读书笔记《Mastering Regular Expressions》（四）
一、问题
将一个数值字串，从右向左，每三位用逗号分开，比如，将“123456789”替换为“123,456,789”。
二、分析
替换算法的本质是将字串从右向左，每3个字符为一组进行分组，然后在组与组之间插入逗号。
三、语法
正则表达式引入了“预测”和“回顾”这两个概念，它们不是匹配字串，而是匹配一个“位置”，其中预测是正向（自左向右）查看，回顾是反向（自右向左）查看。
| 正则表达式 | 名称 | 说明 | 示例 | |
|---|---|---|---|---|
| (?=...) | 预测 | 断言子表达式在此位置的右侧 | abcd(?=/d) | 匹配右侧紧跟数字的abcd |
| (?!...) | 否定预测 | 断言子表达式不在此位置的右侧 | abcd(?!/d) | 匹配右侧紧跟的不是数字的abcd |
| (?<=...) | 回顾 | 断言子表达式在此位置的左侧 | (?<=/d)abcd | 匹配左侧是数字的abcd |
| (?<!...) | 否定回顾 | 断言子表达式不在此位置的左侧 | (?<!/d)abcd | 匹配左侧不是数字的abcd |
预测和回顾只是匹配一个位置，其中的子表达式并不被匹配。比如有字符“ABCDEFG”，则正则表达式
(?=EFG)(?<=ABCD)或(?<=ABCD)(?=EFG)
就匹配D与E之间的那个位置，而不是匹配EFG，也不匹配ABCD，或其他任何一个字串。 注意，由于只是断言一个位置，所以上述预测和回顾的先后次序并不重要，二者同样都是匹配D与E之间的那个位置。前者的含义是“匹配一个位置，它的右边是 EFG，左边是ABCD”，后者的含义是“匹配一个位置，它的左边是ABCD，右边是EFG”，两者都是同一个意思。下面的Perl在ABCD和EFG之 间插入一个逗号：
$foo = "ABCDEFG";
$foo =~ s/(?<=ABCD)(?=EFG)/,/;
print $foo;
假定要把某段文本中所有的Jeffs都替换为Jeff's（匹配到单词边界），那么，就会有如下几种方案：
|
方案
|
说明
|
|---|---|
| s//bJeffs/b/Jeff's/g | 这是最直观的方法，直接把匹配到的Jeffs替换为Jeff's |
| s//b(Jeff)(s)/b/$1'$2/g | 分组构造，在两个组之间插入单引号 |
| s//bJeff(?=s/b)/Jeff'/g | 预测，仅匹配“后面紧跟s并在单词边界的Jeff”的右侧那个位置 （其它的如Jeffrey中的Jeff不被匹配） |
| s/(?<=/bJeff)(?=s/b)/'/g | 同时使用预测和回顾，在匹配位置处插入单引号 |
| s/(?=s/b)(?<=/bJeff)/'/g | 与上面的行为完全相同，由于预测和回顾只是匹配位置而不是匹配字串，所以先后次序不重要了。 |
四、解决问题
利用预测和回顾，就可以解决“在数值中插入逗号”的问题了。插入算法是：从右向左把数字，每3个分为一组，在组与组之间插入逗号。也就是说，只要匹配到这些位置，就可以在这些位置上插入逗号。
$foo = "123456789";
$foo =~ s/(?=/d/d/d)/,/g;
print $foo;
上面的结果是“,1,2,3,4,5,6,789”，显然不是想要的。
| 正则表达式 | 结果 | 说明 |
|---|---|---|
| s/(?=/d/d/d)/,/g s/(?=(/d/d/d)+)/,/g |
,1,2,3,4,5,6,789 | 1左边的位置被匹配，因为该位置右边有3个数字（123） 同理，1右边的位置也被匹配，该位置右边有3个数字（234）…… 而7的右边位置不再被匹配，因为该位置右边不再有3个数字 |
| s/(?=/d/d/d$)/,/g | 123456,789 | 只有7左边的位置被匹配，因为该点符合以下两个条件： 其右边是3个数字， 且这3个数字在行尾（其右侧什么也没有了）。 |
| s/(?=(/d/d/d)+$)/,/g | ,123,456,789 | 1左边的位置符合条件“其右侧有N组（每组3个数字），且最后一组在行尾”； 2左边的位置不符合该条件，因为其后面是234、567和89，最后的89无法构成一组； 其它同理…… |
| s/(?=(/d/d/d)+$)(?<=/d)/,/g | 123,456,789 | 1左边的位置不再被匹配，因为(?<=/d)的存在，它指示该位置的左侧必须是数字， 而1左边的位置显然不符合。 |
这个正则表达式替换单个的数字串没问题，但如果想要将“The population of 281421906 is growing”中的281421906替换成281,421,906就无能为力了，原因是$限定了最后一组（3个）数字必须在行尾，因此需要把条件修正为“最后一组数字的右边不是数字”，这就要用到“否定预测”：
s/(?=(/d/d/d)+(?!/d))(?<=/d)/,/g（微软VBScript.DLL提供的COM对象IRegExp2，文档里说支持“回顾”语法，但实际运用却会抛出一个异常，不知何故）