10、负向零宽断言
举个例子：/b/w*q[^u]/w*/b匹配包含后面后面不是字母u的字母q的单词。但是如果q出现在单词的结尾的话，像Iraq,Benq，这个表达式就会出错。这是因为[^u]总要匹配一个字符，所以如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符(可能是空格，或者是句号或其它的什么)，后面的/w*/b将会匹配下一个单词，于是/b/w*q[^u]/w*/b就能匹配整个Iraq fighting。负向零宽断言能解决这样的问题，因为它只匹配一个位置，并不消费任何字符。
零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：/d{3}(?!/d)匹配三位数字，而且这三位数字的后面不能是数字；/b((?!abc)/w)+/b匹配不包含连续字符串abc的单词。
同理，我们可以用(?<!exp),零宽度正回顾后发断言来断言此位置的前面不能匹配表达式exp：(?<![a-z])/d{7}匹配前面不是小写字母的七位数字。
一个更复杂的例子：(?<=<(/w+)>).*(?=<///1>)匹配不包含属性的简单HTML标签内里的内容。(<?(/w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是<b>)，然后是.*(任意的字符串),最后是一个后缀(?=<///1>)。注意后缀里的//，它用到了前面提过的字符转义；/1则是一个反向引用，引用的正是捕获的第一组，前面的(/w+)匹配的内容，这样如果前缀实际上是<b>的话，后缀就是</b>了。整个表达式匹配的是<b>和</b>之间的内容(再次提醒，不包括前缀和后缀本身)。
11、注释
小括号的另一种用途是能过语法(?#comment)来包含注释。例如：2[0-4]/d(?#200-249)|25[0-5](?#250-255)|[01]?/d/d?(?#0-199)。
要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉。
例如，我们可以前面的一个表达式写成这样：
(?<= # 断言要匹配的文本的前缀
<(/w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
) # 前缀结束
.* # 匹配任意文本
(?= # 断言要匹配的文本的后缀
<///1> # 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
) # 后缀结束
12、贪婪与懒惰
当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。的字符。考虑这个表达式：
有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧
a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab和ab（为什么第一个匹配是aab而不是ab？简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配最有最大的优先权——The MatchThat Begins Earliest Wins）。
|
表5.懒惰限定符
| |
|
*?
|
重复任意次，但尽可能少重复
|
|
+?
|
重复1次或更多次，但尽可能少重复
|
|
??
|
重复0次或1次，但尽可能少重复
|
|
{n,m}?
|
重复n到m次，但尽可能少重复
|
|
{n,}?
|
重复n次以上，但尽可能少重复
|
13、处理选项
上面介绍了几个选项如忽略大小写，处理多行等，这些选项能用来改变处理正则表达式的方式。下面是.Net中常用的正则表达式选项：
|
表6.常用的处理选项
| |
|
名称
|
说明
|
|
IgnoreCase(忽略大小写)
|
匹配时不区分大小写。
|
|
Multiline(多行模式)
|
更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配/n之前的位置以及字符串结束前的位置.)
|
|
Singleline(单行模式)
|
更改.的含义，使它与每一个字符匹配（包括换行符/n）。
|
|
IgnorePatternWhitespace(忽略空白)
|
忽略表达式中的非转义空白并启用由#标记的注释。
|
|
RightToLeft(从右向左查找)
|
匹配从右向左而不是从左向右进行。
|
|
ExplicitCapture(显式捕获)
|
仅捕获已被显式命名的组。
|
|
ECMAScript(JavaScript兼容模式)
|
使表达式的行为与它在JavaScript里的行为一致。
|
14、平衡组/递归匹配
注意：这里介绍的平衡组语法是由.Net Framework支持的；其它语言／库不一定支持这种功能，或者支持此功能但需要使用不同的语法。
有时我们需要匹配像( 100 * ( 50 + 15 ) )这样的可嵌套的层次性结构，这时简单地使用/(.+/)则只会匹配到最左边的左括号和最右边的右括号之间的内容(这里我们讨论的是贪婪模式，懒惰模式也有下面的问题)。假如原来的字符串里的左括号和右括号出现的次数不相等，比如( 5 / ( 3 + 2 ) ) )，那我们的匹配结果里两者的个数也不会相等。有没有办法在这样的字符串里匹配到最长的，配对的括号之间的内容呢？
为了避免(和/(把你的大脑彻底搞糊涂，我们还是用尖括号代替圆括号吧。现在我们的问题变成了如何把xx <aa <bbb> <bbb> aa>yy这样的字符串里，最长的配对的尖括号内的内容捕获出来？
这里需要用到以下的语法构造：
(?'group')把捕获的内容命名为group,并压入堆栈
(?'-group')从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败
(?(group)yes|no)如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分
(?!)零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败
可以这样理解上面的三种语法：第一个就是在黑板上写一个 "group"，第二个就是从黑板上擦掉一个"group"，第三个就是看黑板上写的还有没有"group"，如果有就继续匹配yes部分，否则就匹配no部分。
我们需要做的是每碰到了左括号，就在黑板上写一个"group"，每碰到一个右括号，就擦掉一个，到了最后就看看黑板上还有没有－－如果有那就证明左括号比右括号多，那匹配就应该失败。
< #最外层的左括号
[^<>]* #最外层的左括号后面的不是括号的内容
(
(
(?'Open'<) #碰到了左括号，在黑板上写一个"Open"
[^<>]* #匹配左括号后面的不是括号的内容
)+
(
(?'-Open'>) #碰到了右括号，擦掉一个"Open"
[^<>]* #匹配右括号后面不是括号的内容
)+
)*
(?(Open)(?!)) #在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败
> #最外层的右括号
平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配嵌套的<div>标签：<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.
15、未提到的语法
|
表7.尚未详细讨论的语法
| |
|
/a
|
报警字符(打印它的效果是电脑嘀一声)
|
|
/b
|
通常是单词分界位置，但如果在字符类里使用代表退格
|
|
/t
|
制表符，Tab
|
|
/r
|
回车
|
|
/v
|
竖向制表符
|
|
/f
|
换页符
|
|
/n
|
换行符
|
|
/e
|
Escape
|
|
/0nn
|
ASCII代码中八进制代码为nn的字符
|
|
/xnn
|
ASCII代码中十六进制代码为nn的字符
|
|
/unnnn
|
Unicode代码中十六进制代码为nnnn的字符
|
|
/cN
|
ASCII控制字符。比如/cC代表Ctrl+C
|
|
/A
|
字符串开头(类似^，但不受处理多行选项的影响)
|
|
/Z
|
字符串结尾或行尾(不受处理多行选项的影响)
|
|
/z
|
字符串结尾(类似$，但不受处理多行选项的影响)
|
|
/G
|
当前搜索的开头
|
|
/p{name}
|
Unicode中命名为name的字符类，例如/p{IsGreek}
|
|
(?>exp)
|
贪婪子表达式
|
|
(?<x>-<y>exp)
|
平衡组
|
|
(?im-nsx:exp)
|
在子表达式exp中改变处理选项
|
|
(?im-nsx)
|
为表达式后面的部分改变处理选项
|
|
(?(exp)yes|no)
|
把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
|
|
(?(exp)yes)
|
同上，只是使用空表达式作为no
|
|
(?(name)yes|no)
|
如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
|
|
(?(name)yes)
|
同上，只是使用空表达式作为no
|
扫一扫
904
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
