有人在某BBS提问:“ 表达式 "(\w)((?=\1\1\1)(\1))+" 在匹配字符串 "aaa ffffff 999999999" 时,将可以匹配6个"f"的前4个,可以匹配9个"9"的前7个。这个表达式可以读解成:重复4次以上的字母数字,则匹配其剩下最后2位之前的部分。当然,这个表达式可以不这样写,在此的目的是作为演示之用。
怎么得出的这个结果???求详细过程啊,一步步的....((?=\1\1\1)(\1))+ 不理解括号里面的字符?”
曾经在正则投入不少时间,但"(\w)((?=\1\1\1)(\1))+" 仍花了大半天才弄明白。复杂的东西,都应逐步拆解。请看下面分解,不感兴趣部分自行跳过:
一、
1. (\w) -- \w,一个字符,括号表示一个子匹配,第一个括号是"\1",第二个括号是"\2",……。
2. (\w)(\1) -- 一个字符,后面紧跟一个相同的字符。
(之前复杂的正则,转为基本的(\w)(\1)。化繁为简,先弄清楚简单的,再向复杂推去。)
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
public static void main(String[] args) throws Exception
{
// Pattern pattern = Pattern.compile("(\\w)((?=\\1\\1\\1)(\\1))+");
Pattern pattern = Pattern.compile("(\\w)(\\1)");
Matcher matcher = pattern.matcher("aaa ffffff 999999999");
// Matcher matcher = pattern.matcher("aaa 999999");
while (matcher.find()) {
System.out.print(matcher.group()+" | ");
}
}
}
运行得:aa | ff | ff | ff | 99 | 99 | 99 | 99 | ,3个a,匹配了一次;6个f,匹配了三次;9个9,匹配了四次。
可见,(\w)(\1) -- 每次搜索两个字符,该字符与下一个相同即为true。
二、
1. (?=\\1) -- ?=,据“正则表达式系统教程":
(?=pattern) 正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。
2. (\\w)(?=\\1\\1\\1) -- 一个字符,后面紧跟三个相同的字符。但后三个字符不获取,也不消耗字符:如匹配“ffffff”,第一次查找,匹配到前四个ffff;第二次查找,从第二个“f”开始(不是从第五个开始,如无“?=”:(\\w)(\\1\\1\\1),则是从第五个开始),匹配了第二个“f”至第五个“f”;第三次查找,匹配了第三个“f”至第六个“f”;第四次查找,只剩下三个“f”,匹配不到。
Pattern pattern = Pattern.compile("(\\w)(?=\\1\\1\\1)");
Pattern pattern = Pattern.compile("(\\w)(?=\\1\\1\\1)(\\1)");
运行得:ff | ff | 99 | 99 | 99 |
(\\w)(?=\\1\\1\\1)(\\1) --- 相当于执行一次(\\w)(?=\\1\\1\\1)匹配,接着执行一次(\\w)(\\1) ,移到下一个索引,再继续前面的操作,如此循环。
(\\w)(?=\\1\\1\\1),参考“二、”,接着执行 (\\w)(\\1),(\\w)已完成,到(\\1) 了,它从第二个“f”开始,查找前面的字符相同否,同,匹配。第二次查找,从第三个“f”开始,也是只消耗两个 “f" 字符。第三次查找,只剩下两个“f”,(\\w)(?=\\1\\1\\1)匹配不到。9个9的查找类同,三次查找后,余 9-2*3=3 个“9”,”,(\\w)(?=\\1\\1\\1)需4个“9”才合,查找结束。假如10个“9”的话,第四次能匹配成功,出现四个“99”。
四、
Pattern pattern = Pattern.compile("(\\w)(?=\\1\\1\\1)(\\1)+");
运行得:ffffff | 999999999 |
1. (\\1)+ --- +代表一个或多个,(\\1)+ 表示第一个的子匹配一个或多个。
2. (\\w)(?=\\1\\1\\1)(\\1)+ --- 相当于先 (\\w)(?=\\1\\1\\1),再 (\\w)(\\1)+ ,接着下一索引继续。
(\\w)(?=\\1\\1\\1),参考上面,接着执行 (\\1)+,从第二个“f”开始,它会将余下的“f” 全部匹配掉,“ffffff”的查找就结束了(接下来的是第二轮查找,对 9个“9”)。
五、
Pattern pattern = Pattern.compile("(\\w)((?=\\1\\1\\1)(\\1))+");
运行得:ffff | 9999999 |
1. ((?=\\1\\1\\1)(\\1))+ --- 是整个“(?=\\1\\1\\1)(\\1)”的一个或多个。先(?=\\1\\1\\1),查找三个与第一个子匹配相合的;再(\\1) ,查找一个与第一个子匹配相合的;然后因有“+”,匹配多次。
2. (\\w)((?=\\1\\1\\1)(\\1))+ --- 以“ffffff” 6个“f” 为例:①执行(\\w):找到一字符“f”,符合, ②执行(?=\\1\\1\\1):从第二个“f”开始,查找三个“f”,符合, ③执行(\\1):因前面不消耗字符,从第二个“f”开始,查找一个“f”,符合,④整个“(?=\\1\\1\\1)(\\1)”是 + 的,要匹配多次,相当于内循环,“(?=\\1\\1\\1)(\\1)”不断匹配下去,现从第三个“f”开始,查找三个“f”,符合,⑤现又到(\\1),从第三个“f”开始,查找一个“f”,符合,⑥…………,最后到剩下2个“f”时,(?=\\1\\1\\1) 不合,结束此轮查找。这样,(\\w)只执行一次,匹配最前面的“f”,“(?=\\1\\1\\1)(\\1)”不断匹配,执行三次,匹配了第二至第四个“f”,总共匹配了前面的四个“f”。
3. 至此,对照LZ所提“将可以匹配6个"f"的前4个,可以匹配9个"9"的前7个”,是吻合的。