，我们还是来看看代码吧

    var str = 'Hello, Hi, I am Handsome Hilary.';
    var reg = /H(?!i)e/g;
    var newStr = str.replace(reg, "T");
    console.log(newStr);//Tllo, Hi, I am Handsome Hilary.

注意观察输出的字符串，前瞻的作用仅仅是匹配出满足前瞻条件的字符”H”，匹配出了”Hello”和”Handsome”当中的H，但同时前瞻不会吃字符，也就是不会改变位置，接下来还是会紧接着”H”开始继续往下匹配，这时候匹配条件是”e”，于是”Hello”中的”He”就匹配成功了，而”Handsome”中的”Ha”则匹配失败。

    /H(?!i)/g --> Hello, Hi, I am Handsome Hilary.
    /H(?!i)e/g --> Hello, Hi, I am Handsome Hilary.

四、用前瞻实现标签过滤

既然前瞻是非捕获性的，而且还不吃字符，那么了解到这些特征后我们现在终于可以完成我们的需求了吧？因为它不吃字符，所以具体的标签字符还得由我们自己来吃：

    var str = '<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>';
    var reg = /<(\/?)(?!p|\/p).*?>/g;
    var newStr = str.replace(reg, "<$1p>");
    console.log(newStr);//<p>,<p>,<p>,<p>,</p>,</p>,</p>,</p>

聊了这么半天，终于解决了咱们的第一个需求，注意当中的.*?，虽然这里匹配的是任意字符，但是别忘了，有了前面的负向前瞻，我们匹配到的都是后面不会紧跟着p或者/p的字符<。/<(?!p|\/p)/g --> <div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>
注意在这里用了一个管道符|来匹配\/p，虽然前面已经有了(\/?)匹配结束符，但是切记这里的分组选项不能省略，因为这里的量词是可以出现0次。我们来试想一下如果用/<(\/?)(?!p).*?>/g来匹配</p>这个标签，当量次匹配到/的时候，发现可以匹配，便记录下来，然后对/进行前瞻判断，但是后面却接着一个p于是不能匹配，丢掉；注意这时(\/?)的匹配字符是0个，于是乎转而对<进行前瞻判断，这里的<后面紧接着的是/p“而不是p，于是乎成功匹配，所以这个标签会被替换掉；而且，由于之前的分组匹配到的字符是0个，也就是没有匹配到字符，所以后面的引用是个空串。

    var str = '<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>';
    var reg = /<(\/?)(?!p).*?>/g;
    var newStr = str.replace(reg, "<$1p>");
    console.log(newStr);//<p>,<p>,<p>,<p>,</p>,</p>,<p>,</p>

完成了第一个过滤需求，那么第二个过滤需求也就自然而然的完成了，这时候，就算有那么五六个标签需要保留，咱们也不用怕了：

    var str = '<div>,<p>,<h1>,<span>,</span>,</h1>,</p>,</div>';
    var reg = /<(\/?)(?!p|\/p|div|\/div).*?>/g;
    var newStr = str.replace(reg, "<$1p>");
    console.log(newStr);//<div>,<p>,<p>,<p>,</p>,</p>,</p>,</div>