正则表达式Lookaround特性的应用
1. 介绍Lookaround是Perl 5引进的特性，这个特性极大增强了正则表达式的能力，熟练掌握该特性，可以帮助我们运用正则表达式解决更复杂的问题。Lookaround有4种类型，下面的定义取自Java API ：
上面定义中的"Zero-width"是理解Lookaround特性的关键。常用的"^"、"$"、"b"等Boundary Characters都是"Zero-width Assertions"，即不消费字符，但判定当前位置是否满足特定的要求，Lookaround实际也是"Zero-width Assertions"。Boundary Characters是系统预定义的"Zero-width Assertions"，而Lookaround可以看做用户自定义的"Zero-width Assertions"。 接下来给几个Lookaround应用的例子。
2. 应用举例下面的例子除了Lookaround，主要用的都是一些正则表达式的基本特性，只有两个可能不太常见的特性：
先了解这两个特性对理解后面的例子是有帮助的。 2.1 匹配否定匹配全数字的字符串，正则表达式很容易写，"d+"；但是要匹配不全是数字的字符串，怎么写呢？"D+"是不行的，因为这样无法匹配包含数字的串；分析一下，只要串里包含非数字就可以，所以可以写成".*D.*"，还不算困难。 再看个例子，匹配包含连续数字的字符串，可以用".*dd.*"来实现；那么怎么匹配不包含连续数字的字符串呢？仔细找找规律，"d?(D+d?)*"似乎可以满足要求，但理解起来就不是那么容易了。 从这两个例子看，模式的否定匹配，跟原模式完全没有关系，也没有规律可寻，不同的情况得具体分析。可以想象，对于更复杂的情况，否定匹配很可能会更难写，甚至写不出来的，或者即使写出来的，也非常难理解。 利用Lookaround特性可以很容易实现否定匹配，上面例子的Java代码如下：
Pattern.compile("(?!d+$).+"); // 字符串不全是数字
Pattern.compile("(?!.*?dd).+"); // 不包含连续数字
在模式的起始处，利用"Negative Lookahead"特性定义一个"Assertion"，写起来很有规律，也非常容易理解。第二个例子里用了"*?"（Reluctant quantifiers），因为它比默认的"*"（Greedy quantifiers）更符合我们的意图，也更高效。 注意：在做match的时候，Java会在模式的前后自动添加"^"和"$"，所以就没必要自己加了；但在有的语言或工具里，需要自己添加"^"和"$"。
2.2 与运算下面举一个验证密码例子。出于简化的目的，只涉及"w"中的字符，即[a-zA-Z_0-9]；为了便于演示，也不考虑密码格式的定义是否合理。对密码的格式的要求如下：
这些要求看似很复杂，实际上却是异乎寻常地简单，下面是Java代码： Pattern.compile(
"(?=.*?[a-z]) # 至少包含小写字母n" +
"(?=.*?[A-Z]) # 至少包含大写字母n" +
"(?=.*?[d_]) # 至少包含一个数字或_n" +
"(?!d|.*d$) # 开头和结尾不允许是数字n" +
"(?!.*?__) # 不允许出现连续的_n" +
"w{8,16} # 长度在8到16之间n",Pattern.COMMENTS);
如果熟悉Lookaround，这个正则表达式是非常容易理解的，注释已经说明地很清楚了；当然，上面的这个正则表达式不是唯一的写法，更不是最优的写法。 2.3 反向引用和分组再看一个例子，怎么判断一个字符串是否包含重复的字符？如果了解反向引用，可以用下面的正则表达式来实现：
Pattern.compile(
".*? # 第一个重复字母前面的部分n" +
"(.) # 重复字母第一次出现n" +
".*? # 重复字母间的部分n" +
"1 # 重复字母第二次出现n" +
".* # 重复字母第二次出现后的部分n",Pattern.COMMENTS); 即使不加注释，这个正则表达式也不难理解。那么它的否定匹配，判断一个字符串不包含重复字符的正则表达式怎么写呢？仔细考虑了一下，得到下面的写法：
Pattern.compile(
"(?: # 非捕获分组，该分组中只包含一个字符n" +
" (.) # 一个字符的分组n" +
" (?!.*?1) # 该字符不能在后面的字符串中出现n" +
")+ # 所有的字符n",Pattern.COMMENTS);
举这个例子，主要是为了说明Lookaround中可以使用反向引用；不仅如此，在Lookaround中实际可以使用任意合法的正则表达式。而且，在Lookaround中还可以定义分组，虽然Lookaround是"Zero-width Assertions"，但是可以在Lookaround中定义长度不为零的分组。 上面的不包含重复字符的正则表达式，有一个常用的小技巧，"(?:(.)(X))+"，其中"X"是一个Lookaround的表达式，这种对单个字符做约束的方式，在很多情况下都会很用。但是，这种不指定位置，对所有字符都做Lookaround的做法，效率是非常差的，如果在乎性能，一定要避免这种做法。 2.4 Lookaround嵌套Lookaound表达式里可以是用任意正则表达式，所以我们可以在Lookaround中嵌套Lookaround表达式，这些表达式都是对同一个位置做约束。 比如有这么个字符串"John has 2,000 dollars,Paul has $1,500,George has $1,200,Ringo has $1,600"，现在要在","后添加空格，但是数字里的","后不添加。下面嵌套的Lookaround可以满足要求：
Pattern.compile(
"(?<=,# 前面是逗号，即在逗号的后面n" +
" (?! # Negative Lookaheadn" +
" (?<=d,) # 逗号前面是数字n" +
" (?=d) # 逗号后面是数字n" +
" ) # n" +
") # n",Pattern.COMMENTS)
.matcher(s)
.replaceAll(" "); Lookaround是"Zero-width"，所以找到位置，直接用空格替换就是了。上面的表达式有"与"和"非的关系"，根据德摩根定律,NOT (a AND b) === (NOT a OR NOT b) ，所以也可以用下面的表达式来实现：
Pattern.compile(
"(?<=,# 前面是逗号，即在逗号的后面n" +
" (?: # Positive Lookaheadn" +
" (?<!d,) # 前面不是数字n" +
" | # 或n" +
" (?!d) # 后面不是数字n" +
" ) # n" +
") # n",Pattern.COMMENTS)
.matcher(s)
.replaceAll(" ");
3. 其他使用Lookaround时一定要注意，很多正则表达式引擎只支持Lookahead，不支持Lookbehind；即使支持Lookbehind，也有限制，一般只能使用固定长度的表达式，不能用"*"或者"+"这些量词。 还有很重要的一点，Lookaround是Atomic匹配，即一旦Lookaround成功，那么就不会再对Lookaround做回溯，即使后面的匹配失败，如果在Lookaround中使用了分组，一定要小心这点。 （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! |