正则表达式(?=.*[a-z])含义

李恒道

Tips

3楼有cxxjackie的理解
非常清晰易懂并且薛劈入里！
推荐大家详细品读

开篇

最近在学习正则的时候
突然发现好多常见的正则表达式
大家都在用，但是他妈的又是根本查不到中文资料....
不知道为啥感觉中文编程环境随便一点基础问题资料缺乏的要命
要不我好好学习正则再建个正则中文网吧(笑
今天突然很好奇(?=.*[a-z])的意思
(?=xxx)实际是一个环视断言语句
?=是向后查找字符串
如
我爱你 我爱他
我爱(?=你)
这个时候只能检索到我爱你
这种格式是
表达式1(表达式2)
那问题来了
(?=. *[a-z])通常都是放在前边是怎么执行的？！
这个问题我查了一晚上才搞明白
大家可以参考
https://stackoverflow.com/questions/2973436/regex-lookahead-lookbehind-and-atomic-groups
我大概重述一下

理论

环视是一个零宽度断言，他们会检查正则表达式，在找到匹配的时候判断成功或失败来决定是否抛弃内容，同时它不消耗任何字符，后续的正则表达式会从相同的字符位置继续执行
详情可以阅读
http://www.regular-expressions.info/lookaround.html
如
(?=表达式1)表达式2
当表达式1匹配成功的时候，会从相同位置匹配表达式2
那么我们现在再来看
我爱(?=你)
当匹配我爱你的时候
首先找到我爱，然后发现环视表达式，看后方存在你，于是匹配成功
而匹配我爱他的时候
找到我爱后，发现后放不存在你，于是匹配失败。
而假设我们调换顺序呢？
如
(?=你)我爱
这个表达式是否成立？
大家可以开动你的小脑筋想一想
当然成立！个鬼啦！怎么可能成立
假设我们写一个你我爱
首先找到环视表达式(?=你)
找到了你字，然后保持原位置不变，开始搜寻我爱
因为第一个字匹配成功，一定是一个你，所以不可能匹配上我爱
也就是说这是一个失败的正则表达式
那我们怎么改？
(?=你)你我爱
用来搜寻字符 【你我爱你】
这样的表达式是成功的
因为第一个字匹配成功，是一个你，然后原位置搜寻你我爱
我们的字符是匹配的，所以匹配成功！
那么接下来我们看正则表达式
(?=.*[a-z])
.*代表匹配任意字符0至任意一个宽度
而a-z代表匹配一个小写字符a-z的任何一个
一旦找到了小写字母，则认为表达式是成立的
然后继续往后进行匹配
那我们看一个比较长的表达式

.*？这里的？代表是非贪婪模式
第一个正则表达式搜寻是否存在小写字母
第二个正则表达式搜寻是否存在大写字母
而两个都成功
则在原位置匹配字符了
如果你看到这里相信你应该明白了环视表达式的计算方式了！

结语

撒花~

15533829110

正则表达式常用的规则如下：
^：表示开始
$：表示结束
[ ]：代表某个范围内的单个字符，比如： [0-9] 单个数字字符
.：代表任意单个字符，除了换行和行结束符
\w：代表单词字符：字母、数字、下划线()，相当于 [A-Za-z0-9]
\d：代表数字字符： 相当于 [0-9]
量词：
+：至少一个
*：零个或多个
？：零个或一个
{x}：x个
{m,}：至少m个
{m,n}：至少m个，最多n个

cxxjackie

我的理解是?=表达的是位置，即从字符串的某个位置开始匹配。先理解?<=，/(?<=a)bc/会首先找到a，然后以a为起点（不包括a）向后查找bc，换句话说，就是匹配以a开头的bc字符串，不包括a。?=非常相似，只是方向改成向前，/ab(?=c)/匹配以c结尾的ab字符串，不包括c。这主要涉及正则的捕获组，可以使某些字符串既在规则里，又不被捕获到，这在截取某些特征字符时比较有用，比如一段html，截取某个元素的文本，可以写成：/(?<=<div id="test">).*?(?=<\/div>)/。另一组语法是?<!和?!，是上面语法的否定，可以简单理解为匹配不以某字符串开头/结尾的字符串。
为什么说这些语法表达的是位置，当整段表达式都用?=括起来时，匹配结果会是空字符，这个空字符其实就表示了位置。js的replace函数，可以利用这个位置插入字符，参考以下例子来理解：

1. 'abc'.replace(/(?<=b)/, 'd') //abdc
   
2. 'abc'.replace(/(?=b)/, 'd') //adbc

复制代码

?=是向前查找，一般放在表达式的后面，如果放在最前面，由于往前没有表达式，所以会先停到对应的位置，再开始向后匹配，比如：

1. 'abc'.match(/(?=b).*/)[0]

复制代码

首先(?=b)会停在a和bc之间的位置，往后.*，结果匹配bc。值得注意的是，将?=前置很多时候是没有意义的，上面的正则可以直接改成/b.*/，类似于/(?=a)abc/这样的写法完全是废话。将?<=后置与这一情况类似。
关于捕获组的概念，正则可以通过加括号来给结果分组，像match函数的结果就是一个数组，上面html的例子可以改写成：

1. str.match(/<div id="test">(.*?)<\/div>/)[1]

复制代码

这种情况不需要用到?<=、?=，不分组的情况下这些语法才更有价值。比如一些文本工具（包括浏览器的F12）提供正则搜索，这种场景显然是不分组的，假设我们要在某段代码中搜索变量i，但i也可能夹杂在一串单词中间，可以写成：/(?<=\W)i(?=\W)/或/(?<!\w)i(?!\w)/

水凛子

泻药，已经不认识`你`字了

李恒道

水凛子 发表于 2022-5-19 09:59
泻药，已经不认识`你`字了

你不知道的船新版本

李恒道

15533829110 发表于 2022-5-19 10:00
正则表达式常用的规则如下：
^：表示开始
$：表示结束

正则写着太累了...
呜呜呜
每次写正则跟做高数一样

李恒道

cxxjackie 发表于 2022-5-19 11:41
我的理解是?=表达的是位置，即从字符串的某个位置开始匹配。先理解?

读了好几遍
如果早看到估计直接就明白了
不用那么费劲找资料了...呜呜呜
哥哥讲的比市面上的正则教程清晰多了
对环视的理解加强了！

airbeyond

推荐好用的一个正则测试和调试的网站 https://regex101.com/

李恒道

airbeyond 发表于 2022-5-20 08:44
推荐好用的一个正则测试和调试的网站 https://regex101.com/

这个确实好用！

steven026

之前在其他地方看到一个很有意思的正则，至今还是没看懂，
需求：将一个字符串按3位数为1组切割
比如"aaabbbcccdddeeefffggghh"
我的写法是，直接用match匹配3个字符，如果字符串长度不是3的倍数那么会剩余1\~2个字符再通过字符串结尾匹配就行了

> "aaabbbcccdddeeefffggghh".match(/.{3}|.{1,2}$/g)
< (8) ['aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff', 'ggg', 'hh']

别人的写法是直接split 3个字符后面的""空字符（至今没看懂这是怎么匹配上的）

> "aaabbbcccdddeeefffggghh".split(/(?<=^(?:...)*)/)
< (8) ['aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff', 'ggg', 'hh']

虽然殊途同归，但我还是想弄清楚这个原理，不知道GG有什么见解？