JavaScript 正则表达式匹配中的移动索引

Question

我有这个正则表达式可以从文本中提取双字

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

还有这个示例文本

Mary had a little lamb

我的输出是这样的

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

而我的预期输出是这样的：

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

我怎样才能实现这个输出？据我了解，搜索索引移动到第一个匹配项的末尾。我怎样才能把它移回一个字？

Answer 1

滥用String.replace函数

我使用了replace 函数的一个小技巧。由于replace 函数循环匹配并允许我们指定一个函数，所以可能性是无限的。结果将在output。

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
});

由于输出包含输入字符串中的重叠部分，所以当我们使用 look-ahead 匹配当前单词时，必须不消耗下一个单词¹.

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：它一次只使用一个单词[A-Za-z]+ 部分（正则表达式的开头），并预测下一个单词@987654330 @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，并在后续参数中接收捕获的文本。 （还有更多 - 检查documentation - 我在这里不需要它们）。由于前瞻是零宽度（不消耗输入），所以整个匹配也方便地是第一个单词。前瞻中的捕获文本将进入第二个参数。

使用 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。如果不能接受，可以用RegExp.exec函数循环重写上面的代码：

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. 在其他支持可变宽度负向后视的正则表达式中，可以检索前一个单词，但 JavaScript 正则表达式不支持负向后视！。

2. (?=pattern) 是前瞻语法。

附录

String.match 不能在这里使用，因为当使用g 标志时它会忽略捕获组。捕获组在正则表达式中是必需的，因为我们需要环顾四周以避免消耗输入并匹配重叠文本。

Answer 2

不用正则也可以

"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;})

Answer 3

这是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。

demo

---

旁注：如果您担心输入中的非单词（为正则表达式提供案例！），您可以在for 循环内对parts[i] 和parts[i+1] 运行测试。如果测试失败：不要将它们推送到out。

Answer 4

您可能喜欢的一种方式可能是这种方式：

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));

如果你在控制台中运行它，你会看到["Mary had", "had a", "a little", "little lamb"]。

通过这种方式，您可以保留原来的正则表达式，并且可以在其中做您想做的其他事情。虽然它周围有一些代码使它真正起作用。

顺便说一句，这段代码不是跨浏览器的。 IE8及以下不支持以下功能：

• Array.prototype.filter
• Array.prototype.map
• Function.prototype.bind

但它们很容易调整。或者使用for 可以轻松实现相同的功能。

Answer 5

我们开始吧：

你还不知道正则表达式内部指针到底是怎么工作的，所以我用一个小例子给你解释一下：

Mary had a little lamb 使用这个正则表达式 /[A-Za-z]+\s[A-Za-z]+/g

这里，正则表达式的第一部分：[A-Za-z]+ 将匹配 Mary，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，它将匹配一个空格，然后是另一个单词，所以...

Mary had a little lamb
        ^

指针将指向单词had 的结束位置。所以这是你的问题，你不希望增加正则表达式的内部指针，这是如何解决的？环顾四周是你的朋友。使用环视（lookahead 和lookbehind），您可以在不增加正则表达式的主要内部指针的情况下浏览您的文本（它会为此使用另一个指针）。

所以最后，匹配你想要的正则表达式将是：([A-Za-z]+(?=\s[A-Za-z]+))

解释：

唯一认为你不知道的正则表达式是(?=\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。这正是您想要的，因为内部指针不会增加，并且会匹配除最后一个以外的所有单词，因为最后一个不会跟一个单词。

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

Answer 6

在对“前瞻”概念的充分推崇下，我仍然提出了一个pairwise 函数（demo），因为它确实是 Regex 的任务来标记字符流，并决定如何处理令牌取决于业务逻辑。至少，这是我的看法。

遗憾的是，Javascript 还没有成对出现，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);
});

​