正则表达式之环视功能

正则表达式之环视功能

概述

正则表达式，又称规则表达式。（Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

环视，在不同的地方又称之为零宽断言，简称断言。

环视强调的是它所在的位置，前面或者后面，必须满足环视表达式中的匹配情况，才能匹配成功。

环视结构不匹配任何字符，只匹配文本中的特定位置。一种类型的环视叫“顺序环视（lookahead）”，作为表达式的一部分，顺序环视顺序（从左至右）顺序查看文本，尝试匹配子表达式，如果能够匹配，就返回匹配成功信息。

肯定型顺序环视(positive lookahread)用特殊序列(?=……)来表示，例如(?=\d)，它表示如果当前位置右边的字符是数字则匹配成功。另一种环视称为逆序环视，它逆序（从右向左）查看文本。它用特殊的序列(?<=……)表示，例如(?<=\d)，如果当前位置的左边有一位数字，则匹配成功（也就是说，紧跟在数字后面的位置）。

四种类型的环视

类型	正则表达式	匹配成功的条件
肯定逆序环视	(?<=……)	子表达式能够匹配左侧文本
否定逆序环视	(?<!……)	子表达式不能匹配左侧文本
肯定顺序环视	(?=……)	子表达式能够匹配右侧文本
否定顺序环视	(?!……)	子表达式不能匹配右侧文本

1.肯定顺序环视(?=……)，如果Jeff右侧的字符是数字就能匹配到Jeff：

2.否定顺序环视(?!……)，如果Jeff右侧的字符不是数字就能匹配到Jeff：

需要注意的是Jeff右侧没有字符也匹配了，所以‘(?!\d)’和‘\D’是不同的，‘\D’表达的是除数字外的任何字符，但前提是要有这个字符：

3.肯定逆序环视(?<=……), 如果ery左侧的字符是Jeff就能匹配到ery：

（ps：由于RegExr上不支持逆序环视，故换了一个网址）

4.否定逆序环视(?<!……)，如果ery左侧的字符不是Jeff就能匹配到ery：

环视不会“占用”字符

即在子表达式能否匹配的过程中，它们本身不会“占用”任何文本。
正则表达式Jeffery的匹配：

by Jeffery Friend.

但同样的正则表达式，如果使用顺序环视功能，即(?=Jeffery)，则匹配标记的位置：

by _▲Jeffery Friend.

顺序环视会检查子表达式能否匹配，但它只寻找能够匹配的位置，而不会真正的“占用”这些字符。不过，把顺序环视和真正匹配字符的部分结合起来，我们可以得到比单纯的字符更精确的结果。和Jeff结合起来之后得到的正则表达式是(?=Jeffery)Jeff，它只能匹配“Jeffery”这个单词中的“Jeff”。它能够匹配：

by Jeffery Friend.

在此处它的匹配和单纯的Jeff一样，但是下面的情况不会匹配：

by Thomas Jefferson

Jeff自己能够匹配这一行，但是因为不存在(?=Jeffery)能够匹配的位置，整个表达式就无法匹配。

小例子

1.“Jeffs”替换为“Jeff’s”的几种办法比较：

在不使用环视的情况下，即s/\bJeffs\b/Jeff’s/g（/g表示“全局替换”，\b表示单词分界符锚点），最简单直接，效率高，解决此类问题最易想到的办法，未使用环视；

也可以使用更复杂的表达式，s/\b(Jeff)(s)\b/$1’$2/g，但这样简单的任务似乎不值得这么麻烦；

使用顺序环视结构的正则表达式，s/\bJeff(?=s\b)/Jeff’/g，只有当s\b在此位置能够匹配时整个表达式才能匹配成功。没有占用‘s’，除了展示顺序环视没什么价值；

如果再加上逆序环视，s/(?<=\bJeff)(?=s\b)/’/g，它实际上并没有匹配任何字符，只是匹配了我们希望插入’的位置。并没有占用任何文本，同时使用顺序环视和逆序环视匹配需要的位置，即’插入的位置，适于讲解环视；

也可以用s/(?=s\b)(?<=\bJeff) /’/g，只是上面表达式中两个环视结构颠倒，因为它并没有占用任何字符，所以变化顺序并没有影响。

2.单词分界符

如果在数值间插入逗号，会更容易看得懂。比如想要把“298444215”变成“298,444,215”，我们知道希望插入逗号的位置须满足“左边有数字，右边数字的个数正好是3的倍数”，使用(?<=\d)来满足左边有数字，(?=(\d\d\d)+$)来表示右边数字的个数正好是3的倍数（$来确保这些数字后民间不存在其他字符，保证“正好”），则$text =~ s/(?<=\d)(?=(\d\d\d)+$)/,/g
匹配到需要插入逗号的位置插入:

3.必须包含字母、数字、特殊字符

正则表达式：^(?=.*?[a-z])(?=.*?\d)(?![a-z\d]+$).$，其中：

(?=.*?[a-z])限制必须有字母

(?=.*?\d)限制必须有数字

(?![a-z\d]+$)限制从开头到结尾不能全为数字和字母

.+在没有限定的情况下可以是任意字符

^和$ 限定字符串的开头和结尾