正则表达式进阶（二）-- 回溯引用、前后查找、嵌入条件

最新推荐文章于 2024-01-14 23:53:18 发布

iteye_3759

最新推荐文章于 2024-01-14 23:53:18 发布

阅读量773

点赞数

文章标签： python json 开发工具

继续讲正则表达式的高级形式的应用，这也是最后一篇正则的文章，希望本博客的3篇正则的文章能够让大多数朋友了解正则的使用规则，并希望各位能够多多练习，提高自己的工作效率。

如果不熟悉正则或者不太记得一些基础的东西，那么强烈建议先看一下前面两篇，因为3篇文章是从基础到高级的顺序来整理的。

1. 回溯引用

   回溯引用是指模式的后半部分引用在前半部分中定义的子表达式 
 

   回溯引用只能用来引用模式里的子表达式 
 

   下面是一个回溯引用的例子 
 

   只能匹配H1 第8行是不合法的 
 

 
   第8行被成功的排除掉了。

 
  \1 \2 代表模式里的第1 2个子表达式，依次类推， \3代表第3个

   在替换模式里，根据不同语言的实现不同，可能\ 需要换成 $ ，但在vim中好像不需要 
 

   执行替换操作后，如下，\ 转成 $ 就 
  完蛋了 
 

   下面是正确的执行结果： 
 

   用来进行大小写转换的元字符 
 

   \E 结束\L和\U转换 
 

   \L 把\L和\E之间的字符转换为小写 
 

   \U 把\L和\E之间的字符转换为大写 
 

   \l 把下一个字符转换为小写 
 

   \u 把下一个字符转换为大写 
 

   \u \l 只能把下一个字符（或子表达式）转换为大写 或 小写 
 

   \U \L 可以把后面的所有字符转换为大写或小写，直到遇到 \E 为止 
 

   执行替换操作后 
 

   首先我们对这个概念进行下解释， 
 

   教科书版本：“对某一位置的前后内容进行查找” 
 

   示例版本： 
 

   <Title>this is a title</Title> 
 

   通过正则去匹配出Title，那么匹配的字符串除了"this is a title"这几个字符，还有前面和后面的<Title> </Title>，这个时候，如果我们只想要 
  "this is a title"这几个字符，那么我们需要的就是”前后查找“了。 
 

   从语法上看，一个向前查找模式其实就是一个以?=开头的子表达式，需要匹配的文本跟在=的后面，但是不出现在匹配结果中。 
 

 
  向前查找字符：?= 
 

   试了一下，发现 
  vim不支持这个东西，又郁闷了，下面用个 
  notepad++来掩饰吧 
 

   注意上面的匹配结果，前一个没有使用?=来向前引用，":"也在匹配文本中，而右边的这个就没有。 
 

 
  向后查找：?<= 
 

   ?<=和?=的用法基本相同：必须用在一个子表达式里面，而且后跟要匹配的文本。 
 

 
   现在我们想把"$"从匹配结果中去掉，这个怎么办呢？

  如果简单地从正则中奖$去掉，这样可以不？看看下图 

 
  这显然不是我们想要的

  我们看看向后匹配?<=的功效吧 

 
 这个看起来才是我们需要的。

 
   warning: 
  
    向前查找模式的长度是可变的，它们可以包含.和+之类的元字符，所以它们非常灵活。 
  
    而向后查找模式只能是固定长度，这是一条几乎所有的正则表达式实现都遵守的限制。 
  
   下面再看一个结合了向前查找和向后查找的例子：

    对前后查找取非，要用!，不能用^。 
  
    前后查找操作符 
  
    (?=) 正向前查找 
  
    (?!) 负向前查找 
  
    (?<=) 正向后查找 
  
    (?<!) 负向后查找

  注意上面两个 
 不同正则匹配到的 
 不同结果 

   warning：并非所有的正则表达式实现都支持条件处理，vim就不支持 
 

   我们还是用notepad++来演示 
 

   已经出现过的条件： 
 

   ? 匹配前一个字符或表达式--如果它存在的话 
 

   ?=和?<= 匹配前面或后面的文本--如果它存在的话 
 

 
  回溯引用条件： 只在一个前面的表达式搜索取得成功的情况下才允许使用一个表达式。 
 

   ?(backreference)true-regex|false-regex 
 

   ?，表明这是一个条件 
 

   括号里的backreference是一个回溯引用，是子表达式标号 
 

   true-regex是一个只有在backreference存在时才会被执行的子表达式 
 

   false-regex是一个只有在backreference不存在时才会被执行的子表达式 
 

   解释下上面使用的正则表达式： 
 

   (<[Aa]\s+[^>]+>\s*)?，匹配一个<A>或这<a>标签及其任意属性。?说明了这个标签可有可无。

   (<[Aa]\s+[^>]+>\s*)?， 
  匹配一个<IMG>标签（大小写均可）及其任意属性

 
  (?(1)\s*</[Aa]>)，重点来了，这是一个回溯引用条件，?(1)的意思是：如果第一个回溯引用（这里就是<A>标签）存在，则使用后面的表达式（\s*</[Aa]>）进行匹配。

 
  前后查找条件： 
 

   前后查找条件只在一个向前查找或向后查找操作取得成功的情况下才允许一个表达式被使用 。 
 

   语法：?(condition)true-regex|false-regex 
 

  我们用美国邮编来举例，有两种格式，其他的都是非法的 

  1）12345形式的ZIP格式 

  2）12345-6789形式的ZIP+4格式 

  我们现在只想匹配合法的两种格式，非法的一律不要出现在匹配结果中 

  第4行的“33333-”也出现在匹配结果了，No！！！ 这下子看起来ok了吧。 

  解析一下第二幅图示的正则：\d{5}(?(?=-)-\d{4}) 

  \d{5}，这个很简单，就是匹配5个数字 

  ( 
 ?(?=-)-\d{4}) 第一个?，表明这是一个前后查找条件，?=-匹配一个连字符‘-’，但不消费，如果条件得到满足（匹配到连字符），那么-\d{4}将匹配那个连字符后随后的4位数字。这样一来，33333-就被排除在最终的匹配结果之外了。 

水平有限，如果有朋友发现错误，欢迎留言交流

关注