php学习第四章:正则表达式(四)匹配规则:分组、环视(零宽断言和负向零宽断言)
一、分组()
()来表示一个子表达式,这个括号内的子表达式被当作一个整体来处理
下面我们以一个IPV4的ip地址为例来说明(以下说ip地址是指IPV4下的ip地址)
我们知道一个ip地址类似:220.181.111.147(这个是百度的ip地址,作个范例)
我们大致看一下ip地址的特征:共有四段,每段以.隔开,除.外都是数字,而且每段最多有三位
所以我们可以把ip地址简单的表示为:(\d{1,3}\.){3}\d{1,3} 或者\d{1,3}(\.\d{1,3}){3}
但是,如果熟悉网络知识的朋友可能知道,ip地址是有一定范围的,其范围大致为1.0.0.1-255.255.255.255,所以上述的表示方法并不准确
我们来总结一下ip地址的特征:
1、ip地址一般是4段,每段长度在1-3个字符之间,每段用.来分割
2、每段的长度可能是1位、2位、3位
(1)如果是1位,它可以是任意数字:\d =>情况1
(2)如果是2位,它可以是任意数字:\d\d =>情况2
(3)如果是3位的话,第一位只可能是1和2这两个值,后面两位的值的范围会根据第一个值来决定
1> 如果首位是1,那它后面可以是任意数字:1\d\d =>情况3
2> 如果首位是2,那第二位的范围就是0-5,
如果第二位是0-4,那第三位可以是任意数字:2[0-4]\d =>情况4
如果第二位是5,那第三位的范围是0-5: 25[0-5] =>情况5
现在我们来逐步合并:
前三种情况可以合并:1?\d\d?
所以每段可以合并成:2[0-4]\d|25[0-5]|1?\d\d?
综上:ip地址可以表示为:((2[0-4]\d|25[0-5]|1?\d\d?)\.){3}(2[0-4]\d|25[0-5]|1?\d\d?)
这里我们把每段当成一个组
二、反向引用:用于重复搜索前面某个分组匹配的文本
使用小括号指定一个子表达式后,匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下,每个分组会自动拥有一个组号,规则是:
从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推。
后向引用用于重复搜索前面某个分组匹配的文本。例如:
\1:代表分组1匹配的文本。
难以理解?请看示例:
\b(\w+)\b\s+\1\b可以用来匹配重复的单词,像go go, 或者kitty kitty。这个表达式首先是一个单词,也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b),这个单词会被捕获到编号为1的分组中,然后是1个或几个空白符(\s+),最后是分组1中捕获的内容(也就是前面匹配的那个单词)(\1)。
你也可以自己指定子表达式的组名。要指定一个子表达式的组名,请使用这样的语法:(?<Word>\w+)(或者把尖括号换成'也行:(?'Word'\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容,你可以使用\k<Word>,所以上一个例子也可以写成这样:\b(?<Word>\w+)\b\s+\k<Word>\b。
三、环视:
分类 | 代码/语法 | 说明 |
捕获 | (exp) | 匹配exp,并捕获文本到自动命名的组里 |
(?<name>exp) | 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp) | |
(?:exp) | 匹配exp,不捕获匹配的文本,也不给此分组分配组号 | |
零宽断言 | (?=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 | |
(?<!exp) | 匹配前面不是exp的位置 | |
注释 | (?#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 |