[正则表达式]-基础语法五 反向引用与断言

      本文是关于正则表达式基础语法的最后一篇文章，关于正则表达式比较特殊的特性，譬如：递归等高级特性依据不同开发环境与编程语言而异。所以笔者不在赘述这些特殊化的性质。

      最后将介绍记录正则表达式中的另一语法基础：反向引用与断言。

      还记得元字符 \ 有一个作用吗？那就是反向引用。是这样描述的：\n如果该\n之前至少有n个匹配分组并被命名，则\n代表的是“反向引用”。否则\n代表的就是转义字符，参考与ASCII码表。

一、反向引用

      反向引用：当一个正则表达式被分组之后，每一个组将自动被赋予一个组号，该组号可以代表该组的表达式。其中组号的编制规则为：从左到右、以分组的左括号“(”为标识，第一个分组的组号为1，第二个分组的组号为2，依此类推。

      从这句话中，笔者可以看到，如果要引用某一段正则表达式，则必须将该段表达式用“()”双括号括起来，以便使正则表达式引擎将之分组编号待用。例如：^([0-9A-Fa-f])ccc\1{2}$ 可以匹配0ccc00   acccaa   AcccAA 但是不能匹配AcccBB 或者AcccBC  。原因在于：反向引用\n所匹配的字符必须和其引用的部分正则表达式所匹配到字符串一致。

      类似与编程语言中，前面定义了一个变量并赋值为X，后面再使用该变量时，其值仍为X 。

      笔者初次在使用引用时，由于没有注意这个引用的特性，导致出现了一个错误。在前面的博文中，提到过十六进制数0-ABCD的正则表达式：

      \b(A|a)(B|b)(C|c)[0-9A-Da-d]|(A|a)(B|b)[0-9A-Ba-b][0-9A-Fa-f]|(a|A)[0-9][0-9A-Fa-f]{2}|[1-9][0-9A-Fa-f]{3}|[1-9A-Fa-f][1-9A-Fa-f]{0,2}|0\b

      笔者将自己的错误描述一下，希望诸位能够以此为戒。笔者在写完此正则表达式之后，看到表达式段[0-9A-Fa-f]多次出现。所以懂了歪脑筋，将[0-9A-Fa-f]用括号括起来进行了分组编号，认为将之化简了。

      \b(A|a)(B|b)(C|c)([0-9A-Da-d])|(A|a)(B|b)[0-9A-Ba-b]\4|(a|A)[0-9]\4{2}|[1-9]\4{3}|[1-9A-Fa-f][1-9A-Fa-f]{0,2}|0\b

      此图为未“化简”正则表达式运行之后的结果图：

     此图为“化简”之后的正则表达式运行之后的结果图：

      看到了吗？是错哒~为何，笔者试图从运算符优先级的角度进行理解，无奈不能解释的通。但是笔者经过测试实验，得到了一套说法：

      在反向引用\n和“或”操作同时使用时，需要注意的是：

      1、分组编号依然照旧：从左到右，以左括号为标识依次编号1、2、3……

      2、“或”操作将表达式分割开来，导致\n反向引用和分组(experssion)必须位于 | 同一侧。

      譬如说：

      a(b)(c)|(d)(e)\1    ×    不能越界引用，甚至导致逻辑混乱

      a(b)(c)|(d)(e)\2    ×    不能越界引用，甚至导致逻辑混乱

      a(b)(c)|(d)(e)\3   √     匹配abc或者ded

      a(b)(c)|(d)(e)\4   √     匹配abc或者dee

      这部分最后笔者想说的是：(experssion)反向引用是不容易使用的，所以使用的时候一定要慎重。

      附：分组形式(?<name>experssion)和反向引用\k<name>的使用道理与(experssion)和\n的使用道理一样。还有一个分组形式(?:experssion)只匹配，但不对其进行编号，所以笔者觉得这是个可有可无的东西，比较愚蠢的还没有发现其巨大的作用。读者如果对此有感想，欢迎留言。谢谢。

二、断言

      关于断言，有正预测先行断言和回顾后发断言。笔者一一将其列出来。

      (?=experssion)    匹配字符串experssion前面的位置。

      (?!experssion)     匹配后面不是experssion的位置。

      (?<=experssion)  匹配字符串experssion后面的位置。

      (?<!experssion)   匹配前面不是experssion的位置。

      (?>experssion)    只匹配字符串experssion一次。(知道现在笔者觉得这个好无厘头啊，只匹配一次需要用这么复                                     杂的结构吗？)

       可能不是很好理解，看几个例子就懂了：

      这里的正则表达式abc(?=dddd)中的断言部分相当于“条件”。如同编程语言中的if语句一样，这样解释：如果字符串abc的后面是dddd，则该字符串abc是可以被匹配的。

      请注意颜色变化，颜色加深的部分，为匹配出来的。这里正则表达式abc(?!dddd)中的断言部分也是相当与条件。不过是这样解释的：如果字符串abc的后面不是dddd，则该字符串abc是可以被匹配的。

      请注意(?!experssion)和(?=experssion)两个断言都是先行断言，也就是说只能放在要匹配的字符串的后面。相对应的，有只能放在要匹配的字符串的前面的断言，叫做后发断言(?<=experssion)和(?<!experssion) 。依然是进行测试：

      仍有先行断言与后发断言结合起来，形如：(?<=dddd)abc(?=dddd)这样的双重条件，前后都有要求。再次提醒，断言优先级依然比“或”操作 | 优先级要高，所以断言只影响到位于 | 同侧的字符，读者自行理解。