锚字符

锚字符的需求

让我们通过一个场景来学习锚字符的必要性。假设你需要编写一个正则表达式来匹配所有的电话记录。你从 /\d{4}-\d{3}-\d{3}/ 开始，这确实能工作，但问题在于它也会在文本 "3234-524-53134" 中返回匹配结果。然而，这不是正确的电话记录，不应该被匹配。那么，如何使用正则表达式来匹配完整的文本呢？为了匹配完整的内容，正则表达式使用了锚字符。

锚字符出现在文本的开头和结尾，也用于数据验证。

插入符字符

插入符字符创建一个否定字符集。但如果你将插入符符号放在正则表达式的最开始，它的行为会不同。插入符符号确保文本仅以指定的字符开头。

让我们通过一个例子来学习。假设你有两个文本："123-345" 和 "abc123-456"。如果你写正则表达式 /\d{3}-\d{3}/，它会匹配两者。如果在开头加上插入符符号，你的正则表达式就变成 /^\d{3}-\d{3}/。再次运行这个正则表达式，只有以数字开头的文本才会匹配。你也可以结合分组符号使用。例如，为了提高可读性，可以写成 /^(\d{3}-\d{3})/。

在多行标志下，插入符符号同样适用。例如，要匹配以大写字母 "J" 开头的文本。正则表达式 /^J.*/ 会匹配 "Javascript"。在多行模式下，所有以大写字母 "J" 开头的行都会被匹配。

1var str = `Javascript
2javascript
3jack
4John 
5elizabeth`
6
7console.log( str.match(/^J.*/g) );
8console.log( str.match(/^J.*/gm) );  // 匹配到 John 和 Javascript 这两行

一个小挑战：使用插入符符号

1var RegEx = function(){
2  // 例如 return "/xyz/g";
3  return "";
4}

上述挑战的解决方案

电话格式已经明确，对应的正则表达式是 /\d{4}-\d{3}-\d{3}/。对于邮件部分，使用单词字符的简写形式，对应的正则表达式是 /\w+@\w+\.\w+/。需要注意的是，由于使用了插入符符号，必须同时使用全局标志 g 和多行标志 m。当结合这两个标志使用插入符时，正则表达式为 /^((\w+@\w+\.\w+)|(\d{4}-\d{3}-\d{3}))/gm。

注意分组的重要性。如果没有外层分组，正则引擎会将其理解为“行以邮件开头”或“包含电话记录”。

美元符号

另一个锚字符是美元符号 $。这个符号与插入符类似，唯一的区别是 $ 用于文本的末尾。

让我们用同样的文本集合来理解这一点。要匹配以大写字母 "T" 结尾的文本。正则表达式 /.*T$/ 会匹配 "JavascripT"。在多行模式下，所有以大写字母 "T" 结尾的行都会被匹配。

1var str = `JavascripT
2javascript
3hot
4heaT`
5
6console.log( str.match(/.*T$/g) );   // 匹配到 heaT
7console.log( str.match(/.*T$/gm) );  // 匹配到 JavascripT 和 heaT 这两行

在上面的代码示例中，不使用多行标志的答案是 "heaT"，因为它匹配的是文本的结尾。而 "JavascripT" 位于第一行的末尾，而不是整个文本的结尾。

一个结合使用美元符号和插入符符号的挑战

1var RegEx = function(){
2  // 例如 return "/xyz/gm";
3  return "";
4}

上述挑战的解决方案

我们先将其分解为几个部分。文本必须以小写字母开头，且至少出现两次，因此正则表达式为 /^([a-z]{2,})/。文本结尾必须是非大写字母字符，且至少出现两次，因此正则表达式为 /([^A-Z]{2,})$/。文本中间需要包含一个有效的电子邮件地址，因此正则表达式为 /\w+@\w+\.\w+/。将所有部分组合起来，得到完整的正则表达式：/^([a-z]{2,})(\w+@\w+\.\w+)([^A-Z]{2,})$/。

单词边界

与插入符和美元符号一样，\b 也是一个锚字符，但它匹配的是单词边界。单词边界是指从单词字符到非单词字符，或从非单词字符到单词字符的位置。单词字符定义为 [0-9a-zA-Z_]。单词边界也出现在文本的开头和结尾。

考虑文本 "Hi there"

再考虑文本 " - H Car "。我们来找出其中的单词边界：

• 第一个边界是文本的开始，但仅当文本起始为单词字符时才是。由于文本起始是非单词字符，因此这里不是单词边界。从开头到 "H" 的所有字符都是非单词字符。所以第一个单词边界是在 "H" 前面。
• 第二个单词边界是在 "H" 后面，以及其后的空格。
• 第三个单词边界是在 "C" 前面，即其前的空格。
• 第四个单词边界是在 "r" 后面，即其后的空格。

1var str = "   -  123   456";
2console.log( str.match(/\b\w+\b/g) ); 
3// 输出 [ '123', '456' ]

多尝试不同的文本集，以更好地掌握锚字符的使用时机和方式。