保留正则表达式匹配和它们之间的文本

Question

我正在尝试在 javascript 中创建一个方程解析器，因此我使用正则表达式将方程分解为各个部分。这是我目前正在使用的正则表达式：

var equation_string = '!#$123+456';
var operator = '(!|=|<|>)=|[=<>()^\\/*+-]';
var number = '(\\d+\\.?\\d*|\\.\\d+)([eE][-+]?\\d+)?';
var variable = '[A-Za-z](_?[A-Za-z0-9]+)*';
var separator = ',';
var other = '\\S+';
var whitespace = '\\s+';

var pattern = new RegExp(number+'|'+operator+'|'+variable+'|'+separator+'|'+other+'|'+whitespace, 'g');

var equation_parts = equation_string.match(pattern);

我想保留等式的所有部分（用于跟踪我需要在等式中突出显示的位置，如果它格式不正确）。但是如果用户输入说'！＃$ 123 + 456'会遇到问题，因为'\ S +'给了我一个部分'！＃$ 123 + 456'，而它应该是'！＃$ ','123','+','456'.

我可以将 other 设置为 '\S'，但这将是 '!'、'#'、'$'、'123'、'+'、'456'，但我更愿意保留所有“其他”类型的模式。

将“其他”类型模式保持在一起的最佳方式是什么？或者有没有办法让我放弃“其他”模式并让正则表达式返回匹配的模式和它们之间的所有文本？

Answer 1

一种解决方案是使用前瞻断言，这样只有在没有其他方法的情况下才会匹配：

(
    (?!(!|=|<|>)=|[=<>()^\\/*+-]) // this is the pattern for "operator", enclosed in a negative lookahead
    (?!(\\d+\\.?\\d*|\\.\\d+)([eE][-+]?\\d+)?) // the pattern for "number"...
    (?![A-Za-z](_?[A-Za-z0-9]+)*) // "variable"...
    (?!,) // "separator"...
    (?!\s) // "whitespace"
    . // no other pattern matches, so it's ok to consume the next character.
)* // repeat this as often as possible.

---

另一种解决方案是根本不匹配 other 字符，按照以下方式进行操作：

var match_index= 0;
while ((match = pattern.exec(equation_string)) !== null)
{
    if(match.index > match_index)
    {
        var other= equation_string.substring(match_index, match.index);
        alert(other);
    }
    match_index= pattern.lastIndex;
}
if (match_index < equation_string.length){
    var other= equation_string.substring(match_index);
    alert(other);
}
// result: "!#$"