从一个正则表达式说开去

算起来接触正则也为时不短，看过一点正则表达式的引擎原理，素来以正则高手自诩。昨日偶然间看到一个正则表达式的入门教程，发现里面居然有不少东西没见过，还有几个正则让我困惑不已，说起来真是惭愧。以后在博大精深的正则面前，我只会说：我刚入门。

 

好了，说正事。有如下的需求，有一串正整数，需要以英文格式展示，即右起每3个数按逗号隔开。正则要干的事就是把要加逗号的部分找出来，比如123456789就是456789 ，12345就是345 。

 

给出一个正则表达式，((?<=/d)/d{3})+/b ，这东西可大有来头，里面用到的 (?<=/d)在正则表达式中叫做零宽断言( Zero-Width Assertions )。那到底什么叫做 零宽断言 呢？

 

在正则表达式中有4种 零宽断言，分别如下：

 

a(?=exp)	前驱 正向断言	匹配右边的字符是否为exp,如windows(?=2) 将匹配windows2中的windows，不会匹配windows3 中的windows
a(?!exp)	前 驱 负向断言	匹配右边的字符是否不为exp ,如windows(?!=2) 将匹配windows3 中的windows ，不会匹配windows2 中的windows
(?<=exp)a	后驱正向断言	匹配左边的字符是否为exp ,如(?=2) windows 将匹配2windows 中的windows ，不会匹配3windows 中的windows
(?<!exp)a	后 驱负向断言	匹配 左 边的字符是否不为exp ,如(?!=2) windows 将匹配3windows 中的windows ，不会匹配2windows 中的windows

 

为什么称为零宽断言呢？是因为它仅仅判断特定位置是否满足exp匹配，然后立即丢弃该匹配，只是将匹配结果(true or false) 返回给引擎（这就是断言 ），并不对字符串的推进造成影响。如上面用 如windows(?=2) exp 匹配windows2后下一个开始位置是 windows2中的2 ，虽然对2做了匹配，但接下来的匹配 exp 将重新匹配2（这就是零宽 ） 。初看上面的表格，有一个地方可能会让你感到困惑：按照第三列的描述，后驱和前驱应该对调才对。这样定义是因为正在表达式是从字符串左边向右边进行匹配，所以右边称为“前”，左边称为“后”。

 

有了上面的基础，现在我们来对 ((?<=/d)/d{3})+/b做个简单的分析。/b 匹配词的边界，这里放在最后，将匹配右边界。 /d{3}表示连续3个数字，前面加上断言后表示 连续3个数字的 左边还有数字，所以 123456789中的123和12345中的12都将被丢弃 。换成(?<=/d)(/d{3})+/b会更容易理解，具体分析可以由读者自己完成。

 

仔细观察上面的表格，我们发现前驱断言都出现在右边，后驱断言都出现在左边。那是不是一定要这样写才对呢？

 

其实不是的，前驱、后驱都可以放在a的两边，只不过有个细微而且致命的区别。举个例子，比如用(?=2)windows 来匹配windows2，将不会匹配其中的windows。这是因为 (?=2)windows 表示的是从该词( windows  )开始向右进行匹配，所以断言遇到的第一个字符将是windows中的w，直接断言失败。 同理 a(?<=exp)表示 从a的右边开始向左进行匹配，即exp将首先匹配a。所以使用断言的时候要注意位置对结果的影响。

 

好吧，暂时先说到这里，顺便介绍一位正则大牛，人称：..标 哥，常年混迹于一正则q群，几乎有问必答，答必解题，所以大家还有什么疑问，可以在下面回帖，相信伟大的标哥会看到的。