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。

 

 

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…> 或 </p> 之外的其余标签。

匹配过程：

 

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

 

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> 和 </div> 标签之间的内容，而不包括 <div> 和 </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