正则表达之零宽断言（零宽度正预测先行断言）

http://www.cnblogs.com/mu-mu/archive/2013/02/06/2893581.html

 

  最近为了对html文件进行源码处理，需要进行正则查找并替换。于是借着这个机会把正则系统地学一下，虽然以前也用过正则，但每次都是临时学一下混过关的。在学习的过程中还是遇到不少问题的，特别是零宽断言（这里还要吐槽下，网上到处都是都复制粘贴的内容，遇到个问题查看了不少重复的东西，汗！！！），所以在这里把自己的理解写下来，方便以后查阅！

      零宽度正预测先行断言是什么呢，看msdn上的官方解释定义

(?= 子表达式)

（零宽度正预测先行断言。）仅当子表达式在此位置的右侧匹配时才继续匹配。例如，\w+(?=\d) 与后跟数字的单词匹配，而不与该数字匹配。

      经典的例子：某单词以ing结尾，要获取ing前面的内容

var reg = new Regex(@"\w+(?=ing)");
var str = "muing";
Console.WriteLine(reg.Match(str).Value);//返回mu

      以上是网上到处可见的例子，到这里或许你明白了，原来就是返回了exp表达式前面的内容。

     再看下面的的代码

var reg = new Regex(@"a(?=b)c");
var str = "abc";
Console.WriteLine(reg.IsMatch(str));//返回false

      为什么会返回false？

     其实msdn官方定义已经说了，只是它说得很官方而已。这里需要我们注意一个关键点：此位置。没错，是位置而不是字符。那么结合官方定义和第一个例子来理解第二个例子：

     因为a后面是b，则此时返回了匹配内容a（由第一个例子知道，只返回a不返回exp匹配的内容），此时a(?=b)c中的a(?=b)部分已经解决了，接下来要解决c的匹配问题了，此时匹配c要从字符串abc哪里开始呢，结合官方定义，就知道是从子表达的位置向右开始的，那么就是从b的位置开始，但b又不匹配a(?=b)c剩余部分的c，所以abc就不匹配a(?=b)c了。

     那么如果要上面的进行匹配，正则应该如何写呢？

     答案是：a(?=b)bc

     当然，有人会说直接abc就匹配上了，还要这么折腾吗？当然不用这么折腾，只是为了说明零宽度正预测先行断言到底是怎么一回事？关于其它的零宽断言也是同一原理！

 

 

---------------------------------------------------------------------------------------------------------------------------------------------------------------------

(?= 子表达式)	（零宽度正预测先行断言。） 仅当子表达式在此位置的右侧匹配时才继续匹配。例如，\w+(?=\d) 与后跟数字的单词匹配，而不与该数字匹配。此构造不会回溯。
(?<= 子表达式)	（零宽度正回顾后发断言。） 仅当子表达式在此位置的左侧匹配时才继续匹配。例如，(?<=19)99 与跟在 19 后面的 99 的实例匹配。此构造不会回溯。

 

　　　 
 http://deerchao.net/tutorials/regex/regex.htm
     (?<=    # 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

 

下面讲下我的理解：

(1).零宽度

这表示匹配是一个位置(Loaction)而不是子表达式。

(2).预测先行，回顾后发

(?= 子表达式)，预测先行， 返回与子表达式匹配的前面位置，从做左到右匹配。

(?<= 子表达式)，回顾后发，返回与子表达式匹配的后边位置，从右到左匹配。

我们可以想象有在模式匹配过程中有一指针标志当前匹配的位置，这样当子表达式匹配时 预测先行 把指针指到子表达式前边，回顾后发则为后边。可以参考上边代码。