正则之环视

1.环视基础

表达式	说明
(?<=Expression)	逆序肯定环视，表示所在位置左侧能够匹配Expression
(?<!Expression)	逆序否定环视，表示所在位置左侧不能匹配Expression
(?=Expression)	顺序肯定环视，表示所在位置右侧能够匹配Expression
(?!Expression)	顺序否定环视，表示所在位置右侧不能匹配Expression

顺序环视相对是简单的，而逆序环视相对是复杂的

JavaScript中只支持顺序环视，不支持逆序环视。

Java中虽然顺序环视和逆序环视都支持，但是逆序环视只支持长度确定的表达式，逆序环视中量词只支持

?

，不支持其它长度不定的量词。

2.示例

至少包含

密码由8到16位长度的英文字母、数字，且至少包含一个英文字母

顺序肯定环视：

^(?=[0-9]*+[a-zA-Z])[a-zA-Z0-9]{8,16}$

密码由8到16位长度的英文字母、数字和特殊字符，且至少包含一个英文字母，一个数字，一个特殊字符，不能包含空格

顺序肯定环视：

^(?=[^a-zA-Z]*+[a-zA-Z])(?=[^0-9]*+[0-9])(?=[a-zA-Z0-9]*+[^a-zA-Z0-9])\S{8,16}$

不重复

由字母、数字、特殊字符组合的8至16位长度，只能包含一次

wifi

顺序否定环视：

^(?!\S*?wifi\S*wifi)\S{8,16}$

分隔数字

一串纯数字，从右开始每3位加逗号，如134545756变为134,545,756

逆序肯定环视：

(?<=\d)(?=(?:\d\d\d)+$)

说明：

(?<=\d)

是为了保证左侧第一个必须为数字

一串以$结尾的数字，从右开始每3位加逗号，如134545756$变为134,545,756$

逆序肯定环视：

(?<=\d)(?=(\d\d\d)+(?!\d))

需求：数字格式化成用“,”的货币格式。

**java8在逆序环视中，不支持无限字符数量的匹配量词，如*、+**

正则表达式：

(?<=\d)(?<!\.\d{0,100})(?=(?:\d{3})+(?:\.\d+|$))

标签

需求：匹配除

<p…>

或

</p>

之外的其余标签，如：

aa<p>one</p>bb<div>two</div>cc

正则表达式：

<(?!/?p\b)[^>]+>

需求：匹配div标签之间的内容，如：

<div>a test</div>

正则表达式：

(?<=<div>)[^<]+(?=</div>)

3.环视匹配原理

匹配位置

顺序环视匹配过程

对于顺序肯定环视

(?=Expression)

来说，当子表达式

Expression

匹配成功时，

(?=Expression)

匹配成功，并报告

(?=Expression)

匹配当前位置成功。

对于顺序否定环视

(?!Expression)

来说，当子表达式

Expression

匹配成功时，

(?!Expression)

匹配失败；当子表达式

Expression

匹配失败时，

(?!Expression)

匹配成功，并报告

(?!Expression)

匹配当前位置成功。

源字符串：

aa<p>one</p>bb<div>two</div>cc

正则表达式：

<(?!/?p\b)[^>]+>

这个正则的意义就是匹配除

<p…>

或

</p>

之外的其余标签。



匹配过程：



首先由字符

<

取得控制权，从位置0开始匹配，由于

<

匹配

a

失败，在位置0处整个表达式匹配失败，第一次迭代匹配失败，正则引擎向前传动，由位置1处开始尝试第二次迭代匹配。

重复以上过程，直到位置2，

<

匹配

<

成功，控制权交给

(?!/?p\b)

；

(?!/?p\b)

子表达式取得控制权后，进行内部子表达式的匹配。首先由

/?

取得控制权，尝试匹配

p

失败，进行回溯，不匹配，控制权交给

p

；由

p

来尝试匹配

p

，匹配成功，控制权交给

\b

；由

\b

来尝试匹配位置4，匹配成功。此时子表达式匹配完成，

/?p\b

匹配成功，那么环视表达式

(?!/?p\b)

就匹配失败。在位置2处整个表达式匹配失败，新一轮迭代匹配失败，正则引擎向前传动，由位置3处开始尝试下一轮迭代匹配。

在位置8处也会遇到一轮

/?p\b

匹配

/p

成功，而导致环视表达式

(?!/?p\b)

匹配失败，从而导致整个表达式匹配失败的过程。

重复以上3过程，直到位置14，

<

匹配

<

成功，控制权交给

(?!/?p\b)

；

/?

尝试匹配

d

失败，进行回溯，不匹配，控制权交给

p

；由

p

来尝试匹配

d

，匹配失败，已经没有备选状态可供回溯，匹配失败。此时子表达式匹配完成，

/?p\b

匹配失败，那么环视表达式

(?!/?p\b)

就匹配成功。匹配的结果是位置15，然后控制权交给

[^>]+

；由

[^>]+

从位置15进行尝试匹配，可以成功匹配到

div

，控制权交给

>

；由

>

来匹配

>

。

此时正则表达式匹配完成，报告匹配成功。匹配结果为

<div>

，开始位置为14，结束位置为19。其中

<

匹配

<

，

(?!/?p\b)

匹配位置15，

[^>]+

匹配字符串

div

，

>

匹配

>

。

逆序环视匹配过程

对于逆序肯定环视

(?<=Expression)

来说，当子表达式

Expression

匹配成功时，

(?<=Expression)

匹配成功，并报告

(?<=Expression)

匹配当前位置成功。

对于逆序否定环视

(?<!Expression)

来说，当子表达式

Expression

匹配成功时，

(?<!Expression)

匹配失败；当子表达式

Expression

匹配失败时，

(?<!Expression)

匹配成功，并报告

(?<!Expression)

匹配当前位置成功；

顺序环视尝试匹配的起点是确定的，就是当前位置，而匹配的终点是不确定的。逆序环视匹配的起点是不确定的，是当前位置左侧某一位置，而匹配的终点是确定的，就是当前位置。

所以顺序环视相对是简单的，而逆序环视相对是复杂的。这也就是为什么大多数语言和工具都提供了对顺序环视的支持，而只有少数语言提供了对逆序环视支持的原因。

JavaScript中只支持顺序环视，不支持逆序环视。

Java中虽然顺序环视和逆序环视都支持，但是逆序环视只支持长度确定的表达式，逆序环视中量词只支持

?

，不支持其它长度不定的量词。

目前只有.NET中支持不确定长度的逆序环视。

源字符串：

<div>a test</div>

正则表达式：

(?<=<div>)[^<]+(?=</div>)

这个正则的意义就是匹配和标签之间的内容，而不包括

<div>

和

</div>

标签本身。

匹配过程：



首先由

(?<=<div>)

取得控制权，从位置0开始匹配，由于位置0是起始位置，左侧没有任何内容，所以

<div>

必然匹配失败，从而环视表达式

(?<=<div>)

匹配失败，导致整个表达式在位置0处匹配失败。第一轮迭代匹配失败，正则引擎向前传动，由位置1处开始尝试第二次迭代匹配。

直到传动到位置5，

(?<=<div>)

取得控制权，向左查找5个位置，由位置0开始匹配，由

<div>

匹配

<div>

成功，从而

(?<=<div>)

匹配成功，匹配的结果为位置5，控制权交给

[^<]+

；

[^<]+

从位置5开始尝试匹配，匹配

a test

成功，控制权交给

(?=</div>)

；由

</div>

匹配

</div>

成功，从而

(?=</div>)

匹配成功，匹配结果为位置11。

此时正则表达式匹配完成，报告匹配成功。匹配结果为

a test

，开始位置为5，结束位置为11。其中

(?<=<div>)

匹配位置5，

[^<]+

匹配

a test

，

(?=</div>)

匹配位置11。

逆序否定环视的匹配过程与上述过程类似，区别只是当Expression匹配失败时，逆序否定表达式(?<!Expression)才匹配成功。

4. 环视应用

需求：数字格式化成用

,

的货币格式。

正则表达式：

(?<=\d)(?<!\.\d*)(?=(?:\d{3})+(?:\.\d+|$))

实现分析：

首先根据需求可以确定是把一些特定的位置替换为“,”，接下来就是分析并找到这些位置的规律，并抽象出来以正则表达式来表示。

1、这个位置的左侧必须为数字

2、这个位置右侧到出现

.

或结尾为止，必须是数字，且数字的个数必须为3的倍数

3、这个位置左侧相隔任意个数字不能出现

.

由以上三条，就可以完全确定这些位置，只要实现以上三条，组合一下正则表达式就可以了。

根据分析，最终匹配的结果是一个位置，所以所有子表达式都要求是零宽度。

1、是对当前所在位置左侧附加的条件，所以要用到逆序环视，因为要求必须出现，所以是肯定的，符合这一条件的子表达式即为

(?<=\d)

2、是对当前所在位置右侧附加的条件，所以要用到顺序环视，也是要求出现，所以是肯定的，是数字，且个数为3的倍数，即

(?=(?:\d{3})*)

，到出现

.

或结尾为止，即

(?=(?:\d{3})*(?:\.|$))

3、是对当前所在位置左侧附加的条件，所以要用到逆序环视，因为要求不能出现，所以是否定的，即

(?<!\.\d*)

因为零宽度的子表达式是非互斥的，最后匹配的都是同一个位置，所以先后顺序是不影响最后的匹配结果的，可以任意组合，只是习惯上把逆序环视写在左侧，顺序环视写在右侧。

参考