详解正则表达式后面不要包含指定的字符串内容

来源：jb51　　时间：2019/4/8 12:18:36　　对本文有异议

以前只会/<abc(?!def).+>/.exec("<abcdef>\n<abczzz>")，匹配到<abczzz>，这种简单的固定写法，但实际使用次数几乎趋近于0。

很多场景不能写死abc，顺理成章的就写成了/<.+(?!def).+>/.exec("<abcdef>\n<abczzz>")，咦？咋把前面的匹配到了！从入门到放弃。

昨天(2019-04-07)随手写了一下/<(?:.(?!def))+>/.exec("<abcdef>\n<abczzz>")，原来是对.+(?!排除的字符串)这个结构能起到的作用理解错了，怪不得达不到预期，(.(?!排除的字符串))+才是正解。

留下一个未解的问题，每个字符后面排除一下的能良好工作，一堆未定长度字符后排除一下怎么就不能工作，前瞻不会和前面的+、*、{}起作用吗？解释看结尾。

附：/<(?!.+def).+>/.exec("<abcdefzzz>\n<abczzz>")写法也可以。可能是结尾的.+导致的不能匹配，但这样写还是不行：/<.+(?!def)zzz>/.exec("<abcdefzzz>\n<abczzz>")。

正则表达式匹配指定内容后面要或不要包含指定的字符串内容：

•要：比较简单，写上这个要的即可
•不要：比要复杂很多，如何排除掉？

前提原则

1.表达式内固定内容的字符串能不写尽量不写，能简写的尽量简化来写（如前面写的abc部分不能写死）
2.可以少量使用前瞻（正向），后瞻（反向）基本不学，学了还要研究那些浏览器支持，不敢用，太多了也学不动。
3.NoJS(Not Only JavaScript)；不仅仅是浏览器中的js；不过js的正则/exp/字面量写法简洁到没盆友（哪个语言），函数、对象、字符串统统不需要；不接受反驳。

假设待匹配的文本

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: *** 不是固定内容，但不会出现未转义的xml实体、matchX、excludeX
//注: class=" matchX 123456"纯文本只做演示干扰之用，不应当作为特征
 
//如果数据对换行不敏感，应优先转换成没有换行的，大概率可以简化正则逻辑
htmlNoWrap=htmlRaw.replace(/[\r\n]+/g," ");
 
//正则测试代码
(/[\s\S]*/.exec(htmlRaw)||[])[0]

不要单个字符的匹配

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

可以直接使用 [^>]把matchX限定在<> HTML标记内，意思就是<>中的文本不要出现结尾的>字符。

单个字符还算简单：

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

如果不限定在<>标记内，可能会匹配出界；并且这种不限定，迟早会出乱子：

//无效
/<div.+?matchX.+?>/.exec(htmlNoWrap)[0]
/<div[\s\S]+?matchX[\s\S]+?>/.exec(htmlRaw)[0] //有换行符就是又长又难看

其他单个字符场景另行灵活运用。

不要一个字符串的匹配

匹配出第一层不带excludeX文本内容的第一块div，就是返回包含matchX 4的那块div

[^]语法只能排除掉单个字符，不要一个字符串咋办？硬是要写成[^abc]，会把a、b、c字符全部排除掉；除了使用前瞻，好像还没有别的简单办法。

使用本文开头的(.(?!排除的字符串))+结构就能达到目的，核心就在(?:[^>](?!excludeX))*：

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

要包含一个字符串的匹配，直接写需要的字符串即可，相对简单太多，就不写这种例子了。

未研究(.(?!排除的字符串))+结构的性能。

对于.+(?!排除)不能工作的释疑

由于(?!排除)并不会作用于贪婪匹配到的每一个字符串，只会作用于.+贪婪匹配到的最后一个字符；意思就是前瞻不能阻止+对最后一个字符之前的所有字符进行贪婪匹配。

/<.+(?!def).+>/.exec("<abcdef>\n<abczzz>")

第一个 .+ 匹配到了 abcde，之后是 f，不是 def，第二个 .+ 匹配 f，符合正则

额外记录

/(\d+)(?!\.1)/.exec("123.141") 目测是这样的：
> 123：\d+贪婪匹配到.为止
> 12：发现 123.1 不符合(?!\.1)，后退一位
> 没有表达式了，返回 12
 
/(.+)(?!\.1)/.exec("123.141") 目测是这样的：
> 123.141：.+贪婪匹配到结尾
> 123.141 : 符合(?!\.1)
> 没有表达式了，返回 123.141
 
/(.(?!\.1))+/.exec("123.141") 目测是这样的：
> 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：发现 123.1 不符合(?!\.1)，后退一位，并退出循环
> 没有表达式了，返回 12