在JavaScript正则表达式匹配中移动索引

Moving index in JavaScript regex matching

本文关键字：移动 索引 JavaScript 正则表达式      更新时间：2023-09-26

我有这个正则表达式从文本中提取双单词

/[A-Za-z]+'s[A-Za-z]+/g

这个示例文本

Mary had a little lamb

我的输出是这个

[0] - Mary had; [1] - a little;

而我的预期输出是：

[0] - Mary had; [1] - had a; [2] - a little; [3] - little lamb

我该如何实现此输出？据我所知，搜索的索引移动到第一个匹配的末尾。我怎样才能把它移回一个单词？

使用String.replace函数

我在使用replace函数时使用了一个小技巧。由于replace函数在匹配中循环，并允许我们指定一个函数，因此可能性是无限的。结果将在output中。

var output = [];
var str = "Mary had a little lamb";
str.replace(/[A-Za-z]+(?=('s[A-Za-z]+))/g, function ($0, $1) {
    output.push($0 + $1);
    return $0; // Actually we don't care. You don't even need to return
});

由于输出在输入字符串中包含重叠部分，因此当我们使用look-ahead1匹配当前单词时，有必要不使用下一个单词。

正则表达式/[A-Za-z]+(?=('s[A-Za-z]+))/g的作用与我上面所说的完全一样：它一次只使用[A-Za-z]+部分(正则表达式的开头(的一个单词，并向前看下一个单词(?=('s[A-Za-z]+))2，同时捕获匹配的文本。

传递给replace函数的函数将接收匹配的字符串作为第一个参数，并在随后的参数中接收捕获的文本。(还有更多-查看文档-我不需要它们(。由于前瞻是零宽度(输入不消耗(，因此整个匹配也很方便地成为第一个单词。前瞻中的捕获文本将进入第二个参数。

RegExp.exec的正确解决方案

请注意，String.replace函数会产生替换开销，因为根本不使用替换结果。如果这是不可接受的，你可以用RegExp.exec函数在一个循环中重写上面的代码：

var output = [];
var str = "Mary had a little lamb";
var re = /[A-Za-z]+(?=('s[A-Za-z]+))/g;
var arr;
while ((arr = re.exec(str)) != null) {
    output.push(arr[0] + arr[1]);
}

脚注

  1. 在另一种支持可变宽度负向后看的正则表达式中，可以检索前一个单词，但JavaScript正则表达式不支持负向后看！。

  2. (?=pattern)是用于前瞻的语法。

附录

这里不能使用String.match，因为当使用g标志时它忽略了捕获组。捕获组在正则表达式中是必要的，因为我们需要四处查看以避免消耗输入并匹配重叠的文本。

它可以在没有regexp 的情况下完成

"Mary had a little lamb".split(" ")
      .map(function(item, idx, arr) { 
          if(idx < arr.length - 1){
              return item + " " + arr[idx + 1];
          }
       }).filter(function(item) {return item;})

这里有一个非正则表达式的解决方案(这不是一个真正的常规问题(。

function pairs(str) {
  var parts = str.split(" "), out = [];
  for (var i=0; i < parts.length - 1; i++) 
    out.push([parts[i], parts[i+1]].join(' '));
  return out;
}

传递你的字符串，你会得到一个数组。

演示

附带说明：如果您担心输入中的非单词(为正则表达式做一个例子！(，您可以在for循环中对parts[i]和parts[i+1]运行测试。如果测试失败：不要将它们推到out上。

您可以选择以下方式：

var s = "Mary had a little lamb";
// Break on each word and loop
s.match(/'w+/g).map(function(w) {
    // Get the word, a space and another word
    return s.match(new RegExp(w + '''s''w+'));
// At this point, there is one "null" value (the last word), so filter it out
}).filter(Boolean)
// There, we have an array of matches -- we want the matched value, i.e. the first element
.map(Array.prototype.shift.call.bind(Array.prototype.shift));

如果您在控制台中运行此程序，您将看到["Mary had", "had a", "a little", "little lamb"]。

通过这种方式，你可以保留原来的regex，并可以在其中做你想做的其他事情。尽管有一些代码可以让它真正工作。

顺便说一下，这段代码不是跨浏览器的。IE8及以下版本不支持以下功能：

  • 阵列原型过滤器
  • 阵列.原型.map
  • 函数.prototype.bind

但它们很容易摆动。或者使用for可以很容易地实现相同的功能。

开始：

你仍然不知道正则表达式内部指针是如何工作的，所以我将用一个小例子来解释它：

带有此正则表达式的Mary had a little lamb /[A-Za-z]+'s[A-Za-z]+/g

这里，正则表达式的第一部分：[A-Za-z]+将与Mary匹配，因此指针将位于y 的末尾

Mary had a little lamb
    ^

在下一部分('s[A-Za-z]+(中，它将匹配后面跟着另一个单词的空格，因此…

Mary had a little lamb
        ^

指针将位于单词had结束的位置。这就是你的问题，你在不需要的情况下增加了正则表达式的内部指针，这是如何解决的？环视是你的朋友。使用lookaround(lookahead和lookbacking(，您可以在不增加正则表达式的主要内部指针的情况下遍历文本(它将使用另一个指针(。

所以最后，与您想要的匹配的正则表达式是：([A-Za-z]+(?='s[A-Za-z]+))

说明：

关于正则表达式，你唯一不知道的是(?='s[A-Za-z]+)部分，这意味着[A-Za-z]+后面必须跟一个单词，否则正则表达式将不匹配。这正是你想要的，因为中间指针不会增加，会匹配除最后一个单词之外的所有单词，因为最后一个后面不会跟一个单词。

然后，一旦你有了它，你只需要替换你现在所做的一切。

这里有一个工作示例，DEMO

在充分赞赏"前瞻"的概念的情况下，我仍然提出了一个pairwise函数(DEMO(，因为标记化字符流实际上是Regex的任务，而如何处理标记取决于业务逻辑。至少，这是我的看法。

遗憾的是，Javascript还没有配对，但这可以做到：

function pairwise(a, f) {
  for (var i = 0; i < a.length - 1; i++) {
     f(a[i], a[i + 1]);
  }
}
var str = "Mary had a little lamb";
pairwise(str.match(/'w+/g), function(a, b) {
  document.write("<br>"+a+" "+b);
});
​
相关文章：