正则表达式快速入门（五）

4. 零宽断言
1) 常用零宽断言语法
(?=exp) 匹配exp前面的位置
(?<=exp) 匹配exp后面的位置
(?!exp) 匹配后面跟的不是exp的位置
(?2) 这四个语法是用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\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的后面能匹配表达式exp。
(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。
注：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。
以下举例说明——
3) 表达式：\b\w+(?=ing\b)
所需语法：\b——匹配一个单词的开始或结束，也就是指单词和空格间的位置；\w——匹配任意一个字母或数字或下划线或汉字等；+——重复前一个字符或一组表达式一次或更多次；(?=exp)——匹配exp前面的位置；
含义说明：匹配以ing结尾的单词的前面部分(除了ing以外的部分)，
查找结果：比如查找I'm singing while you're dancing.时，它会匹配sing和danc。如图21所示
 
图21
4) 表达式：(?<=\bre)\w+\b
所需语法：(?<=exp)——；\w——匹配任意一个字母或数字或下划线或汉字等；+——重复前一个字符或一组表达式一次或更多次；\b——匹配一个单词的开始或结束，也就是指单词和空格间的位置；；
含义说明：匹配以re开头的单词的后半部分(除了re以外的部分)，
查找结果：比如在查找reading a book时，它匹配ading。如图22所示
 
图22
5) 表达式：((?<=\d)\d{3})+\b
所需语法：(?<=exp)——匹配exp后面的位置；\d——匹配任意一位数字，等价于[0~9]；{n}——重复n次，只对邻近的字符或一组表达式起作用；+——重复前一个字符或一组表达式一次或更多次；\b——匹配一个单词的开始或结束，也就是指单词和空格间的位置；
含义说明：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1234567890进行查找时结果是234567890。
查找结果：比如对“1234567890”进行查找时结果是“234567890”；如图23所示
 
图23
6) 表达式：(?<=\s)\d+(?=\s)
所需语法：(?<=exp)——匹配exp后面的位置；\d——匹配任意一位数字，等价于[0~9]；+——重复前一个字符或一组表达式一次或更多次；(?=exp)——匹配exp前面的位置；
含义说明：匹配以空白符间隔的数字(注：不包括这些空白符)。
查找结果：查找类似“556 99 886333”这样的字符串，结果为“99”；如图24所示
 
图24
5. 负向零宽断言
宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。主要用于确保某个字符没有出现，但并不想去匹配它的时候。以下是负向零宽断言的例子：
1) 表达式：\b\w*q(?!u)\w*\b
所需语法：\b——匹配一个单词的开始或结束，也就是指单词和空格间的位置；\w——匹配任意一个字母或数字或下划线或汉字等；*——重复前一个字符或一组表达式零次或更多次；(?!exp)——零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp；
含义说明：匹配包含后面不是字母u的字母q的单词（注意：不能使用\b\w*q[^u]\w*\b这样的表达式，因为[^u]一定要占据一个字符，如果碰到以q结尾的像“benq”这样的单词，就会出错，而负向零宽断言(?!u)就不会占有任何字符）。
查找结果：查找到类似“benq，open”的字符串；如图25所示
 
图25
2) 表达式：\d{3}(?!\d)
所需语法：\d——匹配任意一位数字，等价于[0~9]；{n}——重复n次，只对邻近的字符或一组表达式起作用；(?!exp)——零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp；
含义说明：匹配三位数字，而且这三位数字的后面不能是数字；
查找结果：查找类似“556g,dd334”这样的字符串，能找到“556”和“334”的结果；如图26所示
 
图26
3) 表达式：\b((?!abc)\w)+\b
所需语法：\b——匹配一个单词的开始或结束，也就是指单词和空格间的位置；(?!exp)——零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp；\w——匹配任意一个字母或数字或下划线或汉字等；+——重复前一个字符或一组表达式一次或更多次；
含义说明：匹配不包含连续字符串abc的单词。
查找结果：查找类似“fdsafsdg,fabcadfda”，找到“fdsafsdg”这样的结果；如图27所示
 
图27
4) 表达式：(?所需语法：(?含义说明：匹配前面不是小写字母的七位数字。
查找结果：查找类似“B1234567,c9876543”这样的字符串，能找到“1234567”这样的结果；如图28所示
 
图28
5) 表达式：(?<=<(\w+)>).*(?=<\/\1>)
所需语法：(?<=exp)——匹配exp后面的位置；\w——匹配任意一个字母或数字或下划线或汉字等；+——重复前一个字符或一组表达式一次或更多次；
.——匹配除换行符以外包括空格和Tab键的任意字符；*——重复前一个字符或一组表达式零次或更多次；(?=exp)——匹配exp前面的位置；\——转义符，将特殊字符转化为普通字符，取消后面跟着的字符的特殊意义；
含义说明：匹配不包含属性的简单HTML标签内里的内容。()指定了这样的前缀：被尖括号括起来的单词(比如可能是)，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；\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的话，后缀就是了。整个表达式匹配的是和之间的内容(注意：不包括前缀和后缀本身)。
查找结果：匹配类似“abcd”的字符串，能找到“abcd”这样的结果；如图29所示
 
图29
6. 注释：
1) (?#comment) 这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读。以下是注释的例子：
2) 2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
(?<=    # 断言要匹配的文本的前缀
<(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
)       # 前缀结束
.*      # 匹配任意文本
 (?=    # 断言要匹配的文本的后缀
<\/\1>   # 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
)        # 后缀结束
7. 贪婪与懒惰
1) 常用懒惰匹配表达式
*?——重复任意次，但尽可能少重复
+?——重复1次或更多次，但尽可能少重复
?? ——重复0次或1次，但尽可能少重复
{n,m}?——重复n到m次，但尽可能少重复
{n,}? ——重复n次以上，但尽可能少重复
2) 当正则表达式中包含能接受重复的限定符时，通常会在使整个表达式能得到匹配的前提下匹配尽可能多的字符。比如用表达式“b*c”查找“bbcbc”，它将匹配整个字符串“bbcbc”，这就是贪婪匹配。
3) 如果有时候我们想匹配尽可能少的字条，就需要用到懒惰匹配。观察上面的常用懒惰表达式可知，其实懒惰匹配模式，就是在表达式的后面加上一个问号“?”。这样“.*?”就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。比如“bbcbc”字符串，表达式“b.*?c”匹配最短的，以b开始，以c结束的字符串。匹配结果就变为“bbc”。
注意：为什么第一个匹配是bbc（第一到第三个字符）而不是bc（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权。

(全文完)