正则表达式(二):断言

上一章(正则表达式(一):常用元字符)中主要作一些基本的常用元符号的介绍,看完之后基本的正则使用已经不成问题,本章作一些进阶介绍。

在展开内容之前,首先有一个例子:

reg = <input>(.*)</input>  

content = <input>123xxx</input>xxx<input>456xxx</input> 
 
匹配内容为:
123xxx</input>xxx<input>456xxx

上面的例子反映了一个明显的正则匹配规则:贪婪匹配,即在符合正则表达式规则的情况下,总会匹配尽量多内容。 如果想使得正则表达式按最小内容匹配,只需要在次数元符号后加"?"符号即可

reg = <input>(.*?)</input> 

content = <input>123xxx</input>xxx<input>456xxx</input> 
  
匹配内容为:
123xxx
456xxx
  1. 懒惰匹配

符号

代表意思

使用场景

?

匹配次数时表示0次或1次,放在次数元符号后表示最少匹配

(\d{1,3}?) 匹配数字,1、2、3

"?"作为懒惰匹配符号,放在次数元符号后,表示匹配符合规则的最少部分的内容。

  1. 断言

这里说的断言也叫零宽度断言、环视,主要介绍以下表格中列出的四种

(?=exp)为例,这里叫"零宽度正先行断言",也有别的文章称之为"零宽度正预测先行断言",名称无所谓,描述的内容都相同。而且讲真,这个名字真的把内容带复杂了,描述的内容真的很简单,名字的第一印象真的很吓人。

符号

名字

代表意思

reg(?=exp)

零宽度正先行断言

reg匹配的内容后面内容满足exp规则

reg(?!exp)

零宽度负先行断言

reg匹配的内容后面内容不满足exp规则

(?<=exp)reg

零宽度正后发断言

reg匹配的内容前面内容满足exp规则

(?<!exp)reg

零宽度负后发断言

reg匹配的内容前面内容不满足exp规则

断言的功能很强大,使用很简单。 说断言的功能强大,是因为四种断言在使用上弥补了上一章中常见元符号的遗漏场景;使用很简单,因为只需要知道一种断言,其他三种的使用方式就自然清楚了。

首先作表达式结构解释,再举例说明就很好理解了。 以(?=exp)零宽度正先行断言 为例:

  1. "先行"表示待校验的位置在前,即校验的位置在exp匹配的内容之前
  2. ""表示exp描述的规则,匹配校验位置后面的内容

由此可以看出断言其实也是一种描述位置的元符号,它指定的是符合(?=exp)规则的位置。

举例说明:

  1. 匹配指定内容的前面位置
reg = (?=\d{3})  

content = abc123

匹配内容为:
c和1之间的位置

(?=\d{3})表示校验的位置后面是三个数字

  1. 匹配数字前的小写英文单词部分
reg = ([a-z]+)(?=\d+)  

content = abc123

匹配内容为:
abc

(?=\d+) 表示校验的位置后接着的是数字

  1. 校验字符串长度
reg = (?=^.{5}$)(.*) 

content1 = abcde;  content2 = abcdefg

匹配内容为:
abcde

(?=^.{5}$)表示校验的位置后字符串长度为5,因为加了字符串开头和结尾的元符号,所以这个表达式作用其实就是匹配长度为5的字符串。

由上面例子可以看出,断言的作用就是指定一个位置,该位置的前后内容需要满足exp规则。由此可以推测出其他三种断言使用方式:

  • (?!exp)表示校验位置之后的内容不匹配exp规则
reg = (?!.*\d{3}.*)(^.*$) 

content1 = abc123def;content2 = abc12def

匹配内容为:
abc12def

(?!.*\d{3}.*)表示校验位置之后的内容中不包含三个连续的数字。这个表达式的作用其实就是筛选出不包含三个连续数字的字符串。

  • (?<=exp)表示校验位置之前的内容匹配exp规则
reg = (?<=\d{3})(.*$)  

content = abc123def

匹配内容为:
def

(?<=\d{3})表示校验位置前有三个连续的数字。这个表达式作用是匹配三个连续数字后面的内容。

  • (?<!exp)表示校验位置之前的内容不匹配exp规则
reg = (?<!\d{2})([a-z]+) 

content = 123def

匹配内容为:
ef

(?<!\d)表示校验位置前不是两个数字。这个表达式作用就是匹配字符串部分内容,这部分内容前不是两个连续的数字。


这里有个需要注意的地方,后发断言的使用中,exp结构中使用+、*、{m,n}、{m,}、{,n}等元符号来表示不确定次数时,可能会出一些问题。例如python语言中禁止使用这种形式来构造正则,java中支持{m,}、{m,n}确定范围的写法,其他的不确定次数形式也是禁止的。

Java does not allow infinite repetition in lookbehind, but does allow finite repetition. So instead of using (\s*) to check absolutely any amount of whitespace, we use (\s{0,10}) to check for up to 10 whitespace characters. The number 10 is arbitrary, we just need something sufficiently large to make sure we don't miss any regexes that are deeply indented. We also need to keep the number reasonably small to make sure we don't needlessly slow down the regular expression. The greater the number of repetitions we allow, the more characters Java will scan while looking for a match to what's inside the lookbehind. -- Regular Expressions Cookbook


关于断言的使用,有一种略粗糙的描述可以形容其与普通元符号的使用区别:相对于普通元符号在正则中的应用,断言相当于多加了一层判断。使用普通元符号来匹配字符串内容,那么使用断言就可以在匹配字符串内容的同时,校验要匹配的字符串长度是多少,字符串前面必须是什么内容,前面必须不能是什么内容,后面是什么内容,后面不能是什么内容。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏佳爷的后花媛

$this、self和static

$this 只有在类产生实例之后才会存在,我们只是设置一个属性,此时不存在 $this,下图会产生语法错误。

2132
来自专栏Golang语言社区

【Go 语言社区】go 学习中遇到一些语法问题

1.可变参数,传入数组的饿时候,必须加三个... func sums(nums ...int){} nums := []int{1, 2, 3, 4, 5}...

35311
来自专栏Golang语言社区

Go语言基本的语法和内置数据类型初探

Go令牌 Go程序包括各种令牌和令牌可以是一个关键字,一个标识符,常量,字符串文字或符号。例如,下面的Go语句由六个令牌: fmt.Println("Hell...

2855
来自专栏Golang语言社区

转--Golang语言语法汇总

最近看了看GoLang,把Go语言的语法总结了一下,做个快速参考 数据类型 ---- var varName type,var var1,var2… type,...

35716
来自专栏闻道于事

JavaScript表单验证和正则表达式

JavaScript表单验证 ? 分为四类:   1.非空验证     常用于用户名等   2.相等验证     常用于验证两次输入的密码   3.范围验证  ...

6077
来自专栏大前端_Web

javascript高级程序设计(4-5)章笔记

版权声明:本文为吴孔云博客原创文章,转载请注明出处并带上链接,谢谢。 https://blog.csdn.net/wkyseo/articl...

1074
来自专栏Golang语言社区

Go语言语法汇总

最近看了看GoLang,把Go语言的语法总结了一下,做个快速参考 数据类型 ---- var varName type,var var1,var2… type,...

34813
来自专栏我和我大前端的故事

初探 TypeScript函数基本类型泛型接口类内置对象

前段时间有朋友和我推荐 TypeScript ,他说写起来特别爽,让我去试一试,那时候我还在那是啥高深莫测的东西。刚好那段时间忙,一直没有时间看。最近也很忙,还...

6222
来自专栏Golang语言社区

Go语言语法汇总

最近看了看GoLang,把Go语言的语法总结了一下,做个快速参考 数据类型 ---- var varName type,var var1,var2… type,...

4338
来自专栏吴伟祥

MySQL中字节、编码、长度、值的关系 原

0.一个汉字占多少字节与编码有关:          UTF-8:一个汉字=3个字节             GBK:一个汉字=2个字节  1.var...

963

扫码关注云+社区

领取腾讯云代金券