正则表达式学习（二）

反义：

反义，顾名思义就是和正常意思反着的。前面学习了许多规则，有没有想过有时候需要反过来，排除某些字符串。比如，不是数字的字符串，排除数字总比列出除掉数字的其他所有字符种类容易得多吧。

下面都是反义用法，都是基于前面基础上的。比如\d表示0-9的数字，使用大写字符\D是表示排除数字的字符。其他相似，用大写字符来表示反义。

\D  排除所有数字

\B  排除单词的开头和结尾的位置

\S  排除所有空白位置（包括空格，制表符，换行符，中文全角空格）

\W 排除所有数字，字母，下划线，中文等四种中的任何一种

[^f] 排除f字符，也就是匹配f字符以外的所有字符，

[^aeiou] 排除元音字符

 

<a[^<>]+> 匹配尖括号括起来的以a开头的字符。

 

后向引用：

后向引用，从字面意思上来理解也就是从后面引用前面的内容。实际上也就是这样的。这里的引用场景为分组，一个分组可能在后面还可能会用到，这里说的用到，不是像之前说的IP地址那样，是三个连续的使用，使用{n}的方式就能重复。这里的重复是隔开的，中间有其他内容时的重复。

如go  go，Kitty Kitty，这样的，重复，虽然是相同重复，但中间隔着空白符。

这样就是使用后向引用的时候了。

 

如上所说，后向引用用于分组。如\b(\w+)\b\s+\1\b ,这个表达式可以表示上面的go go或者Kitty Kitty这样的情况。(\w+)是一个分组，后面用\1再次使用。\1代表分组的顺序为1。（至于为什么是1，而不是0，后面再解释）

 

给分组指定组名

   如上面\1，每个分组在一个正则表达式里面是有序号的，可能有时候数序号太麻烦或者会搞错，那自己指定一个分组名，就不会搞错了。

 

指定分组名，通过(?<word>\w+)或者(?’word’\w+)的方式指定，使用?加尖括号或者单引号指定分组名，如上，word就是分组名。

 

把上面的\b(\w+)\b\s+\1\b改写一下就是

   \b(?<word>\w+)\s+\k<word>\b

 

 （注意：使用分组名时使用\k<word>的形式在后面引用。记得加上\k，同时分组名使用的符号应当和前面指定的相同）

 

分组顺序：

  0代表整个表达式

  分组分为两遍，第一遍给没有指定名字的分组分配组号，第二遍才是给有指定名字的分组分配组号。

 

 

常用分组用法：

   (exp) 匹配exp，并捕获文本到自动分配的组里

   (?<name>exp) 匹配exp，并捕获文本到name组里

 

(?:exp) 匹配exp，不捕获匹配的文本，也不给次分组分配组号。

 

(?=exp) 匹配exp前面的位置

(?<=exp) 匹配exp后面的位置

 

(?!exp) 匹配后面跟的不是exp的位置

(?<!exp) 匹配前面跟的不是exp的位置

 

(?#comenet) 注释，不匹配文本内容。

 

 

解释：

 (?=exp) 匹配exp前面的位置。

 如\b\w+(?=ing\b) 匹配以ing结尾的单词，如beginning，dancing等前面部分，begin，danc。

 

(?<=exp) 匹配exp后面的位置。

如(?<=\bre)\w+  匹配前面带re的单词的后面部分，如reback，匹配back部分。

 

而(?!exp)和(?<!exp)两个则跟上面两个相反，匹配的是前面或者后面跟的不是exp的位置。

 

注意：(?=exp),(?<=exp),(?!exp),(?<!exp)四个都属于断言类型，获取的是一个位置，而非字符串内容，它不占用字符，只是匹配得到一个位置。

 

例：如果我们要匹配一个单词，这个单词中要包含q同时q的后面不能是u。正则表达式怎么写？

   常规想法：  \b\w*q[^u]\w*\b，嗯，包含q排除u，看着没错，但是仔细一想，[^u]是样占用一个字符的啊，如果这个字符是个单词没事，要是个空格或者逗号之类的怎么办？如Iraq,Benq，这两个单词中间隔着一个逗号，想想上面的表达式，排除u就行，这个字符串也满足啊。所以这样不行。

 

  这时，断言就能派上用场了，你不是只是想要一个包含q，且后面不能是u的单词吗，上面排除方法会占用一个字符位置，我改用断言匹配一个位置不就好了嘛。

   改一下，就是  \b\w*q(?!u)\w*\b