正则基础之——反向引用

1        概述

捕获组捕获到的内容，不仅可以在正则表达式外部通过程序进行引用，也可以在正则表达式内部进行引用，这种引用方式就是反向引用。要了解反向引用，首先要了解捕获组，关于捕获组，参考 正则基础之——捕获组（capture group）。

反向引用的作用通常是用来查找或限定重复、查找或限定指定标识配对出现等等。

对于普通捕获组和命名捕获组的引用，语法如下：

普通捕获组反向引用：\k<number>，通常简写为\number

命名捕获组反向引用：\k<name>或者\k'name'

普通捕获组反向引用中number是十进制的数字，即捕获组的编号；命名捕获组反向引用中的name为命名捕获组的组名。

2       反向引用匹配原理

捕获组(Expression)在匹配成功时，会将子表达式匹配到的内容，保存到内存中一个以数字编号的组里，可以简单的认为是对一个局部变量进行了赋值，这时就可以通过反向引用方式，引用这个局部变量的值。一个捕获组(Expression)在匹配成功之前，它的内容可以是不确定的，一旦匹配成功，它的内容就确定了，反向引用的内容也就是确定的了。

反向引用必然要与捕获组一同使用的，如果没有捕获组，而使用了反向引用的语法，不同语言的处理方式不一致，有的语言会抛异常，有的语言会当作普通的转义处理。

2.1     从一个简单例子说起

源字符串：abcdebbcde

正则表达式：([ab])\1

对于正则表达式“([ab])\1”，捕获组中的子表达式“[ab]”虽然可以匹配“a”或者“b”，但是捕获组一旦匹配成功，反向引用的内容也就确定了。如果捕获组匹配到“a”，那么反向引用也就只能匹配“a”，同理，如果捕获组匹配到的是“b”，那么反向引用也就只能匹配“b”。由于后面反向引用“\1”的限制，要求必须是两个相同的字符，在这里也就是“aa”或者“bb”才能匹配成功。

考察一下这个正则表达式的匹配过程，在位置0处，由“([ab])”匹配“a”成功，将捕获的内容保存在编号为1的组中，然后把控制权交给“\1”，由于此时捕获组已记录了捕获内容为“a”，“\1”也就确定只有匹配到“a”才能匹配成功，这里显然不满足，“\1”匹配失败，由于没有可供回溯的状态，整个表达式在位置0处匹配失败。

正则引擎向前传动，在位置5之前，“([ab])”一直匹配失败。传动到位置5处时，，“([ab])”匹配到“b”，匹配成功，将捕获的内容保存在编号为1的组中，然后把控制权交给“\1”，由于此时捕获组已记录了捕获内容为“b”，“\1”也就确定只有匹配到“b”才能匹配成功，满足条件，“\1”匹配成功，整个表达式匹配成功，匹配结果为“bb”，匹配开始位置为5，结束位置为7。

扩展一下，正则表达式“([a-z])\1{2}”也就表达连续三个相同的小写字母。

2.2     一个复杂例子的分析

详细的分析讨论参考：正则表达式正向预搜索的问题。

源字符串：aaa bbbb ffffff 999999999

正则表达式：(\w)((?=\1\1\1)(\1))+

测试代码：

string test = "aaa bbbb ffffff 999999999";

Regex reg = new Regex(@"(\w)((?=\1\1\1)(\1))+");

MatchCollection mc = reg.Matches(test);

foreach (Match m in mc)

{

      richTextBox2.Text += "匹配结果：" + m.Value.PadRight(12, ' ') + "匹配开始位置：" + m.Index + "\n";

}

//输出

匹配结果：bb          匹配开始位置：4

匹配结果：ffff        匹配开始位置：9

匹配结果：9999999     匹配开始位置：16

匹配结果分析：

正则表达式(\w)((?=\1\1\1)(\1))+从匹配结果上分析，其实就等价于 (\w)(\1)*(?=\1\1\1)(\1) ，这个会相对好理解一些，下面讨论下分析过程。

因为“+”等价于“{1,}”，表示至少匹配1次，下面把子表达式“((?=\1\1\1)(\1))+”展开来看下规律，下表中的“次数”表示子表达式“((?=\1\1\1)(\1))+”匹配成功的次数 。

次数	等价表达式
1	(\w)((?=\1\1\1)(\1))
2	(\w)((?=\1\1\1)(\1))((?=\1\1\1)(\1))
3	(\w)((?=\1\1\1)(\1))((?=\1\1\1)(\1))((?=\1\1\1)(\1))
…	…

如果最后一个“((?=\1\1\1)(\1))”匹配成功，那么中间的“((?=\1\1\1)(\1))”一定可以匹配成功，所以中间的限制条件(?=\1\1\1)就没有意义了，这时就可以简写为“(\1)”，也就是

次数	等价表达式
1	(\w)((?=\1\1\1)(\1))
2	(\w)(\1)((?=\1\1\1)(\1))
3	(\w)(\1)(\1)((?=\1\1\1)(\1))
…	…

可以归纳为等价于

(\w)(\1)*((?=\1\1\1)(\1))

因为“((?=\1\1\1)(\1))”开始和结尾的()原来是用作量词+修饰范围的，这里已经没有什么意义了，所以表达式最后可以归纳为等价于

(\w)(\1)*(?=\1\1\1)(\1)

分析这个表达式就容易多了。“(\w)”匹配一个字符，占一位，“\1”是对“\w”匹配内容的引用，“(\1)*”可以匹配0到无穷多个“(\w)”匹配到的字符，“(?=\1\1\1)(\1)”只占一位，但是“(?=\1\1\1)”要求所在位置右侧有三个连续相同的“(\w)”匹配到的字符，所以在“(?=\1\1\1)”这个位置右侧应该有三个字符，不过只有这个位置右侧的一个字符计入最后的匹配结果，最后两个只作为限制条件，不计入最后的匹配结果 。

以“999999999”为例，第一个“9”由“(\w)”匹配，第二到第六个“9”由“(\1)*”来匹配，第七个“9”由“(?=\1\1\1)(\1)”中最后的“(\1)”来匹配，而第七、八、九这三个“9”是用来保证满足“(?=\1\1\1)”这个条件的。

2.3     反向引用的编号

对于普通捕获组的反向引用，是通过捕获组的编号来实现的，那么对于一些可能存在歧义的语法又是如何解析的呢？对于正则表达式

([ab])\10

这里的“\10”会被解析成第10个捕获组的反向引用，还是第1个捕获组的反向引用加一个普通字符“0”呢?不同语言的处理方式是不一样的。

string test = "ab0cdebb0cde";

richTextBox2.Text = Regex.Match(test, @"([ab])\10").Value;

在.NET中，以上测试代码输出为空，说明这里的“\10”被解析成第10个捕获组的反向引用，而这个表达式中是不存在第10个捕获组的，所以匹配结果为空。

<script type="text/javascript"> 

var str = "ab0cdebb0cde";

var reg = /([ab])\10/;

var arr = str.match(reg);

if(arr != null)

{

    document.write(arr[0]);

}

</script>

/*--------输出--------

bb0

*/

而在JavaScript中，由于浏览器解析引擎的不同，得到的结果也不一样，以上为IE下是可以得到匹配结果“bb0”，说明在IE的浏览器引擎中，“\10”被解析成第1个捕获组的反向引用加一个普通字符“0”。而在Firefox、Opera等浏览器中，得到的结果为空，说明“\10”被解析成第10个捕获组的反向引用，而这个表达式中是不存在第10个捕获组的。

string test = "ab0cdebb0cde";

richTextBox2.Text = Regex.Match(test, @"([ab])\10", RegexOptions.ECMAScript).Value;

/*--------输出--------

bb0

*/

而在.NET中，如果正则表达式加了RegexOptions.ECMAScript参数，则这里的“\10”被解析成第1个捕获组的反向引用加一个普通字符“0”。

至于正则表达式中确实有10个以上的捕获组时，“\10”的具体意义留给有兴趣的读者去测试了，因为在实际应用当中，如果你的正则表达式中用到了10个以上捕获组，而同时又用到了第10个以上捕获组的反向引用时，就要注意分析一下，你的正则是否需要进行优化，甚至于这里是否适合使用正则表达式了。

出于对现实应用场景的分析，第10个以上捕获组的反向引用几乎不存在，对它的研究通常仅存在于理论上。而对于10个以内捕获组反向引用后面还有数字，容易造成混淆的情况，可以通过非捕获组来解决。

([ab])\1(?:0)

这样就可以明确，是对第1个捕获组的反向引用，后面跟一个普通字符“0”。也就不会产生混淆了。

string test = "ab0cdebb0cde";

richTextBox2.Text = Regex.Match(test, @"([ab])\1(?:0)").Value;

/*--------输出--------

bb0

*/

而事实上，即使是这样用的场景也非常少，至今为止，只在日期正则表达式中用到过。

^(?:(?!0000)[0-9]{4}([-/.]?)(?:(?:0?[1-9]|1[0-2])\1(?:0?[1-9]|1[0-9]|2[0-8])|(?:0?[13-9]|1[0-2])\1(?:29|30)|(?:0?[13578]|1[02])\1(?:31))|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)([-/.]?)0?2\2(?:29))$

这一节讨论的内容，了解一下就可以了，在实际应用当中，如果遇到，注意一下不要出现混淆而导致匹配结果错误就可以了。

3       反向引用应用场景分析

反向引用的作用通常是用来查找或限定重复、查找或限定指定标识配对出现等等。以下以实例进行场景分析及应用讲解。

3.1     查找重复

查找重复通常的应用场景是查找或验证源字符串中，是否有重复单词、重复项等等。

3.1.1  验证数字元素重复项

需求描述：

验证源字符串中以“,”分隔的数字是否有重复项。

代码实现：

string[] test = new string[] { "1,2,3,123,32,13", "12,56,89,123,56,98", "8,2,9,10,38,29,2,9", "8,3,9,238,93,23" };

Regex reg = new Regex(@"\b(\d+)\b.*?\b\1\b");

foreach (string s in test)

{

     richTextBox2.Text += "源字符串： " + s.PadRight(20, ' ') + "验证结果： " + reg.IsMatch(s) + "\n";

}

/*--------输出--------

源字符串： 1,2,3,123,32,13     验证结果： False

源字符串： 12,56,89,123,56,98  验证结果： True

源字符串： 8,2,9,10,38,29,2,9  验证结果： True

源字符串： 8,3,9,238,93,23     验证结果： False

*/

源字符串的规则比较明确，就是用“,”分隔的数字，类似于这种查找是否有重复的需求，最简单的就是用反向引用来解决了。

由于要验证的是用“,”分隔的元素的整体是否有重复，所以“(\d+)”两侧的“\b”就是必须的，用来保证取到的数字子串是一个元素整体，而不是“123”中的“1”，当然，这里前后两个“\b”分别换成“(?<!\d)”和“(?!\d)”是一个效果，可能意义上更明确。后面的两个“\b”也是一样的作用。

3.1.2  验证连续数字是否有重复

参考 问两个正则表达式。

需求描述：

数据:

1985aaa1985bb

bcae1958fiefadf1955fef

atijc1944cvkd

df2564isdjfef2564d

实现1:匹配第一次出现的四个数字.然后后面也存在这四个数字的

如:

1985aaa1985bb

第一次出现的四个数字是1985.然后后面也存在这四个数字,所以这个匹配

bcae1958fiefadf1955fef

第一次出现的四个数字是1958.然后后面不存在这四个数字.所以不匹配

-----

所以实现1.应该匹配

1985aaa1985bb

df2564isdjfef2564d

代码实现：

//如果是验证第一个出现的连续4个数字是否有重复

string[] test = new string[] { "1985aaa1985bb", "bcae1958fiefadf1955fef", "atijc1944cvkd", "df2564isdjfef2564d", "abc1234def5678ghi5678jkl" };

Regex reg = new Regex(@"^(?:(?!\d{4}).)*(\d{4})(?:(?!\1).)*\1");

foreach (string s in test)

{

     richTextBox2.Text += "源字符串：  " + s.PadRight(25, ' ') + "验证结果：  " + reg.IsMatch(s) + "\n";

}

/*--------输出--------

源字符串：  1985aaa1985bb            验证结果：  True

源字符串：  bcae1958fiefadf1955fef   验证结果：  False

源字符串：  atijc1944cvkd            验证结果：  False

源字符串：  df2564isdjfef2564d       验证结果：  True

源字符串：  abc1234def5678ghi5678jkl 验证结果：  False

*/

由于需求要求验证第一次出现的四个数字是否有重复，所以这里需要用“^(?:(?!\d{4}).)*(\d{4})”来保证捕获组取得的是第一次出现的四个数字。

这样写可能有些复杂，可读性较差，但这里需要用这种顺序环视结合贪婪模式，来达到匹配第一次出现的四个数字的目的，而不能使用非贪婪模式.

对于使用非贪婪模式的正则“^.*?(\d{4})(?:(?!\1).)*\1”，可以看一下它匹配的结果。

string[] test = new string[] { "1985aaa1985bb", "bcae1958fiefadf1955fef", "atijc1944cvkd", "df2564isdjfef2564d", "abc1234def5678ghi5678jkl" };

Regex reg = new Regex(@"^.*?(\d{4})(?:(?!\1).)*\1");

foreach (string s in test)

{

     richTextBox2.Text += "源字符串：  " + s.PadRight(25, ' ') + "验证结果：  " + reg.IsMatch(s) + "\n";

}

/*--------输出--------

源字符串：  1985aaa1985bb            验证结果：  True

源字符串：  bcae1958fiefadf1955fef   验证结果：  False

源字符串：  atijc1944cvkd            验证结果：  False

源字符串：  df2564isdjfef2564d       验证结果：  True

源字符串：  abc1234def5678ghi5678jkl 验证结果：  True

*/

是的，最后一项的验证结果也是“True”，为什么会这样？当捕获组“(\d{4})”匹配到“1234”时，由于“1234”没有重复，所以后面的子表达式匹配失败，此时“.*?”会进行回溯，放弃当前状态，继续向前匹配，直到它匹配到“5678”前的“f”，由捕获组“(\d{4})”匹配到“5678”，后面的子表达式可以匹配成功，报告整个表达式匹配成功。

NFA引擎在有可供回溯的状态时，会一直尝试直到所有可能都尝试失败后才报告失败。上例中非贪婪模式在继续尝试时是可以找到匹配成功的位置的，而采用贪婪模式的正则“^(?:(?!\d{4}).)*(\d{4})”，由于“^(?:(?!\d{4}).)*”匹配到的内容不可能是连续的四个数字，所以无论怎么回溯，接下来的“(\d{4})”都不可能匹配成功，一直回溯到起始位置“^”，报告整个表达式匹配失败。

而后面的顺序环视+贪婪模式子表达式“(?:(?!\1).)*”则不存在以上问题，所以在源字符串比较简单时可以写作“.*?”，不会影响匹配结果。

而对于验证任意位置是否存在四个重复数字，则不需要加起始位置的限定。

//如果是验证任意位置出现的连续4个数字是否有重复，可以用我38楼的正则

string[] test = new string[] { "1985aaa1985bb", "bcae1958fiefadf1955fef", "atijc1944cvkd", "df2564isdjfef2564d", "abc1234def5678ghi5678jkl" };

Regex reg = new Regex(@"(\d{4})(?:(?!\1).)*\1");

foreach (string s in test)

{

     richTextBox2.Text += "源字符串：  " + s.PadRight(25, ' ') + "验证结果：  " + reg.IsMatch(s) + "\n";

}

/*--------输出--------

源字符串：  1985aaa1985bb            验证结果：  True

源字符串：  bcae1958fiefadf1955fef   验证结果：  False

源字符串：  atijc1944cvkd            验证结果：  False

源字符串：  df2564isdjfef2564d       验证结果：  True

源字符串：  abc1234def5678ghi5678jkl 验证结果：  True

*/

3.2     限定指定标识配对

相对于查找重复来说，查找或指定标识配对出现这种应用场景要更多一些。尤其是对于HTML的处理中，这种应用更普遍。

3.2.1  限定标点配对

由于HTML语言的不规范性，导致以下三种写法可以被解析。

1.   <a href=www.csdn.net>CSDN</a>

2.   <a href='www.csdn.net'>CSDN</a>

3.   <a href="www.csdn.net">CSDN</a>

而这对于一些需要进行字符串解析的应用，造成很大的麻烦。在提取链接时，虽然两侧都用“[‘”]?”通常也可以得到正确结果，却不如用反向引用来得严谨、方便。

Regex reg = new Regex(@"(?is)<a(?:(?!href=).)*href=(['""]?)(?<url>[^""'\s>]*)\1[^>]*>(?<text>(?:(?!</a>).)*)</a>");

MatchCollection mc = reg.Matches(yourStr);

foreach (Match m in mc)

{

     richTextBox2.Text += m.Groups["url"].Value + "\n";

     richTextBox2.Text += m.Groups["text"].Value + "\n";

}

/*--------输出--------

www.csdn.net

CSDN

www.csdn.net

CSDN

www.csdn.net

CSDN

*/

以下可以正确解析出三种形式的HTML代码中的链接和文本，下面把正则改一下

Regex reg = new Regex(@"(?is)<a(?:(?!href=).)*href=(['""])?(?<url>[^""'\s>]*)\1[^>]*>(?<text>(?:(?!</a>).)*)</a>");

看到区别了吗？只是把“([‘””]?)”改成了“([‘””])?”，结果会怎么样呢？

Regex reg = new Regex(@"(?is)<a(?:(?!href=).)*href=(['""])?(?<url>[^""'\s>]*)\1[^>]*>(?<text>(?:(?!</a>).)*)</a>");

MatchCollection mc = reg.Matches(yourStr);

foreach (Match m in mc)

{

     richTextBox2.Text += m.Groups["url"].Value + "\n";

     richTextBox2.Text += m.Groups["text"].Value + "\n";

}

/*--------输出--------

www.csdn.net

CSDN

www.csdn.net

CSDN

*/

结果只取到了两组数据。这是因为对于情况1的HTML字符串，在“([‘””]?)”这种情况下，捕获组虽然匹配到的只是一个位置，但毕竟是匹配成功了，所以可以用“\1”进行反向引用；而改成“([‘””])?”，捕获组根本就没有进行匹配，所以也就无法进行反向引用。

当然，对于HTML来说，还有一些比较复杂的情况，如

<a href="javascript:alert(1 > 2)"/>

这种复杂情况涉及到的场景比较少，通常应用可以不予以考虑，否则考虑的场景太复杂，会影响匹配效率。写正则的一个一般原则就是，适用就好。这种场景如果遇到，需求根据具体情况，是否需要提取等进行分析，根据分析结果不同，写出的正则也是不一样的。

3.2.2          限定标签配对

这种应用一般是在取某几个特定标签，或是动态生成正则表达式时用到。

需求描述：

删除<script…>…</script>与<style…>…</style>标签及其中间的内容。

代码实现：

Regex reg = new Regex(@"(?is)<(script|style)\b[^>]*>(?(?!\1\b).)*</\1>");

string result = reg.Replace(yourStr, "");

因为这里要删除的标签不止一个，所以事先无法确定是哪个标签，需要用到反向引用来限定标签的配对。

当然，对于标签有嵌套的情况，就要用到平衡组了。可以参考 .NET正则基础之——平衡组。

3.2.3  取配对标签中的内容

需求描述：

[id]5554323[id!][destid]10657302023180404[destid!][srcterminalid]13518841197[srcterminalid!][msgcontent]好的[msgcontent!][receivetime]20090409165217[receivetime!]

源字符串中标签成对出现，无嵌套，分别提取标签和对应的内容。

代码实现：

string test = "[id]5554323[id!][destid]10657302023180404[destid!][srcterminalid]13518841197[srcterminalid!][msgcontent]好的[msgcontent!][receivetime]20090409165217[receivetime!]";

Regex reg = new Regex(@"(?s)\[([^\]]+)\]((?:(?!\[\1).)*)\[\1!\]");

MatchCollection mc = reg.Matches(test);

foreach (Match m in mc)

{

     richTextBox2.Text += "Tag: " + m.Groups[1].Value.PadRight(20, ' ') + "Content: " + m.Groups[2].Value + "\n";

}

/*--------输出--------

Tag: id                  Content: 5554323

Tag: destid              Content: 10657302023180404

Tag: srcterminalid       Content: 13518841197

Tag: msgcontent          Content: 好的

Tag: receivetime         Content: 20090409165217

*/

这种需求通常是由捕获组匹配到一个标签，然后向后匹配，直到与之配对的标签外为止，根据源字符串的特点，中间可以使用非贪婪模式，也可以使用顺序否定环视+贪婪模式。

3.3     反向引用的综合应用

3.3.1   12位数字，其中不能出现6位连续相同数字

需求描述：

只允许12位数字，并且其中不能出现6位连续相同数字。

例如，123456789012是允许的，而123333334567是不允许的。

正则表达式：^(?:([0-9])(?!\1{5})){12}$

类似这种需要判定是否有连续相同元素的需求，其实也是验证重复，也要用到反向引用。

说下分析过程，需求分解一下：

1、 一个数字

2、 它后面不能连续出现5个与它相同的数字

3、 满足以上两条的字符一共12个

那么根据需求分解写出相应的正则：

1、([0-9])

2、(?!\1{5})

3、.{12}

将以上三个分解后得出的正则，按需求逻辑关系，组合一下：

(([0-9])(?!\1{5})){12}

由于是验证整个字符串的规则，所以开始和结束标识“^”和“$”是少不了的，不需要用捕获组的地方，用非捕获代替，也就成了最后满足需求的正则：

^(?:([0-9])(?!\1{5})){12}$

其实这个例子的分析过程，也是一些正则问题解析的通用过程，先把复杂的需求由整到零的分解，再各个实现，然后把实现的正则由零到整，考虑一下相互间的逻辑关系，基本上就可以得出正确的正则表达式了。

3.3.2   A-Z以内不重复的10个字母

需求描述：A-Z以内不重复的10个字母

正则表达式1：^(?:([A-Z])(?!.*?\1)){10}$

正则表达式2：^(?:([A-Z])(?=((?!\1).)*$)){10}$

这个需求与上一个需求类似，分析过程也差不多。其实这个问题如果用正则来实现，思路是非常清晰的 。

首先因为是验证规则，所以“^”和“$”是必不可少的，分别匹配开始和结束的位置 。

然后是10个字母，那么([A-Z]){10}，合起来就是^([A-Z]){10}$ 。

最后就是加一个规则，字母不能重复 。

如何保证不能重复，必然是用到反向引用 ，(一个字母)后面任意一个字母不能与这个字母重复，这样实现起来就有两种方式，当然，实质都是一样的

实现方式一：^(?:([A-Z])(?!.*?\1)){10}$

实现方式二：^(?:([A-Z])(?=(?:(?!\1).)*$)){10}$

在这个需求当中，由于可能出现的源字符串不会太长，也不会太复杂，所以这两个正则表达式在匹配效率上不会有明显的差异。

解释一下正则的含义，先解释一下方式一的正则：

^(?:([A-Z])(?!.*?\1)){10}$

“^”和“$”分别匹配开始和结束位置，“{10}”为量词，表示修饰的子串重复10次。

“(?:Expression)”是非捕获组，目的是不将“()”内的“Expression”匹配的内容保存到内存中，之所以要这样用，是因为后面的反向引用使用的是“\1”，如果不用非捕获组，那么“([A-Z])”就是编号为2的捕获组，后面的“\1”就要换成“\2”，来引用第二个捕获组，替换后对匹配结果当然不会有什么影响，但由于由“(([A-Z])(?!.*?\1))”捕获的内容我们并不关心，所以还是用非捕获组，可以提升匹配效率。

“([A-Z])”就是匹配A到Z之间的任意一个字母，并保存匹配结果到捕获组中。

“(?!.*?\1)”顺序环视，它是零宽度的，虽然进行匹配，但不保存匹配结果，可以理解为它就是在所在位置的右侧附加了一个条件，用在这里表示，它所在位置的右侧，不管间隔多少个字符，都不能出现之前匹配到的那个字符，也就是不能有重复的字母出现。

“(?:([A-Z])(?!.*?\1)){10}”就是匹配到这样一个字符 ：

1、它首先是一个字母；

2、然后这个字母的右侧间隔任意多个字符，不能再出现同样的字母；

3、最后，符合以上两条规则的字符，一共有10个。

加上首尾限定字符“^”和“$”，就是满足需求的正则。

接下来讨论一下方式二的正则：

^(?:([A-Z])(?=(?:(?!\1).)*$)){10}$

思路和以及其余部分子表达式与方式一完全一样 ，只有“(?=(?:(?!\1).)*$)”这里不同，这个子表达式表示，它所在位置右侧，一直到结尾，都不能是之前匹配到的那个字符。方式一是非贪婪模式的实现，而这个就是贪婪模式的实现。

这里需要用到顺序肯定环视“(?=Expression)”，而不能用非捕获组“(?:(?:(?!\1).)*$)”，是因为这里的表达式不能占有字符，只能作为条件存在，由量词“{10}”修饰的子表达式最终只能匹配一个字符，否则就无法限定长度了。

3.3.3   提取指定单元长度字符串

需求描述 参考 求一正则表达式（c# ）：

例如有字符串 string str = "w1w2w3w2w3w1w3w2w4w5w4w5w4w4w5w4w2w4w3w4w3w2w6w5w6w5w6w4w7",找出有且仅有两个单元（w+数字作为一个单元，例如：w1,w2）组成的长度大于等于4个单元的字串（必须包括这两个单元），这个例子，应输出："w2w3w2w3","w4w5w4w5w4w4w5w4","w4w3w4w3","w6w5w6w5w6" 。

如果找出有且仅有三个单元长度大于等于6个单元的字串，该如何写正则表达式？

代码实现：

//第一个需求，两单元的

string str = "w7w7w7w5w7w1w2w3w2w3w1w3w2w4w5w4w5w4w4w5w4w2w4w3w4w3w2w6w5w6w5w6w4w7w7w7w5w7";

MatchCollection mc = Regex.Matches(str, @"(?i)(?=(w\d)\1*(w\d))(?:\1|\2){4,}");

foreach (Match m in mc)

{

     richTextBox2.Text += m.Value + "\n";

}

/*--------输出--------

bb0w7w7w7w5w7

w2w3w2w3

w4w5w4w5w4w4w5w4

w4w3w4w3

w6w5w6w5w6

w4w7w7w7

*/

//第二个需求，三单元的

string str = "w7w7w7w5w7w1w2w3w2w3w1w3w2w4w5w4w5w4w4w5w4w2w4w3w4w3w2w6w5w6w5w6w4w7w7w7w5w7";

MatchCollection mc = Regex.Matches(str, @"(?i)(?=(w\d)\1*(w\d)(?:\1|\2)*(w\d))(?:\1|\2|\3){6,}");

foreach (Match m in mc)

{

     richTextBox2.Text += m.Value + "\n";

}

/*--------输出--------

bb0w7w7w7w5w7w1

w2w3w2w3w1w3w2

w4w5w4w5w4w4w5w4w2w4

w2w6w5w6w5w6

w4w7w7w7w5w7

*/

这个实例可以认为是环视和反向引用综合运用的一个经典实例。主要是用到了环视零宽度，不占有字符的特性，先由环视来取得规定单元的捕获组的内容，再通过反向引用来进行实际的匹配。