正则表达式练习(向前查找、向后查找、贪婪/懒惰型元字符)

向前查找

• 向前查找指定了一个必须匹配但不在结果中返回的模式
  • 有些正则表达式文档使用术语“消费”（consume）来表述“匹配和返回文本”的含义。在向前查找里，被匹配的文本不包含在最终返回的匹配结果里，这被称为“不消费”
  • 被匹配文本之后的字符（但不消费它）
• 向前查找实际就是一个子表达式
• 一个向前查找模式其实就是一个以?=开头的子表达式，需要匹配的文本跟在=的后面

向后查找

• 向后查找，也就是查找出现在被匹配文本之前的字符（但不消费它），向后查找操作符是?<=。

贪婪型元字符

• 它们在进行匹配时的行为模式是多多益善而不是适可而止的。它们会尽可能地从一段文本的开头一直匹配到这段文本的末尾，而不是从这段文本的开头匹配到碰到第一个匹配时为止

1. https://www.baidu.com/wd
   https://music.163.com/#/discover/toplist?id=3778678
   https://translate.google.cn/#en/zh-CN/Th
   http://www.jianshu.com/u/a05e3c276604

• 要求
  以上为我随便从自己的浏览器中粘贴出来的网页地址，需要将其中的域名过滤出来。
• 正则表达式

(?<=//).*?(?=/)

• 分析
  1). 首先一步一步分析来看，首先将需要的内容匹配出来，通过分析域名前面有两个斜杠，后边有一个斜杠，则正则表达式如下

  //.*/
  

  

  分析1)

  
  出现上图的匹配结果，这里的要求是匹配到域名后的第一个/就停止匹配，但其尽量向行末匹配，遇到最后一个/才停止匹配；因为 为贪婪型元字符，需要用到其懒惰型元字符，即？

  2). 用贪婪型模式来匹配，正则表达式如下

  //.*?/
  

  

  分析2)

  3). 要求只匹配域名，所以需要将域名前后的斜杠过滤掉，这里就需要用到向后查找和向前查找以及子表达式；正则表达式如下

  (?<=//).*?(?=/)
  

  

  分析3)

  
  用()将“//”选定为一个子表达式，在//前加上?<=的前缀，表示向后查找，即//只匹配但不“消费”：同理后边的/也是一样的，向前查找/，匹配但不消费。

---

本文有些内容摘自于
〔美〕Ben Forta. 《正则表达式必知必会 》(图灵程序设计丛书 71) (Kindle位置1974). 人民邮电出版社. Kindle 版本