Java 正则表达式全攻略(六)

阅读更多

Java 正则表达式全攻略(六)

[ 2010-04-23 12:47:00.0 | 作者: 随想 类别: 基础强化 ] 来源:网络收集     浏览 1383
labels:Java 正则表达式全攻略(六) java正则表达式 向前查看 向后查看

零宽断言

Perl 5 引入了两个强大的正则语法：“向前查看”和“向后查看”。他们也被称作“零长度断言”。他们和锚定一样都是零长度的（所谓零长度即指该正则表达式不消耗被 匹配的字符串）。不同之处在于“前后查看”会实际匹配字符，只是他们会抛弃匹配只返回匹配结果：匹配或不匹配。这就是为什么他们被称作“断言”。他们并不 实际消耗字符串中的字符，而只是断言一个匹配是否可能。(ps:现在几乎所有正则表达式引擎的实现都支持“向前和向后查看”，不过Javascript只 支持向前查看。)

语法	说明
(?=X)	肯定式向前查看，X代表查看的表达式
(?!X)	否定式向前查看，X代表查看的表达式
(?<=X)	肯定式向后查看，X代表查看的表达式
(?	否定式向后查看，X代表查看的表达式

?

向前查看

(?=X) 代表肯定式的向前查看，在任何匹配 Pattern 的字符串开始处匹配查找 X 表达式所代表的字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。这估计还是太难理解，还是直接用实例说明，请看下面的代码：

   1:


 Pattern p = Pattern.compile("Windows(?=NT|2000|2003)"
);

   2:


 Matcher m1 = p.matcher("WindowsXP"
);

   3:


 assertThat(m1.find(), is(false));

   4:


 Matcher m2 = p.matcher("Windows2003"
);

   5:


 assertThat(m2.find(), is(true));

   6:


 assertThat(m2.group(), equalTo("Windows"
));

表达式 Windows(?=NT|2000|2003) 能匹配 Windows2003 中的 Windows，但不能匹配 WindowsXP 中的 Windows，因为我们的表达式声明了它要匹配的 Windows 后面必须跟着 NT 或 2000 又或 2003 。这种查看的断言是不消耗字符的，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含断言的字符之后开始。

如果我们现在把表达式稍作调整，改为 Windows(?!NT|2000|2003) ，这样一来结果就刚好和上面例子的相反。这个时候查看的内容就变为否定式的，在否定式中查看的结果与肯定式相反，如果查看成功将引起整体匹配的失败，而查看失败则匹配成功。

向后查看

与向前查看相反，我们还有向后查看，语法为：(?<=X)，它用户限定表达式前必须包含指定的内容。我们还是用一个简单的例子来说明：

   1:


 String string = "dog dog
gie bulldog"
;

   2:


 // 向后查看的内容为 (?<= )

   3:


 Pattern p = Pattern.compile("(?<= )dog"
);

   4:


 Matcher m = p.matcher(string);

   5:


 assertThat(m.find(), is(true));

   6:


 assertThat(m.group(), equalTo("dog"
));

   7:


 assertThat(m.start(), is(4));

   8:


 assertThat(m.end(), is(7));

我们可以看到当我们声明了向后查看 (?< ) 后，我们找到的内容仅为红色的 dog 部分，我们可以从它的工作方式来理解一下。在刚开始匹配时，表达式引擎先向后查看一下有没有空格字符。由于现在在开始位置，前面没有内容，所以查看失败， 直接跳过第一个d开始查看o，o前面也没有空格，所以也失败进入下个字符。知道到第二个d，这时候向后查看成功了，后续的表达式也匹配成功，因此返回了匹 配结果。

同向前查看一样，向后查看也有否定式，它的语法为 (?

向前查看和向后查看的应用

我们来看这样一个例子：查找一个具有6位字符的，含有“cat”的单词。首先，我们可以不用向前向后查看来解决问题，例如：cat\w{3}|\wcat\w{2}|\w{2}cat\w|\w{3}cat 很麻烦吧！
接下来再让我们来看看使用向前查看的方案。在这个例子中，我们有两个基本需求要满足：一是我们需要一个6位的字符，二是单词含有“cat”。满足第一个需求的正则表达式为 \b\w{6}\b 。满足第二个需求的正则表达式为 \b\w*cat\w*\b 。把两者结合起来，我们可以得到如下的正则表达式：(?=\b\w{6}\b)\b\w*cat\w*\b
具体的匹配过程留给读者。但是要注意的一点是，向前查看是不消耗字符的，因此当判断单词满足具有6个字符的条件后，引擎会从开始判断前的位置继续对后面的正则表达式进行匹配。最后作些优化，可以得到下面的正则表达式： \b(?=\w{6}\b)\w{0,3}cat\w*