正規表示式：後面不要包含指定的字串內容

xiangyuecn發表於2019-04-07
字串

以前只會/<abc(?!def).+>/.exec("<abcdef>\n<abczzz>")，匹配到<abczzz>，這種簡單的固定寫法，但實際使用次數幾乎趨近於0。

很多場景不能寫死abc，順理成章的就寫成了/<.+(?!def).+>/.exec("<abcdef>\n<abczzz>")，咦？咋把前面的匹配到了！從入門到放棄。

昨天(2019-04-07)隨手寫了一下/<(?:.(?!def))+>/.exec("<abcdef>\n<abczzz>")，原來是對.+(?!排除的字串)這個結構能起到的作用理解錯了，怪不得達不到預期，(.(?!排除的字串))+才是正解。

留下一個未解的問題，每個字元後面排除一下的能良好工作，一堆未定長度字元後排除一下怎麼就不能工作，前瞻不會和前面的+、*、{}起作用嗎？解釋看結尾。

附：/<(?!.+def).+>/.exec("<abcdefzzz>\n<abczzz>")寫法也可以。可能是結尾的.+導致的不能匹配，但這樣寫還是不行：/<.+(?!def)zzz>/.exec("<abcdefzzz>\n<abczzz>")。

正規表示式匹配指定內容後面要或不要包含指定的字串內容：

  • 要：比較簡單，寫上這個要的即可
  • 不要：比要複雜很多，如何排除掉？

前提原則

  1. 表示式內固定內容的字串能不寫儘量不寫，能簡寫的儘量簡化來寫（如前面寫的abc部分不能寫死）
  2. 可以少量使用前瞻（正向），後瞻（反向）基本不學，學了還要研究那些瀏覽器支援，不敢用，太多了也學不動。
  3. NoJS(Not Only JavaScript)；不僅僅是瀏覽器中的js；不過js的正則/exp/字面量寫法簡潔到沒盆友（哪個語言），函式、物件、字串統統不需要；不接受反駁。

假設待匹配的文字

htmlRaw=`
<div ***="***
    ***" class="***" ***="***">
    class=" matchX 1"
    <div ***="***
        ***" class="*** matchX ***" ***="*** excludeX ***">
        class=" matchX 2"
    </div>
    class=" matchX 3"
</div>

<div ***="***
    ***" class="***" ***="***">
    class=" matchX 4"
    <div ***="***
        ***" class="*** ***" ***="***">
        class=" matchX 5"
    </div>
    class=" matchX 6"
</div>

......
`;
//注: *** 不是固定內容，但不會出現未轉義的xml實體、matchX、excludeX
//注: class=" matchX 123456"純文字只做演示干擾之用，不應當作為特徵

//如果資料對換行不敏感，應優先轉換成沒有換行的，大概率可以簡化正則邏輯
htmlNoWrap=htmlRaw.replace(/[\r\n]+/g," ");

//正則測試程式碼
(/[\s\S]*/.exec(htmlRaw)||[])[0]
複製程式碼

不要單個字元的匹配

匹配出div.matchX標籤：<div ***="*** ***" class="*** matchX ***" ***="***">

可以直接使用 [^>]把matchX限定在<> HTML標記內，意思就是<>中的文字不要出現結尾的>字元。

單個字元還算簡單：

//有效
/<div[^>]+matchX[^>]+>/.exec(htmlRaw)[0]
複製程式碼

如果不限定在<>標記內，可能會匹配出界；並且這種不限定，遲早會出亂子：

//無效
/<div.+?matchX.+?>/.exec(htmlNoWrap)[0]

/<div[\s\S]+?matchX[\s\S]+?>/.exec(htmlRaw)[0] //有換行符就是又長又難看
複製程式碼

其他單個字元場景另行靈活運用。

不要一個字串的匹配

匹配出第一層不帶excludeX文字內容的第一塊div，就是返回包含matchX 4的那塊div

[^]語法只能排除掉單個字元，不要一個字串咋辦？硬是要寫成[^abc]，會把a、b、c字元全部排除掉；除了使用前瞻，好像還沒有別的簡單辦法。

使用本文開頭的(.(?!排除的字串))+結構就能達到目的，核心就在(?:[^>](?!excludeX))*：

//有效
/<div[^>]*>[^<]+<div(?:[^>](?!excludeX))*>[^<]+<\/div>[^<]+<\/div>/.exec(htmlRaw)[0]
複製程式碼

要包含一個字串的匹配，直接寫需要的字串即可，相對簡單太多，就不寫這種例子了。

未研究(.(?!排除的字串))+結構的效能。

對於.+(?!排除)不能工作的釋疑

由於(?!排除)並不會作用於貪婪匹配到的每一個字串，只會作用於.+貪婪匹配到的最後一個字元；意思就是前瞻不能阻止+對最後一個字元之前的所有字元進行貪婪匹配。

/<.+(?!def).+>/.exec("<abcdef>\n<abczzz>") 第一個 .+ 匹配到了 abcde，之後是 f，不是 def，第二個 .+ 匹配 f，符合正則

摘自：www.v2ex.com/t/552813#re…

額外記錄

/(\d+)(?!\.1)/.exec("123.141") 目測是這樣的：
> 123：\d+貪婪匹配到.為止
> 12：發現 123.1 不符合(?!\.1)，後退一位
> 沒有表示式了，返回 12

/(.+)(?!\.1)/.exec("123.141") 目測是這樣的：
> 123.141：.+貪婪匹配到結尾
> 123.141 : 符合(?!\.1)
> 沒有表示式了，返回 123.141

/(.(?!\.1))+/.exec("123.141") 目測是這樣的：
> 1：.匹配到新的一位
> 1：123 符合(?!\.1)
> 12：.匹配到新的一位
> 12：123.符合(?!\.1)
> 123：.匹配到新的一位
> 12：發現 123.1 不符合(?!\.1)，後退一位，並退出迴圈
> 沒有表示式了，返回 12
複製程式碼

如果要對每個字元進行前瞻檢查，唯有最後一種寫法比較好理解。

相關文章