文本数据处理汇总

1.匹配中文
曾经看到说\W+可以，但亲测无效。
转向编码的形式：[\u4e00-\u9fa5]也不行，只能是：[\u4e00-\u9fcc]+

2.不匹配某个字符串
中间不包含 str1((?!pattern).)*str2
开头不包含^((?!pattern).)*str
结尾不包含str1.*[^？吗]$ 或者str1[^？吗]*$

3.零宽断言
1.正向肯定预查(?=pattern)
非获取匹配，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”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。

2、正向否定预查(?!pattern)
非获取匹配，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。

3、反向肯定预查(?<=pattern)
非获取匹配，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。

4、反向否定预查(?<!pattern)
非获取匹配，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。这个地方不正确，有问题