如何让ECMAScript正则的\w+既不抢占_(\d+)又保留单捕获组？

问题说明 #

你有一堆用英文句点（.）分隔的重复格式文本，部分文本会以_123这种“下划线+数字串”的形式结尾，需要把末尾的数字单独捕获到一个分组里。你写的正则/(label(:|\+))?(\w+)(?:_(\d+))?/gi多数情况能用，但有两个坑：

• 因为\w在ECMAScript里包含下划线，(\w+)的贪婪匹配会把模式里的下划线也吃掉，导致后面的_(\d+)抓不到数字
• 改成非贪婪的(\w+?)后，你误以为每个字符会被单独捕获，但其实(\w+?)还是会把连续匹配的内容放到同一个分组里

解决办法 #

办法1：限定前缀只匹配字母数字（最稳妥） #

如果你的前缀部分本来就不该包含下划线，直接把(\w+)换成([^\W_]+)（等价于[A-Za-z0-9]+），这样前缀不会碰下划线，自然不会抢后面的_(\d+)的匹配机会：

const regex = /(label(:|\+))?([^\W_]+)(?:_(\d+))?/gi;

举个例子：

• 匹配abc_123.def时，捕获组3是abc，捕获组4是123
• 匹配label:xyz时，捕获组1是label:，捕获组3是xyz

办法2：允许前缀含下划线，用非贪婪匹配（纠正你的误解） #

如果前缀可以包含下划线，那用(\w+?)完全没问题，它不会把每个字符单独捕获，而是把连续匹配到的所有内容放到同一个分组里。非贪婪只是让它匹配到刚好能让后面的_(\d+)匹配到的位置就停，不会贪多：

const regex = /(label(:|\+))?(\w+?)(?:_(\d+))?/gi;

比如匹配abc_def_456时，捕获组3是abc_def，捕获组4是456，完全符合需求。

办法3：用负向预查保住贪婪匹配 #

要是你非得用贪婪匹配，那就加个负向预查(?!_\d)，确保\w+匹配的内容后面不会紧跟着“下划线+数字”，这样它就不会把结尾的下划线吃掉：

const regex = /(label(:|\+))?(\w+)(?!_\d)(?:_(\d+))?/gi;

内容的提问来源于stack exchange，提问作者cristian