正则表达式基本用法（二）——断言、分组

断言：转自https://www.lanhusoft.com/Article/190.html

一、先行断言   

也叫零宽度正预测先行断言(?=表达式)          表示匹配表达式前面的位置 

例如 [a-z]*(?=ing) 可以匹配cooking singing 中的cook与sing 

注意：先行断言的执行步骤是这样的先从要匹配的字符串中的最右端找到第一个ing(也就是先行断言中的表达式)然后 再匹配其前面的表达式，若无法匹配则继续查找第二个ing 再匹配第二个 ing前面的字符串，若能匹配 则匹配 

例如：.*(?=ing) 可以匹配cooking singing 中的cooking sing 而不是 cook 

二、后发断言        

也叫零宽度正回顾后发断言        (?<=表达式)   表示匹配表达式后面的位置 

例如(?<=abc).* 可以匹配abcdefg中的defg        

注意：后发断言跟先行断言恰恰相反 它的执行步骤是这样的：先从要匹配的字符串中的最左端找到第一个abc(也就是先行断言中的表达式)然后 再匹配其后面的表达式，若无法匹配则继续查找第二个abc 再匹配第二个abc后面的字符串，若能匹配 则匹配 

例如(?<=abc).* 可以匹配abcdefgabc中的defgabc 而不是abcdefg 

三、负向零宽断言 

负向零宽断言 (?!表达式) 也是匹配一个零宽度的位置，不过这个位置的“断言”取表达式的反值，例如 (?!表达式) 表示 表达式 前面的位置，如果 表达式 不成立 ，匹配这个位置；如果 表达式 成立，则不匹配：同样，负向零宽断言也有“先行”和“后发”两种，负向零宽后发断言为 (?<!表达式) 

负向零宽后发断言(?<!表达式) 

负向零宽先行断言 (?!表达式) 

负向零宽断言要注意的跟正向的一样  

例子——验证密码的强度（转自：https://www.lanhusoft.com/Article/186.html）：
验证密码的强度。密码必须包含下面数字+小写字母+大写字母且长度要求8-20位。
长度直接可以判断，但是数字+小写字母+大写字母这个就要用正则来解决了。首先想到就是判断次分别用\d+，[a-z]+，[A-Z]来判断，这三个正则同时满足就是达到强度要求。后来想到有没有用一个正则就能完成判断的，其实是可以的，但是就是比较复杂，其中涉及到正则表达式中的断言和分组这些高级知识。下面给出最终的正则表达式：

^(?=.*[0-9].*)(?=.*[A-Z].*)(?=.*[a-z].*).{8,20}$

分组（用括号括起来）：

举个例子，比如html源码中有<title>xxx</title>标签，用以前的知识，我们只能确定源码中的<title>和</title>是固定不变的。因此，如果想获取页面标题(xxx)，充其量只能写一个类似于这样的表达式：<title>.*</title>，而这样写匹配出来的是完整的<title>xxx</title>标签，并不是单纯的页面标题xxx。

想解决以上问题，就要用到断言知识。

在讲断言之前，读者应该先了解分组，这有助于理解断言。

分组在正则中用()表示，根据小菜理解，分组的作用有两个：

 

n  将某些规律看成是一组，然后进行组级别的重复，可以得到意想不到的效果。

n  分组之后，可以通过后向引用简化表达式。

 

 

先来看第一个作用，对于IP地址的匹配，简单的可以写为如下形式：

\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}

但仔细观察，我们可以发现一定的规律，可以把.\d{1,3}看成一个整体，也就是把他们看成一组，再把这个组重复3次即可。表达式如下：

\d{1,3}(.\d{1,3}){3}

这样一看，就比较简洁了。

再来看第二个作用，就拿匹配<title>xxx</title>标签来说，简单的正则可以这样写：

<title>.*</title>

可以看出，上边表达式中有两个title，完全一样，其实可以通过分组简写。表达式如下：

<(title)>.*</\1>

这个例子实际上就是反向引用的实际应用。对于分组而言，整个表达式永远算作第0组，在本例中，第0组是<(title)>.*</\1>，然后从左到右，依次为分组编号，因此，(title)是第1组。

用\1这种语法，可以引用某组的文本内容，\1当然就是引用第1组的文本内容了，这样一来，就可以简化正则表达式，只写一次title，把它放在组里，然后在后边引用即可。

以此为启发，我们可不可以简化刚刚的IP地址正则表达式呢？原来的表达式为\d{1,3}(.\d{1,3}){3}，里边的\d{1,3}重复了两次，如果利用后向引用简化，表达式如下：

(\d{1,3})(.\1){3}

简单的解释下，把\d{1,3}放在一组里，表示为(\d{1,3})，它是第1组，(.\1)是第2组，在第2组里通过\1语法，后向引用了第1组的文本内容。

经过实际测试，会发现这样写是错误的，为什么呢？

小菜一直在强调，后向引用，引用的仅仅是文本内容，而不是正则表达式！

也就是说，组中的内容一旦匹配成功，后向引用，引用的就是匹配成功后的内容，引用的是结果，而不是表达式。

因此，(\d{1,3})(.\1){3}这个表达式实际上匹配的是四个数都相同的IP地址，比如：123.123.123.123。