正则基础之——环视

环视 (Lookaround)

1        环视基础

环视只进行子表达式的匹配,不占有字符,匹配到的内容不保存到最终的匹配结果,是零宽度的。环视匹配的最终结果就是一个位置。

环视的作用相当于对所在位置加了一个附加条件,只有满足这个条件,环视子表达式才能匹配成功。

环视按照方向划分有顺序和逆序两种,按照是否匹配有肯定和否定两种,组合起来就有四种环视。顺序环视相当于在当前位置右侧附加一个条件,而逆序环视相当于在当前位置左侧附加一个条件。

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

  对于环视的叫法,有的文档里叫预搜索,有的叫什么什么断言的,这里使用了更多人容易接受的《精通正则表达式》中 环视 的叫法,其实叫什么无所谓,只要知道是什么作用就是了,就这么几个语法规则,   还是很容易记的

2        环视匹配原理

  环视是正则中的一个难点,对于环视的理解,可以从应用和原理两个角度理解,如果想理解得更清晰、深入一些,还是从原理的角度理解好一些,正则匹配基本原理参考 NFA 引擎匹配原理

上面提到环视相当于对“所在位置”附加了一个条件,环视的难点在于找到这个“位置”,这一点解决了,环视也就没什么秘密可言了。

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;

顺序肯定环视的例子已在 NFA 引擎匹配原理 中讲解过了,这里再讲解一下顺序否定环视。

 环视01

 

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…> </p> 之外的其余标签。

匹配过程:

环视02

 

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“ > ”。

逆序环视基础

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 序环视相当于在当前位置右侧附加一个条件,所以它的匹配尝试是从当前位置开始的,然后向右尝试匹配,直到某一位置使得匹配成功或失败为止。而逆序环视的特 殊处在于,它相当于在当前位置左侧附加一个条件,所以它不是在当前位置开始尝试匹配的,而是从当前位置左侧某一位置开始,匹配到当前位置为止,报告匹配成 功或失败。

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。长度确定时,引擎可以向左查找固定长度的位置作为起点开始尝试匹配,而如果长度不确定时,就要从当前位置向左逐个位置开始尝试匹配,不成功则回溯,再向左侧位置进行尝试匹配,然后重复以上过程,直到匹配成功,或是尝试到位置 0 处以后,报告匹配失败, 处理的复杂度是显而易见的。

目前只有 .NET 中支持不确定长度的逆序环视。

逆序环视匹配过程

 

环视03

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 <div> </div> 标签之间的内容,而不包括 <div> </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。

到此环视的匹配原理已基本讲解完,环视也就没有什么秘密可言了,所需要的,也只是多加练习而已。

3        环视应用

今天写累了,暂时就给出一个环视的综合应用实例吧,至于环视的应用场景和技巧,后面再整理。

需求:数字格式化成用“ , ”的货币格式。

正则表达式: (?n)(?<=/d)(?<!/./d*)(?=(/d{3})+(/.|$))

测试代码:

double[] data = new double[] { 0, 12, 123, 1234, 12345, 123456, 1234567, 123456789, 1234567890, 12.345, 123.456, 1234.56, 12345.6789, 123456.789, 1234567.89, 12345678.9 };

foreach (double d in data)

{

    richTextBox2.Text += " 源字符串 " + d.ToString().PadRight(15) + " 格式化 " + Regex.Replace(d.ToString(), @"(?n)(?<=/d)(?<!/./d*)(?=(/d{3})+(/.|$))", ",") + "/n";

}

输出结果:

源字符串:0              格式化:0

源字符串:12             格式化:12

源字符串:123            格式化:123

源字符串:1234           格式化:1,234

源字符串:12345          格式化:12,345

源字符串:123456         格式化:123,456

源字符串:1234567        格式化:1,234,567

源字符串:123456789      格式化:123,456,789

源字符串:1234567890     格式化:1,234,567,890

源字符串:12.345         格式化:12.345

源字符串:123.456        格式化:123.456

源字符串:1234.56        格式化:1,234.56

源字符串:12345.6789     格式化:12,345.6789

源字符串:123456.789     格式化:123,456.789

源字符串:1234567.89     格式化:1,234,567.89

源字符串:12345678.9     格式化:12,345,678.9

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。

说明:这里只是为了说明环视的使用而举的一个例子,实际上这个需求直接用string.Format就可以做到

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值