正则表示式

以前看到别人正则里写（?=）,(?!)...这些，觉得云里雾里，完全不知道什么意思，今天突然搜到专门介绍的文章，看完后，有一种拨开云雾见月明的感觉。特此分享下。

正则表达式有俩种特别的情况：

　1. 零宽断言：用于查找在某些内容（但不包括这些内容）之前或之后出现的字符，也就是说像\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后面能匹配表达式exp。如：\b\w+(?=ing\b)匹配以ing结尾的单词的前面部分（除了ing以外的部分），如查找I'm singing while you're dancing.时，它会匹配sing和danc。

     （?<=exp）也叫零宽度正回顾后发断言，它断言自身出现的位置前面能匹配表达式exp。如：(?<=\bre)\w+\b会匹配以re开头的单词的后面部分（除了re以外的部分），例如在查找reading a book时，它匹配ading。

　　 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xxxxxxxxxx进行查找时结果是xxxxxxxxxx

      下面这个例子同时使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)

      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。

 

  2. 负向零宽：如果我们只是想要确保某个字符没有出现，但是不想去匹配它是怎么办？

 

　　 例如我们想查找这样的单词：它里面出现了字母q,但是q后面跟的不是字母u。我们可以尝试这样：\b\w*q[^u]\w*\b匹配包含字母q后面不是字母u的单词，但是如果多做测试(或者你思维足够敏锐，直接就观察出来了)，你会发现，如果q出单词的结尾的话，像Iraq,Benq，这个表达式就会出错。因为[^u]总要去匹配一个字符，当字母q出现在最后的话，[^u]就会去匹配q后面的单词分隔符（可能是空格，句号，或者其它什么的），后面的\w*\b将会匹配下一个单词，于是\b\w*q[^u]\w*\b就能匹配整个Iraq fighting。负向零宽断言能解决这样的问题，因为它只匹配一个位置，不消耗任何字符。我们可以这样来解决这个问题：\b\w*q(?!u)\w*\b。

 

     （?!exp）零宽度负预测先行断言，断言此后面的位置不能匹配表达式exp。例如：\d{3}(?!\d)匹配3为数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

 

     （?<!exp）零宽度负回顾后发断言，断言此位置的前面不能匹配表达式exp。(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

 

一个更复杂的例子：(?<=<(\w+)>).*(?=<\/\1>)这个表达式最能表现零宽断言的真正用途。匹配不包含属性的简单HTML标签内里的内容。 (?<=<(\w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是<b>)，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，将”/“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<b>的话，后缀就是</b>了。整个表达式匹配的 是<b>和</b>之间的内容(再次提醒，不包括前缀和后缀本身)。