正则表达式中[\b]和\b和\B的区别及匹配分析思路

复习正则表达式

最近研究ES6,正好ES6也有正则方面的内容,看看有什么新特性,顺便又把 精通正则表达式拿出来粗看了前面几章节,于是给自己出了几道题. 还做了一点总结.

[\b]和\b和\B

一般作为初学者看到这么多这些鬼都会头大了. 下面我将详细讲解一下.

[\b] - 退格符

另外其实我一直都搞不清楚[\b]匹配一个退格(U+0008)是什么鬼. 似乎没有人告诉我这个退格符长什么样. 我也不知道那些各种转载各种规则的人他们自己知不知道是啥... (难道就我不知道- -)

找了半天,总算在MSDN: 正则表达式语言 - 快速参考找到了示例. 难道就是匹配\b用的吗?,当然很明显的区别是,它属于字符转义

\b - 一个词的边界

MSDN: 匹配必须出现在 \w（字母数字）和 \W（非字母数字）字符之间的边界上。

这个就很好理解了,会写先行断言的我当然是知道了,他不占用任何位置,边界一般都是单词或数字两边,更为具体的通过MDN的正则表达式文档\b介绍内的注意有指引,查到ecma文档的15.10.2.6 Assertion中IsWordChar处,不过由于个人能力有限,对其理解如下:

通过这段代码(正则表达式案例分析 （一） - (3) 单词边界):

"I'd prefer p2p O_O".replace(/\b/g,function(){
  console.log(arguments)
});

输出结果:

{ '0': '','1': 0,'2': 'I\'d prefer p2p O_O' }
{ '0': '','1': 1,'1': 2,'1': 3,'1': 4,'1': 10,'1': 11,'1': 14,'1': 15,'1': 18,'2': 'I\'d prefer p2p O_O' }

我们看到被断掉(用|表示)的位置分别是:

也就是说连续的单词和数字和_组合(上文提到的ecma部分的表格也对应了这个)都是一个单位,他的两侧就是截断. 除此之外的任何符号都会截断他们.

另外,在MSDN文档中,它被归为定位点.

\B - 一个非单词边界

前面说了这么多,\B的理解就很轻松了,一个非单词边界. 就不多说了,看看MSDN的例子就清楚了.

模式: \Bend\w*\b

原字符串: end sends endure lender

匹配结果: ends和ender

关于正则个人的经验

其实搞正则匹配,我个人的从精通正则表达式书中阅读后的感受就是,匹配一定要一个个看,慢慢的看,比如上面这个例子,我看看模式先是\B,然后再找原字符串,依次步骤分析:

1. 第一个e左边(位置)是边界不符合,失败看下一个字符
2. 第二个n左边(位置)符合\B,匹配成功,再看模式\B后面的e
3. 模式\B(位置)后面的e不匹配n,失败再看下一个字符d
4. 第三个d左边(位置)符合\B,再看模式\B后面的e
5. 模式\B(位置)后面的e不匹配第三个字母d,失败再看下一个字符 (这里是个空格啦?)
6. ...(此处省略,一直到send单词)
7. (前面都不符合,当遇到了send),经过一步步后移,模式\B(位置)走到了s右侧,成功! 此刻,兴奋的将模式移到第二个e
8. 好巧,模式中的e匹配到s后面的字符e,再回到模式下一位n
9. 世界太小了,又一次成功了,紧接着是d,看起来一一对应上了
10. ...(截至目前,\Bend部分已经和sends中的end配上了,可是还没完呢)
11. 模式d后面是\w*,我们回到原字符串部分send后面是s所以也成功了
12. 再看模式部分\w*下一位\b,碰到上面讲的单词边界了( •̀ ω •́ )y,我们看看原字符串部分sends 这里的确被截断了,因此原字符串开始新一轮匹配
13. ...(反复如上步骤)

最后就得出了匹配结果的两组字符串了. 不知道我这样讲大家能不能理解,或者说这种思路大家有没有疑问和反对之处,如果有希望大家留言?

两道正则题目

自己折磨自己

题一: 找出符合规则的时间

匹配符合标准格式的时间. 这是内容部分:

now is 09:4 am test
now isx9:4 am test
now isx2:54 am test
now isA09:04 amwtest
now is_12:30 pm adsadadasda
now is 21:59 amdsadasdwq
now is 22:75 am_dsad21
now is 41:60 pm   dsadsad 
now is 26:23 am   dwadwq
now is 2a:23 am   dwadwq

期望结果(虽然24小时制后面存在[ap]m感觉还是不太合理.)

09:4 am
9:4 am
2:54 am
09:04 am
12:30 pm
21:59 am

看起来应该不是很复杂. 结果我写了一天没写出来. 因为我不知道怎么剔除26. 似乎无论怎么写,在2和6之间正向断言始终都会匹配到6. ES5却是不支持后行断言(negative lookbehind)的,据说ES6支持后行断言了,才得以解决这个问题,然而不通过后行断言来处理这个问题,我始终没有写出来,难道真的是实现不了?

这是一个未能完美解决的其中一种写法.

/([01]\d|(?=2(?![4-9]))2\d?|(?!2)\d):(0?(?=\d)[0-9]|[1-5][0-9])(\s*[a|p]m)/gim

这是通过后行断言的写法:

/([01]\d:|(?=2(?![4-9]))2\d?:|(?<!2)\d:)(0?(?=\d)[0-9]|[1-5][0-9])(\s*[a|p]m)/gim

题二: 找出文件后缀名

再来看另一个,获取文件后缀名的正则写法问题:

可能有以下文件,需要准确获取每个文件的文件类型,例如:

a.jpg
hello world.png
c.c.mp3
_do_(it)._unknow

期望:

.jpg
.png
.mp3
._unknow

这个其实还算按比较简单的了. 不过在我复习正则之前硬是想不起来咋写,稍微过了一遍再写就容易多了. 正则写法\..(?!\.).*.

改题目来源于前几天同事发的一个javascript自验网站: ScriptOJ首页的题目.

关于题目部分,不知道大家也有没有更好的写法,也欢迎大家探讨纠正哦?