正则表达式详解(贪婪与懒惰、前瞻与后顾、后向引用等)
发布时间:2020-12-14 00:36:13 所属栏目:百科 来源:网络整理
导读:之前嫌正则麻烦,一直没有深入去了解过正则,能不用的地方就不使用。 最近项目中遇到了不可避免的正则使用,所以花了点时间去了解并整理了一下,理解不一定完全准确,如有不对欢迎指出,希望对大家有所帮助。 名词解释 (这部分其实可以不看) 首先我们了解
之前嫌正则麻烦,一直没有深入去了解过正则,能不用的地方就不使用。
最近项目中遇到了不可避免的正则使用,所以花了点时间去了解并整理了一下,理解不一定完全准确,如有不对欢迎指出,希望对大家有所帮助。
名词解释
(这部分其实可以不看)
首先我们了解几个名词:元字符 、 普通字符、打印字符、非打印字符、 限定符 、定位符、非打印字符
元字符:
可以简单理解为变成语言中的关键字,在正则匹配时会有特殊的语义,不能当做普通字符直接使用,类似于 * ^ ? 等等一类的字符,如果需要直接使用元字符,需要使用
+元字符的方式,比如 要匹配 * 号 则正则应该写成 *
普通字符:
普通字符就是包括所有的非元字符在内的打印字符和非打印字符
打印字符:
普通的字符,没有特殊含义 a-zA-z0-9等
非打印字符:
由
+普通字符组成的一些不会在打印时显示出来的字符,比如换行符、换页符等等
正则表达式所有特殊字符
(不懂的可以后面回来看)
限定符
限定符也可称为量词,用于限定前面单位字符出现次数的特殊语义符号。
主要形式
{n,m} 表示前面的字符中至少出现n次,最多出现m次;其中 n和m为非负整数,n不能为空,m可以为空,m>=n,即存在以下变形
{n} n为非负整数,表示前面的字符出现n次
{n,} n为非负整数,表示前面的字符至少出现n次
? 前面的字符出现 0 次 或 1次 ,同 {0,1}
+ 前面的字符出现 1次 或 多次,同 {1,}
* 前面的字符出现 0此或者 多次,同 {0,}
贪婪匹配与懒惰匹配
限定符中有贪婪匹配和懒惰匹配的区别,一般情况下,限定符会执行贪婪匹配,即尽可能的匹配更多的字符,也就是有更长的匹配结果的时候,会返回更长的返回结果。懒惰匹配则相反,会尽可能的匹配更少的字符,即返回较短的匹配的结果,如果需要使用懒惰匹配,需要在限定符后面额外加一个问号(即?)。
下面用一个例子说明。
存在待匹配字符串
aaaaabaab
则,以下贪婪限定正则的匹配结果为
.*b -> aaaaabaab
.+b -> aaaaabaab
a? -> a
a* -> aaaaa
a+ -> aaaaa
a{2,5} -> aaaaa
假如使用懒惰匹配模式
.*b? -> aaaaab
.+b? -> aaaaab
a?? -> 结果为空
a*? -> 结果为空
a+? -> a
a{2,5}? -> aa
虽然懒惰匹配会返回较短的匹配结果,但并不会出现忽略匹配的情况,即上面的例子中
.*b? 的结果为 aaaaab 而不是 ab,
而假如在上面的基础上再加一个正则
a{2,5}?b 结果应为 aaaaab 而不为 aab
这是因为正则是从左向右解析的,解析会从最开始匹配到的符合条件的字符开始,然后按照正则中的定义去匹配后面字符,而不会跳过符合条件的字符去进行匹配。
定位符
用于匹配字符的边界位置,比如字符串的开头与结尾,单词的开头与结尾等。
主要有
中括号匹配
匹配所有中括号中的字符,并且只匹配一次。
如:
[abc]123 可匹配 a123、b123、c123
可使用 -号指定连续范围
如
[0-9] 指定所有数字 ,等价于 d
捕获分组(圆括号匹配)
先看下面两个例子:
1.假如有字符串 3cd
则 “(d)cd ”匹配结果为 3cd 和 3
2.假如有字符串 6cd
则 (3|6)cd 匹配结果为 6cd 和 6
括号里面的匹配则为捕获匹配,且括号里面的匹配结果将会被缓存 ,第一个例子括号里的括号匹配的结果为3,第二个括号里匹配结果为6
如果想消除缓存,可以在括号最前面加上 ?:
则
1中 (?:d)cd 匹配结果为 3cd,等价于 [d]cd 或 dcd
2中 (?:3|6)cd 匹配结果为 6cd,等价于 [3|6]cd
捕获分组形式
主要有:
(pattern)
匹配 pattern 并捕获该匹配的子表达式。可以使用 $0...$9 属性从结果“匹配”集合中检索捕获的匹配(包含整个正则的匹配及括号中的子表达式的匹配结果,即上例子中的3cd 和 3,6cd和 6)。
(?:pattern)
匹配 pattern 但不捕获该pattern子表达式的匹配,即它是一个非获取捕获匹配,不存储子表达式的匹配供以后使用。有时对于用“或”字符 (|) 组合模式部件的情况很有用。例如,与“interesting|interested”相比,“interest(?:ing| ed)”是一个更加简单的表达式。
(?=pattern)
执行肯定式前瞻搜索的子表达式,该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,“Windows (?=95| 98| NT| 2000)”与“Windows 2000”中的“Windows”匹配,但不与“Windows 3.1”中的“Windows”匹配。
前瞻搜索不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成前瞻搜索的字符后(即pattern匹配的内容还可以在后续的表达式中进行解析使用,相当于尚未解析到pattern内容)。
(?!pattern)
执行否定式前瞻搜索的子表达式,该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,“Windows (?!95| 98| NT| 2000)”与“Windows 3.1”中的“Windows”匹配,但不与“Windows 2000”中的“Windows”匹配。
前瞻搜索不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成前瞻搜索的字符后(即pattern匹配的内容还可以在后续的表达式中进行解析使用,相当于尚未解析到pattern内容)。
前瞻(Lookahead)和后顾(Lookbehind)
为了说明(?=pattern) 和 (?!pattern) 的作用和区别,这里说下两个概念--前瞻(Lookahead)和后顾(Lookbehind)。
这两个术语形象的描述了正则引擎的匹配行为。
正则表达式中的前和后并不指代文本的开头和末尾,即不是通常理解中的,开头的方向称作“前面”,文本末尾方向称为“后面”。对于正则表达式引擎来说,它一般是从文本头部向尾部开始解析的(可以通过正则选项控制解析方向),因此对于文本尾部方向,称为“前”,即正则引擎还没未解析的部分,而对文本头部方向,则称为“后”,即正则引擎已经解析的部分。
可以理解为解析的时候有一个游标,在解析 aaabccc时,当游标在b时,aaa部分为后顾部分,ccc部分为前瞻部分。
所谓的前瞻就是在正则表达式匹配到某个字符的时候,往“尚未解析过的文本”预先看一下,看是不是符合/不符合匹配模式,而后顾,就是在正则引擎已经匹配过的文本看看是不是符合/不符合匹配模式。符合和不符合特定匹配模式我们又称为肯定式匹配和否定式匹配。
即前瞻的形式为:
(?=pattern) 为肯定式前瞻,(?!pattern) 为 否定式前瞻
后顾则用的比较少,形式为
(?<=pattern) 肯定式后顾 , (?<!pattern) 否定式后顾
为了进一步说明(?=pattern) 和 (?!pattern) 的区别,这里看个例子:
例子1(此处演示区别):
下面为三个正则
interest(?:ing)
interest(?=ing)
interest(?!ing)
如果匹配 字符串 “interesting",结果依次为
interesting
interest
无
如果匹配字符串 ”insterested",结果依次为
无
无
interest
例子2(此例子演示不消耗/占用前瞻字符)
存在正则
windows (?=2000|2003|xp) pro
windows (?=2000|2003|xp)(?:2000|2003|xp) pro
解析字符串 windows 2003 pro时,结果依次为
无
windows 2003 pro
原因是前瞻不消耗字符(用游标理解相当于游标还在2003前的空格处),故第一个正则表达式在解析匹配了windows (?=2000|2003|xp)部分后,未解析的字符串还有 2003 pro,但后面的正则为 出现 " pro",明显不符合匹配。
而第二个正则在后面使用非捕获捕获匹配,解析了 2003 ,再解析 “ pro” ,顾成功匹配。
后向引用
捕获分组可以进行 后向引用 (如果正则表达式后面有相同的捕获分组内容,可以根据顺序直接引用前面定义的捕获组,简化表达式)
如
(d)cd1 这里的"1"就是对"(d)"的后向引用,等同于(d)cd(d)
(a)(b)(ac).* 123
等价于
(a)(b)(ac).* (a)(b)(ac)
(a)(b)(ac).* 133
等价于
(a)(b)(ac).* (a)(ac)(ac)
(a)(b)(ac).* 233
等价于
(a)(b)(ac).* (b)(ac)(ac)
(编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |