首页 > 代码库 > 正则表示式

正则表示式

以前看到别人正则里写(?=),(?!)...这些,觉得云里雾里,完全不知道什么意思,今天突然搜到专门介绍的文章,看完后,有一种拨开云雾见月明的感觉。特此分享下。

正则表达式有俩种特别的情况:

 1. 零宽断言:用于查找在某些内容(但不包括这些内容)之前或之后出现的字符,也就是说像\b,^,$那样用于指定一个位置,这个位置应该满足一定的条件(即断言),因此它们也被称为零宽断言。

  (?=exp)也叫零宽度正预测先行断言,它断言自身出现的位置后面能匹配表达式exp。如:\b\w+(?=ing\b)匹配以ing结尾的单词的前面部分(除了ing以外的部分),如查找I‘m singing while you‘re dancing.时,它会匹配sing和danc。

     (?<=exp)也叫零宽度正回顾后发断言,它断言自身出现的位置前面能匹配表达式exp。如:(?<=\bre)\w+\b会匹配以re开头的单词的后面部分(除了re以外的部分),例如在查找reading a book时,它匹配ading。

   假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了),你可以这样查找需要在前面和里面添加逗号的部分:((?<=\d)\d{3})+\b,用它对xxxxxxxxxx进行查找时结果是xxxxxxxxxx

      下面这个例子同时使用了这两种断言:(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调,不包括这些空白符)
      断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。
 
  2. 负向零宽:如果我们只是想要确保某个字符没有出现,但是不想去匹配它是怎么办?
 

   例如我们想查找这样的单词:它里面出现了字母q,但是q后面跟的不是字母u。我们可以尝试这样:\b\w*q[^u]\w*\b匹配包含字母q后面不是字母u的单词,但是如果多做测试(或者你思维足够敏锐,直接就观察出来了),你会发现,如果q出单词的结尾的话,像Iraq,Benq,这个表达式就会出错。因为[^u]总要去匹配一个字符,当字母q出现在最后的话,[^u]就会去匹配q后面的单词分隔符(可能是空格,句号,或者其它什么的),后面的\w*\b将会匹配下一个单词,于是\b\w*q[^u]\w*\b就能匹配整个Iraq fighting。负向零宽断言能解决这样的问题,因为它只匹配一个位置,不消耗任何字符。我们可以这样来解决这个问题:\b\w*q(?!u)\w*\b。

 
     (?!exp)零宽度负预测先行断言,断言此后面的位置不能匹配表达式exp。例如:\d{3}(?!\d)匹配3为数字,而且这三位数字的后面不能是数字;\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。
 
     (?<!exp)零宽度负回顾后发断言,断言此位置的前面不能匹配表达式exp。(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。
 
一个更复杂的例子:(?<=<(\w+)>).*(?=<\/\1>)这个表达式最能表现零宽断言的真正用途。匹配不包含属性的简单HTML标签内里的内容。 (?<=<(\w+)>)指定了这样的前缀:被尖括号括起来的单词(比如可能是<b>),然后是.*(任意的字符串),最 后是一个后缀(?=<\/\1>)。注意后缀里的\/,它用到了前面提过的字符转义,将”/“转义;\1则是一个反向引用,引用的正是捕获的 第一组,前面的(\w+)匹配的内容,这样如果前缀实际上是<b>的话,后缀就是</b>了。整个表达式匹配的 是<b>和</b>之间的内容(再次提醒,不包括前缀和后缀本身)。
     

 

正则表示式