深入理解正则表达式环视的概念与用法
2016-09-13 12:56
836 查看
文章大纲:
深入理解正则表达式环视的概念与用法 一、环视的概念 (一)环视概念与匹配过程示例 示例一:简单环视匹配过程 (二)什么是消耗正则的匹配字符? 示例二:一次匹配消耗匹配字符匹配过程 示例三:多次匹配消耗匹配字符匹配过程 二、环视的类型 (一)肯定和否定 (二)顺序和逆序 · 两种类型名称组合 · 四种组合的用法 四种组合正则与环视的摆放位置 1、肯定顺序:(?=exp) (1)常规用法 示例四:肯定顺序环视常规用法 (2)变种用法 示例五:肯定顺序环视变种用法 2、否定顺序:(?!exp) 示例六:否定顺序环视 3、肯定逆序:(?<=exp) 示例七:肯定逆序环视 4、否定逆序:(?<!exp) 示例八:否逆序环视 三、环视的应用 示例九:正则分块组合法-必须包含字母、数字、特殊字符 示例十:正则逐步完善法-排除特定标签p/a/img,匹配html标签 示例十一:正则减除查错法-匹配异常原因查找 总结
在《深入讲解正则表达式高级教程-环视》中已经对环视做了简单的介绍,但是,可能还有一些读者比较迷惑,今天特意以专题的形式,深入探讨一下正则表达式的环视的概念与用法。
一、环视的概念
环视,在不同的地方又称之为零宽断言,简称断言。环视强调的是它所在的位置,前面或者后面,必须满足环视表达式中的匹配情况,才能匹配成功。
环视可以认为是虚拟加入到它所在位置的附加判断条件,并不消耗正则的匹配字符。
(一)环视概念与匹配过程示例
示例一:简单环视匹配过程
例如,对于源字符串ABC,正则
(?=A)[A-Z]匹配的是:
(?=A)所在的位置,后面是
A
表达式
[A-Z]匹配
A-Z中任意一个字母
根据两个的先后位置关系,组合在一起,那就是:
(?=A)所在的位置,后面是
A,而且是
A-Z中任意一个字母,因此,上面正则表达式匹配一个大写字母
A。
从例子可以看出,从左到右,正则分别匹配了环视
(?=A)和
[A-Z],由于环视不消耗正则的匹配字符,因此,
[A-Z]还能对
A进行匹配,并得到结果。
(二)什么是消耗正则的匹配字符?
在《深入讲解正则表达式高级教程》里我们已经讲过,正则是按照单个字符来进行匹配的,一般情况下是从左到右,逐个匹配源字符串中的内容。示例二:一次匹配消耗匹配字符匹配过程
例如,对于源字符串ABCAD,正则
A[A-Z]匹配的过程是:
正则
A:因为没有位置限定,因此是从源字符串开始位置开始,也就是正则里的
^,这个
^是虚拟字符,表示匹配字符串开始位置,也就是源字符串
ABCAD里的
A前面的位置,因为正则
A能够匹配源字符串
A,匹配成功,匹配位置从源字符串
^的位置后移一位,到达
A后面,即此时源字符串
ABCAD的
A这个字符已经被消耗,接下来的正则匹配从
A后面开始。
正则
[A-Z]:当前匹配位置为第一个
A字母后面位置,正则
[A-Z]对源字符串
ABCAD里的
B字母进行匹配,匹配成功,位置后移到
B字母后面的位置。至此,由于正则已经匹配完成,因此,正则
A[A-Z]匹配结果是
AB。
我们知道,有些语言如js支持
g模式修饰符,也就是全局匹配,那么,上面例子中,正则匹配1次成功之后,将会从匹配成功位置(
B字母后面位置)开始,再从头进行匹配一次正则,直到源字符串全部消耗完为止。
示例三:多次匹配消耗匹配字符匹配过程
因此,全局匹配的过程补充如下:正则
A:当前匹配位置为
B字母后面位置,正则
A去匹配源字符串中的
C,匹配失败,匹配位置后移一位,此时
C被消耗了。
正则
A:当前匹配位置为
C字母后面位置,正则
A去匹配源字符串中的第二个
A字母,匹配成功,匹配位置后移一位,此时
A被消耗了。
正则
[A-Z]:当前匹配位置为第二个
A字母后面位置,正则
[A-Z]对源字符串
ABCAD里的
D字母进行匹配,匹配成功,位置后移到
D字母后面的位置,此时
D被消耗了。
由于正则里还有个源字符串结束位置,也就是正则里的
$,这个
$也是虚拟字符,因此,还要继续进行匹配:
正则
A:当前匹配位置为
D字母后面的位置,正则
A去匹配源字符串的结束位置,匹配失败,匹配结束。
最终匹配结果是
AB和
AD。
二、环视的类型
环视的类型有两类:(一)肯定和否定
1、肯定:(?=exp)和
(?<=exp)
2、否定:
(?!exp)和
(?<!exp)
(二)顺序和逆序
1、顺序:(?=exp)和
(?!exp)
2、逆序:
(?<=exp)和
(?<!exp)
· 两种类型名称组合
1、肯定顺序:(?=exp)
2、否定顺序:
(?!exp)
3、肯定逆序:
(?<=exp)
4、否定逆序:
(?<!exp)
· 四种组合的用法
四种组合,根据正则与环视位置的不同,又可以组合出来8种不同的摆放方式。一般来说,顺序的环视,放在正则后面,认为是常规用法,而放在正则前面,对正则本身的匹配起到了限制,则认为是变种的用法。
而逆序的环视,常规用法是环视放在正则前面,变种用法是放在正则后面。
总结一句话就是:常规用法,环视不对正则本身做限制。
但是,无论常规和变种,都是非常常见的用法。
四种组合正则与环视的摆放位置
1、肯定顺序常规: [a-z]+(?=;) 字母序列后面跟着; 2、肯定顺序变种: (?=[a-z]+$).+$ 字母序列 3、肯定逆序常规: (?<=:)[0-9]+ :后面的数字 4、肯定逆序变种: \b[0-9]\b(?<=[13579]) 0-9中的奇数 5、否定顺序常规: [a-z]+\b(?!;) 不以;结尾的字母序列 6、否定顺序变种: (?!.*?[lo0])\b[a-z0-9]+\b 不包含l/o/0的字母数字系列 7、否定逆序常规: (?<!age)=([0-9]+) 参数名不为age的数据 8、否定逆序变种: \b[a-z]+(?<!z)\b 不以z结尾的单词
下面示例,仅对肯定顺序环视进行两种用法的讲解,其他组合都有类似用法,读者参考上面列举8种位置用法自行测试。
1、肯定顺序:(?=exp)
(1)常规用法所谓常规用法,主要指正则匹配部分位于肯定顺序环视左侧,如:
test(?=\.php),用于匹配后缀是
.php的test文件。
示例四:肯定顺序环视常规用法
源字符串:
notexefile1.txt exefile1.exe exefile2.exe exefile3.exe notexefile2.php notexefile3.sh
需求:获取
.exe后缀文件不含后缀的文件名
正则:
.+(?=\.exe)
结果:
exefile1 exefile2 exefile3
示例中,因为要获取
.exe后缀不含后缀的文件名,因此,在不使用分组进行捕获的时候,我们利用了肯定顺序型环视的限定,达到了既限定为
.exe后缀又不被捕获进匹配结果的效果,充分展示了环视不占位的特性。
(2)变种用法
所谓变种用法,主要指正则匹配部分位于肯定顺序环视右侧,匹配内容收到环视条件的限定,如:
^(?=[a-z]+$).+,虽然后面用的是
.+(
.除了不能匹配换行,能匹配任意字符),但是,这个表达式只能匹配一个以上的
a-z字母组合,因为它被前面的环视限制了匹配范围。
示例五:肯定顺序环视变种用法
需求:必须包含字母(不区分大小写)、数字,6-16位密码
正则:
^(?=.*?[a-zA-Z])(?=.*?[0-9])[a-zA-Z0-9]{6,16}$
测试用例:
#量词条件: 1. 小于6 2. 6-16(关注边界值) 3. 大于16 #字符条件: 1. 纯数字 2. 纯英文 3. 数字+英文 4. 英文+数字 5. 英文数字乱序混合 注:每类字符条件都要考虑量词条件
示例中,使用
(?=.*?[a-zA-Z])限定后面的字符中至少有一个字母,使用
(?=.*?[0-9])限定后面的字符中至少有一个数字,最后通过实际匹配正则
[a-zA-Z0-9]{6,16}限定量词。此示例,同样提现了环视不占位的特性,否则的话,第一个环视消耗完字符,会导致后面匹配失败,而实际并没有,因为环视不消耗匹配字符。
2、否定顺序:(?!exp)
示例六:否定顺序环视源字符串:
notexefile1.txt exefile1.exe exefile2.exe exefile3.exe notexefile2.php notexefile3.sh
需求:获取不是
.exe后缀文件不含后缀的文件名
正则:
(.+)(?!\.exe)\.[^.]+$
结果:
notexefile1 notexefile2
首先,拿到这个需求,看过前面肯定顺序环视例子的写法,我们很可能一下子写出来
.+(?!\.exe),但是测试之后却发现,错了!为什么?一万个为什么飘过~~~
为什么匹配错误,这涉及到正则匹配的原理,匹配过程如下:
为了解释方便,这里以多行模式进行讲解。
正则
.+:因为没有指定位置,从每行字符串开始位置开始匹配,
.+是贪婪模式,尽可能多匹配,而且是匹配除了换行外的任意字符,因此,以第一行为例,
.+匹配到
notexefile1.txt,匹配位置移动到字符串最后。
正则
(?!\.exe):匹配字符串结束位置,不是
.exe,成功,匹配结束。
匹配结果得到:
notexefile1.txt
其他几行匹配过程是类似的,我们发现每行它都匹配上了,这不是我们预期的结果。
为了得到预期的结果,我们需要在环视限定的条件下,把后缀部分消耗掉,同时利用否定顺序环视限定其不能是
.exe后缀,然后用分组获取文件名,得到表达式:
(.+)(?!\.exe)\.[^.]+$。这个表达式的匹配过程,跟上面其实是类似的,只不过因为表达式没有匹配完成,导致了回溯,回溯让出了后缀部分给
\.[^.]+去匹配了。
在写这个正则的过程中,我们可以先写出
(.+)\.[^.]+$这样的正则,然后在再后缀位置插入环视限定,从而得到目标正则
(.+)(?!\.exe)\.[^.]+$。
由于回溯过程涉及步骤过多,这里就不做展开,后面有机会再写一个关于正则回溯的文章,现在大家可以打开这个否定顺序匹配与回溯演示页,分别查看3个版本的debug情况。
选择版本:在正则输入框上面的下拉菜单里
查看debug:左侧TOOLS区域的
Regex Debugger菜单。
注:由于该站jquery引用自谷歌,因此需要FQ加载才可以打开
当然也可以用Regexbuddy的Debug功能,这个可以参考《正则表达式工具RegexBuddy使用教程》查看Debug用法。
三个版本的正则都是
(.+)(?!\.exe)\.[^.]+$
源字符串分别是:
测试示例六,使用示例六源字符串
测试匹配成功情况回溯,源字符串
notexefile1.txt
测试匹配失败情况回溯,源字符串
exefile1.exe
3、肯定逆序:(?<=exp)
(1)肯定逆序环视和否定逆序环视在一些语言中是不支持的,如JavaScript就不支持,大家在使用过程中需要注意一下。(2)很多语言不支持非确定长度的逆序环视。所谓非确定长度,是指逆序环视部分内容,不是固定长度的,如
(?<=.*;)abc,这里用的
.*就是不固定的长度。无论是分支情况还是什么,逆序环视部分需要固定长度。
(3)有些语言里,支持特定范围的非确定长度,这个是指
(?<=.{0,100};)abc这种,本来的
.*使用
0-100这样的限定最大长度为100的范围值。
因此,大家使用过程中可以根据自己使用语言的差异,测试使用。
示例七:肯定逆序环视
源字符串:
name=Zjmainstay age=26
需求:获取name参数的值
正则:
(?<=name=).+
示例很直白,前面必须是
name=,然后获取其后面的数据,由于环视不占位,因此并没有出现在匹配结果中。
4、否定逆序:(?!exp)
示例八:否逆序环视源字符串:
name=Zjmainstay age=26
需求:获取不是name参数的值
正则:
^[^=]+=(?<!name=)(.+)
跟否定顺序示例一样,我们不能直接用
(?<!name=).+进行匹配,正则做法是先把参数部分匹配出来,再用否定逆序环视对它进行限定,限定它不能是
name=,因此实现匹配。
讲到这里,你们是否能想到前面否定顺序示例六中,可以用否定逆序来做?
正则:
(.+)\.[^.]+(?<!\.exe)$
因此,几个环视组合,由于正则所摆放的位置不同,可以产生等价的效果。
三、环视的应用
环视一直是正则表达式使用过程中的难题,主要体现在它的不占位(不消耗匹配字符)但起限定作用、肯定和否定、顺序和逆序区分、摆放位置不同如何理解等概念上。经过上面的讲解,相信读者已经对这几个概念有了深刻的理解,但是,理解概念跟灵活运用是两码事。接下来我们再举几个平时常用的例子,帮助大家理解并掌握,达到灵活运用的程度。
示例九:正则分块组合法-必须包含字母、数字、特殊字符
正则:^(?=.*?[a-z])(?=.*?\d)(?![a-z\d]+$).+$
解析:
(?=.*?[a-z])限制必须有字母
(?=.*?\d)限制必须有数字
(?![a-z\d]+$)限制从开头到结尾不能全为数字和字母
.+在没有限定的情况下可以是任意字符
^和
$限定字符串的开头和结尾
组合起来就可以得到上面正则。
示例十:正则逐步完善法-排除特定标签p/a/img
,匹配html标签
正则:</?(?!p|a|img)([^> /]+)[^>]*/?>
解析:
常见的标签格式有:
<p>...</p> //无属性值 <p class="t"....>...</p> //有属性值 <img ..../> //有属性值自闭合 <br/> //无属性值自闭合
首先,从简单标签入手,对于
</p>和
<br/>,写出正则:
</?[^>]*/?>
由于
[^>]通配符的匹配访问太大,因此,实际上无论有没有属性值,都被上面表达式给匹配了,这个没关系,我们通过进一步细化匹配通配符,缩小匹配范围。
我们观察可得,标签名是这样得到的:
无属性值:<p> <([^>]+) 有属性值:<p class <([^ ]+) 无属性值自闭合:<br/> <([^/]+) 闭合标签:</p> </([^>]+)>
得到正则:
</?([^> /]+)
用这部分代替前面通配正则的标签名部分,得到:
</?([^> /]+)[^>]*/?>
最后,我们需要排除
p/a/img标签,用否定顺序法,在标签名前面加入否定环视:
</?(?!p|a|img)([^> /]+)[^>]*/?>
大功告成,这是我们要的结果!
此示例的正则逐步完善法是正则书写过程中常用方法,倒推回去也是可行的,比如,假如我们拿到一段很长的正则,而它的匹配结果是错误的,我们该怎么做?
我们可以用逐步截断的方法,一步步的减除掉右侧的一部分,直到它恢复匹配,我们就知道刚刚被减除掉的部分正则是有问题的,观察它为什么导致错误,修改正确,再逐步恢复后面减除的正则即可。
示例十一:正则减除查错法-匹配异常原因查找
源字符串:<ul> <li class="item">item1</li> <li class="item">item2</li> <li class="item bug">item3</li> <li class="item">item4</li> <li class="item">item5</li> </ul>
正则:
<li class="item">(.*?)</li>
减除排错过程:
例子比较简单,主要演示思路过程。
用上面的正则去匹配源字符串,我们发现,明明预期5个结果,但是却得到了4个,因此,我们开始进行减除正则排错。
减除右侧
</li>,此时正则
<li class="item">(.*?)匹配4个
减除右侧
(.*?),此时正则
<li class="item">,匹配4个
减除
"item">,此时正则
<li class=,匹配5个
恢复
"item">,减除
>,此时正则
<li class="item",匹配4个
减除
",此时正则
<li class="item,匹配5个
至此,观察发现item后面还有其他可能,补充兼容:
修复得正则
<li class="item[^"]*"
逐步把前面减除的
"后面部分补充回来,此时正则
<li class="item[^"]*">(.*?)</li>,匹配5个
问题解决!
总结
文章至此,已经完整讲解了正则表达式环视的概念与用法,读者从中能够了解到正则的逐步匹配原理,消耗与不消耗匹配字符原理,环视的不占位概念,环视作为一个虚拟位置限定其前后匹配的概念,环视肯定和否定类型与顺序和逆序类型的概念,以及各种概念原理的运用,最后还附带了正则书写过程中运用的分块组合法、逐步完善法和减除查错法,希望能够帮助广大读者更加深刻地理解正则表达式,达到灵活运用的程度。更多关于正则表达式入门的内容,请参考本站博客《我眼里的正则表达式入门教程》
更多关于正则表达式高级的内容,请参考本站博客《深入讲解正则表达式高级教程》
Windows正则表达式测试工具请从《正则表达式测试工具RegexBuddy-4.1.0》下载
Mac正则表达式测试工具请从《Mac正则表达式测试工具》下载
文章首发自Zjmainstay学习笔记《深入理解正则表达式环视的概念与用法》
相关文章推荐
- 深入理解正则表达式环视的概念与用法
- 深入理解正则表达式环视的概念与用法
- 深入理解正则表达式的环视
- 正则表达式环视概念与用法分析
- (转)教你怎么理解正则表达式之零宽断言(环视)
- 深入理解正则表达式
- 深入理解 Laravel Eloquent(一)——基本概念及用法
- 深入理解正则表达式高级教程
- 深入理解 Laravel Eloquent(一)——基本概念及用法
- 深入理解正则表达式高级教程
- 深入理解正则表达式
- 正则表达式深入理解
- 深入理解逻辑表达式的用法 与或非的用法
- 正则表达式个人总结(一):正则表达式语法的深入理解第一部分--转
- 深入理解正则表达式
- 深入理解正则表达式
- 正则表达式个人总结(二):正则表达式语法的深入理解第二部分
- 深入理解正则表达式
- 深入理解正则表达式语法知识
- 深入理解-Js正则表达式-1