零宽断言 python_【正则表达式系列】零宽断言

前言

正则表达式中，有一个绕不过去的坎，那就是零宽断言

零宽断言是一种零宽度的匹配，它匹配的内容不会保存到匹配结果中，也不会占用index宽度，最终匹配的结果只是一个位置

简单的说，它用于查找在某些内容之前或之后的东西(但返回结果并不包括这些内容)

JavaScript中只支持零宽先行断言

简介

零宽断言分为4类

正向零宽先行断言(?=exp)

目标字符出现的位置的右边必须匹配到exp这个表达式

负向零宽先行断言(?!exp)

目标字符出现的位置的右边不能匹配到exp这个表达式

正向零宽后发断言(?<=exp)

目标字符出现的位置的左边必须匹配到exp这个表达式

负向零宽后发断言(?

目标字符出现的位置的左边不能匹配到exp这个表达式

注，关于先行和后发，还有其它称呼，譬如前瞻和后瞻等，本文统一使用先行与后发

JavaScript中的断言

JavaScript语言内只支持零宽先行断言(即只支持?=exp和?!exp)

所以本文中只会介绍零宽先行断言

另外，可以通过RegexBuddy 4等工具分析正则的匹配过程

大纲

正向零宽先行断言

负向零宽先行断言

实战演练

正向零宽先行断言

示例1

var str="abcdefg";

var reg=/ab(?=cd)/;

str.match(reg); // ["ab", index: 0, input: "abcdefg"]

index = 0，a匹配a成功，尝试b匹配b成功

继续尝试匹配，(?=cd)接管控制权

接下来(?=cd)依次尝试匹配c和d成功

此时所有的正则表达式匹配完毕，匹配成功，返回成功结果

示例2

var str="abcdefg";

var reg=/(?=cd)efg/;

str.match(reg); // null

想要达到的效果是匹配在cd后方的efg，但是这是零宽后发断言才有的效果(?<=exp)，而JS中并不支持，此时使用先行断言，实际效果为

?=cd获取控制权，一直到index = 2时才匹配成功，接下来e获取控制权

可惜由于?=cd是零宽式的，因此匹配成功后，下一轮匹配依然从index = 2开始尝试，此时c匹配e失败，于是index挪到3

接下来又是d, e, f, g匹配?=cd失败，于是最终匹配失败，返回null

示例3

var str="abcdefg";

var reg=/(?=cd)cdefg/;

str.match(reg); // ["cdefg", index: 2, input: "abcdefg"]

基于示例2的变形

在index = 2时，?=cd匹配成功了，交给cdefg

index = 2，此时刚好c匹配，继续吃进d,e,f,g也都匹配，于是匹配成功，于是返回成功结果

示例4

var str="abcdefg";

var reg=/ab(?=cd)cdefg/;

str.match(reg); // ["abcdefg", index: 0, input: "abcdefg"]

上述示例的综合

index = 0时，左侧的ab匹配成功

继续往后尝试(index = 2处)，?=cd也匹配成功

接下来继续从index = 2开始尝试，c, d, e ,f , g依次匹配成功，于是匹配结束，返回成功结果(index = 0，因为没有失败，后续的尝试都成功了)

注，零宽断言返回的是位置而不是字符，零宽断言匹配成功后，其余表达式会基于这个返回的位置继续判断

另外，请不要把先行断言当成后发断言来用

负向零宽先行断言

示例1

var str="abcdefg";

var reg=/ab(?!cd)/;

str.match(reg); // null

在ab匹配成功后，接下来cd匹配?!cd失败

接下来的b, c, d, e, f, g依次都匹配a失败，于是最终匹配失败，返回null

示例2

var str="abcdefg";

var reg=/ab(?!ab)cd/;

str.match(reg); // ["abcd", index: 0, input: "abcdefg"]

在ab匹配成功后，接下来cd匹配?!ab成功

由于?!ab是零宽的，因此接下来仍然从index = 2处尝试(也就是c继续匹配c)，因此匹配成功，接下来d也匹配d成功，所有表达式匹配完毕，最终返回成功结果(index = 0，因为没有失败)

实战演练

接下来一些实战练习，加深印象

找到文本中的所有ing单词的前缀

需求说明

例如: I am reading in the dining room的匹配结果应该是read与din

代码

var str="I am reading in the dining room";

var reg=/\w+(?=ing)/g;

str.match(reg); // ["read", "din"]

说明

\w+匹配至少一个以上的单词

?=ing代表右侧必须有ing，但是匹配的结果又不包含ing

g是全局匹配

因此符合了需求，成功匹配

测试一个文件是否是.css后缀，但又不能是.min.css

需求说明

这道题曾多次出现在各大平台，基本都是依靠零宽断言来检测，例如:

test('a.min.css'); // false

test('b.css'); // true

test('c.mining.css'); // true

代码

var reg=/^(?!.*\.min\.css$).+\.css$/;

reg.test('a.min.css'); // false

reg.test('.min.css'); // false

reg.test('.css'); // false

reg.test('min.css'); // true

reg.test('b.css'); // true

reg.test('c.mining.css'); // true

说明

由于只考虑单个文件名的匹配，所以较简单

先用?!.*\.min\.css负向先行断言试探文件名。这一步匹配完后，直接就排除了xxx.min.css了(由于是*，所以.min.css也会匹配失败)

然后继续用\w+.*\.css匹配xxx.css这种情况

于是就符合了要求，只匹配.css但不匹配.min.css

另外，关于回溯步骤，由于较多，这里就不赘述了，感兴趣的可以用RegexBuddy等工具自行检测

找到所有的.min.css文件的文件名

需求说明

例如: a.min.css;.min.css;.css;min.css;b.css;c.min.js;d.css;e.a.min.css(文件以;隔开)的匹配结果应该是a与e.a

代码

var str="a.min.css;.min.css;.css;min.css;b.css;c.min.js;d.css;e.a.min.css";

var reg=/\w+[^;]*(?=\.min\.css)/g;

str.match(reg); // ["a", "e.a"]

说明

这类型表达式回溯次数很多，实际中可以有更好的解决方案，比如先分割，再匹配

左侧的表达式\w+[ ^;]*确保了必须是一个正常的单词开头，并且不能包括;，所以直接排除了名字以.开头或名字中包含;的情况

右侧的零宽断言?=\.min\.css确保名字右侧必须有.min.css

于是最终只剩下了a与e.a符合情况

找到所有.css文件的文件名，需要排除.min.css

需求说明

这道题基于上两题的综合与变形，增加了点难度(不再是单个文件名匹配，而是字符串中的文件名提取)

例如: a.min.css;.min.css;.css;min.css;b.css;c.min.js;d.css;e.a.min.css；f.min.a.css(文件以;分割)的匹配结果应该是min、b、d和f.min.a

代码

var str = "a.min.css;.min.css;.css;min.css;b.css;c.min.js;d.css;e.a.min.css;f.min.a.css";

var reg1 = /[^;]+(?=\.css)/g;

var match1 = str.match(reg1);

var reg2 = /\.min$/;

var match2 = [];

match1 && match1.map(function(item, index) {

!reg2.test(item) && match2.push(item);

});

console.log(match1); // ["a.min", ".min", "min", "b", "d", "e.a.min", "f.min.a"]

console.log(match2); // ["min", "b", "d", "f.min.a"]

说明

好吧，我承认无法只靠一个表达式实现这个功能(不知道在座的各位有谁可以的...)

第一步[ ^;]+(?=\.css)先匹配所有的.css后缀的名字

第二步\.min$剔除以.min结尾的名字

于是就只剩下了正常的结果

或者先分割，然后再匹配(是.css但非.min.css)也行

PS：本来准备一步解决作为压轴的，但是尝试了很久都未果，最终还是拆分来实现的，之所以仍然放在最后，也算是给自己一个警醒

写在最后的话

深入研究后，才发现精通正则表达式真的很难，很多时候，你认为的已经精通了只是一种假象。

因此，还是放下身段，努力学习吧！

附录

博客

初次发布2017.07.26于个人博客

参考资料