正则表达式_lookAround通配符[转载]

正则表达式 --- Look around

在正则表达式中有一组特殊的通配符 ---- Look around 通配符，其包含四个子类通配符：

Table 2. Four Types of Look around
Type	Regex	Successful if the enclosed subexpression . . .
Positive lookbehind Negative Lookbehind	(?<=......) (?<!......)	successful if can match to the left successful if can not match to the left
Positive Lookahead Negative Lookahead	(?=......) (?!......)	successful if can match to the right successful if can not match to the right

在一般的资料中我们经常可以看见 Lookahead 的介绍：

(?=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。
(?!pattern)	负向预查，在任何不匹配 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 3.1" 中的 "Windows" ，但不能匹配 "Windows 2000" 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

这比较详细的介绍了 Look ahead 通配符，从以上的一段描述中我们可以看见 Look ahead 通配符的特点：

1. 该通配符是一个非获取匹配；就是正则表达式引擎在处理该类通配符时不会把匹配项存储起来，不会供以后使用。

2. 该通配符是预查操作符，不消耗字符；这个可能不是很好理解，我们还是结合实例说明吧：比如有一串字符 a1b2c3 ，在匹配的开始，我们可以想象有一个指针，所指的位置在 a 的前面，我们用 \w 来匹配该字符串可匹配到 a ，然后下一个匹配应该从 1 之前的位置开始；但如果我们用 (?=) 来匹配时，我们匹配到 a, 可是这时候指针还是在 a 的前面；也就是说，指针的位置并没有改变。这就是所谓的 不消耗字符 。

以上介绍的 ”look ahead” 通配符，这两个通配符被解释为正向预查和负向预查，而 ”look behind” 的两个通配符我一直没有找到其对应的中文翻译，但是其性质和特点和 ”Look ahead” 非常相似，唯一的不同就是 ”look ahead” 是预查（向右）， ” look behind” 是 ” 复查？ ” （向左）。

我们看看以上四个通配符都在什么情况下可以匹配；

string str23 = "abc9defg";

string strRegular26 = @"[a-z]{3}";

string strRegular27 = @"[a-z]{3}(?=\d)"; //lookahead

string strRegular271 = @"(?=\d)[a-z]{3}"; //lookahead

string strRegular28 = @"(?<=\d)[a-z]{3}"; //lookbehind

string strRegular281 = @"[a-z]{3}(?<=\d)"; //lookbehind

Console.WriteLine(Regex.Matches(str23,strRegular26).Count.ToString()); // 2

Console.WriteLine(Regex.Matches(str23,strRegular26)[0].Captures[0].ToString()); // abc

Console.WriteLine(Regex.Matches(str23,strRegular26)[1].Captures[0].ToString()); // def

Console.WriteLine(Regex.Matches(str23,strRegular27).Count.ToString()); // 1

Console.WriteLine(Regex.Matches(str23,strRegular27)[0].Captures[0].ToString()); // abc

Console.WriteLine(Regex.Matches(str23,strRegular271).Count.ToString()); // 0

// Console.WriteLine(Regex.Matches(str23,strRegular271)[0].Captures[0].ToString()); // 前向预查不消耗字符，所以这个匹配永远不可能出现

Console.WriteLine(Regex.Matches(str23,strRegular28).Count.ToString());//1

Console.WriteLine(Regex.Matches(str23,strRegular28)[0].Captures[0].ToString());//def

以上是一段.net环境下c#实现的代码，每句话的后面给出了输出结果，和常规表达式@"[a-z]{3}"相比较,在表达式变为: @"[a-z]{3}(?=\d)"时不匹配原有的 ” def ” 因为在向右看时， ” def ” 后面不是数字。在表达式变为@"(?<=\d)[a-z]{3}"后不匹配原有的 ” abc ” ，因为在向左看时， ” abc ” 前面没有数字。

让我们来看一段示例：

通过常用通配符和这四个通配符(不一定全用到)的结合，让我们试着将一串夹在字符串中的数字用千分号分隔开：

如：

The value is 123456789 dollars.

通过正则表达式变为：

The value is 123,456,789 dollars.

或者将：

The result is 123456789

通过正则表达式变为：

The result is 123,456,789

让我们分析这个问题：

首先分析我们应该如何分割 123456789

毫无疑问，我们应该从右边不是数字的字符或者位置开始，每隔 3 个数字且该位置之前还是数字（如 4 前面和 7 前面是应该找到了，而 1 前面不是应该匹配的。）

那么让我们逐步完善匹配正则表达式：

首先是匹配模式：在 .net 中应该用 RegexOptions.RightToLeft.

是一点首先明确，然后是左边不是数字，如果用的是 (?=[^0-9]+) 这已经很接近了，可是一个问题是不能匹配数字后什么都没有的东西了（因为用了一个 + ）所以我们可以完善为 "(?=(\D|$))"

且右边有 3 个一组的数字一组或者多组 :"(?=(\d{3})+(\D|$) ） ",

而且左边至少有一位数字 :"\d(?=(\d{3})+(\D|$) ） " 这样我们通过这个正则表达式去匹配，我们就可以找到 123456789 中的 3 和 6 了，这离 123 ， 456 ， 789 已经非常接近了。

我们需要将 3 替换为 3 ， 而 6 替换为 6 ，所以我们需要将 3 和 6 捕获到 :"(\d)(?=(\d{3})+(\D|$) ） "

这时候我们可以采用 Timmy 的方式用 Regex.Replace(strTest,strPattern,new atchEvaluator ReplaceNumber));

或者我们在正则表达式的替换中我们可以用 $1 来获取我们的第一组捕获，这样我们就可以得到一种解决方案：

string str37 = "123456789";

string strRegular47 = @"(\d)(?=(\d{3})+(\D|$))";

Console.WriteLine(Regex.Replace(str37,strRegular47,"$1,",RegexOptions.RightToLeft ));

这是一种替换 "3" -> "3," ; "6" -> "6," 的一种方式。这里我们就到一个 Positive Lookahead ，那么其实我们的实际操作就是希望在 "3" 和 "6" 的位置后插入一个 "," ，我们可不可以只找出这个位置，然后替换为 "," 呢？

我想我们通过 (?<=......) 和 (?<!......) 是可以达到只找到这个位置的目的的 ：）

这里我也将表达式给出： (?<=\d+)(?=(\d{3})+(\D|$))

这样以上的表达式就只会匹配一个位置，而不对应任何字符 , 用
string str37 = "123456789";
string strRegular47 = @"(?<=\d+)(?=(\d{3})+(\D|$))";
Console.WriteLine(Regex.Replace(str37,strRegular47,",",RegexOptions.RightToLeft ));
这样就可以不用捕获，也能完成插入 "," 了。

我们还可以对这个问题进行扩展，比如 123456789.123456 如果采用以上的方式处理就会获得 123,456,789.123,456
这显然不太合适的，我们应该获得的是 "123,456,789.123456" ，即小数点后不加以格式化。那么这个正则表达式又应该怎么写呢？

这还是需要大家多多考虑。

要熟悉正则，就是要多多练习，尤其是我们进行搜索的时候，还是很有用处的。：）

现对关于正则表达式中 look around 的总结如下：

1． 是非捕获匹配，不消耗字符。

2． 有 look ahead ( 向右 ) 和 look behind （向后）两种。其下又分正匹配和负匹配两种，共 4 种。

3． 属于特殊通配符，比较不容易通过其他通配符替代。

4 ．合理运用可以大大提到字符处理效率。