环视(lookahead),有些也叫零宽断言,不过总感觉这名字太深奥,我喜欢叫环视。
正如它的别名一样,它的匹配是“零宽度”的,是不会占用字符的,只匹配文本中的特定位置,所以环视表达式中匹配的内容是不会被返回的。类似单词分界符 \b,锚点 ^ 和 $
在第三节中,已经粗略的讲了一下环视,乍看起来很简单,但是真正要弄明白却很难,而且它还有四种环视。
虽然有四种,但是理解其中一种,基本其它几种也都触类旁通了。下面就来一一介绍一下
1、肯定顺序环视:(?=pattern)
首先呢,正则的执行顺序是从左至右的,那么这里的意思就是:匹配后面是 pattern 的内容
pattern 可以是确切的字符,如 a,1...,也可以是表达式,如 \d ,[a-z]...
例子23
$s = <<<'TEXT' abc TEXT; preg_match_all('#ab(?=[a-z])#',$s,$m); echo "<pre>"; print_r($m); echo "</pre>"; /* Array ( [0] => Array ( [0] => ab ) ) */
匹配ab后面是小写字母的字符串,比如待匹配串是 ab5 ,就不能匹配。
这里只返回了 ab ,为什么呢?这就体现了上面的重点
只匹配文本中的特定位置,所以环视表达式中匹配的内容是不会被返回的
2、否定顺序环视:(?!pattern)
匹配后面不是 pattern 的内容
例子24
$s = <<<'TEXT' ab5 TEXT; preg_match_all('#ab(?![a-z])#',$s,$m); echo "<pre>"; print_r($m); echo "</pre>"; /* Array ( [0] => Array ( [0] => ab ) ) */
和例子23相反,匹配 ab 后面不是小写字母的字符串
3、肯定逆序环视:(?<=pattern)
上面两种都是顺序(从左至右)的,逆序环视就是解决匹配前面(从右至左)的问题
匹配前面是 pattern 的内容
例子25
$s = <<<'TEXT' ab666 TEXT; preg_match_all('#(?<=[a-z])666#',$s,$m); echo "<pre>"; print_r($m); echo "</pre>"; /* Array ( [0] => Array ( [0] => 666 ) ) */
匹配 666 前面是小写字母的字符串,若把待匹配字符串改为 aB666 ,就不能匹配(因为 B 是大写)
4、否定逆序环视:(?<!pattern)
匹配前面不是 pattern 的内容
例子26
$s = <<<'TEXT' 123abc TEXT; preg_match_all('#(?<![a-z])abc#',$s,$m); echo "<pre>"; print_r($m); echo "</pre>"; /* Array ( [0] => Array ( [0] => abc ) ) */
匹配 abc 前面不是小写字母的字符串,若把待匹配字符串改为 12dabc ,就不能匹配(因为 d 是包含着字符集 a-z 中的)
四种环视已经介绍完了,还是很好理解的吧,接下来就看一个更复杂的例子
例子27
$s = <<<'TEXT' <a>12abc56</a> 7890234 <m>abc 666</m> <div>a12 b38</div> TEXT; preg_match_all('#(?<=<([a-z])>)(.+?)(?=</\1>)#s',$s,$m); echo "<pre>"; print_r($m); echo "</pre>"; /* Array ( [0] => Array ( [0] => 12abc56 [1] => abc 666 ) [1] => Array ( [0] => a [1] => m ) [2] => Array ( [0] => 12abc56 [1] => abc 666 ) ) */
我们分成三段来说
(?<=<([a-z])>)
匹配前面是 <a> ,<m> ,<b> 等这样的字符串,并将匹配到的字母捕获(因为加了小括号),以供后面使用
(.+?)
匹配除了 \n 的所有内容(因为用了 .),但是我用了修饰符 s,所以可以换行匹配,所以可以匹配
abc
666
(?=</\1>)
匹配后面是 </a> ,</m> ,</b> 等这样的字符串,那为什么表达式里面没有看见 a,m,b 这样的字母呢?
这里用了"反向引用",仔细阅读前面几节的同学应该都知道,都有提过。
因为正则是从左至右执行的,在第一段子表达式中我们捕获了字母(([a-z]))
由于是第一个捕获(第一个小括号)的内容,所以反向引用就是 \1,若是第二个捕获的内容,就是用 \2,以此类推
那又有人问了:第一个小括号不是 (?<=pattern) 吗?
这就是我反复强调的【环视表达式中匹配的内容是不会被返回的】
那么这里为什么要用反向引用呢,直接写成和前面的一样((?=</[a-z]>))不就行了?
这是为了标签配对,不然会匹配到前面是以 a 开头,后面却是以 m 结尾的内容,获取的内容都跨标签了,比如这样:
12abc56</a> 7890234 <m>abc 666
注:在这个例子中第三段子表达式即使换成了 (?=</[a-z]>) 也还是可以正常匹配,因为第二段子表达式我加了 ? ,非贪婪匹配,若去掉 ? 就会有这种问题
这个表达式可以匹配单个字母标签内的内容,却不能匹配多个字母的标签内容,如例子中的 div
有些人会说,直接在第一段内容中加个 + 号,匹配多个字母不就行了?
这就是接下来要说的一个重要问题
首先说明,这种方法是不行的,逆序环视只能匹配固定长度的内容,当然顺序是可以不固定长度的,比如如下这个匹配div的例子
例子28
$s = <<<'TEXT' <a>12abc56</a> 7890234 <m>abc 666</m> <div>a12 b38</div> TEXT; preg_match_all('#(?<=<([a-z]{3})>)(.+?)(?=</[a-z]+>)#s',$s,$m); echo "<pre>"; print_r($m); echo "</pre>"; /* Array ( [0] => Array ( [0] => a12 b38 ) [1] => Array ( [0] => div ) [2] => Array ( [0] => a12 b38 ) ) */
(?<=<([a-z]{3})>)
这里使用了限定符 {3}(第二节有讲哦),说明只匹配三个字母的标签,这样就是定长的
(?=</[a-z]+>)
这里我没有使用反向引用,而是直接匹配多个小写字母 [a-z]+,这是不定长的
perl 和 python 的逆序环视是只能匹配固定长度的内容,而php 的正则套件继承的就是 perl 的正则
但是java 的 regex 包的逆序环视是可以不定长的,但长度却是有限的
因为正则是从左到右顺序执行,若逆序执行还不限制长度,那么之前执行过的文本不是每次都要再匹配?匹配次数几何倍增,不推荐也不科学。
布置作业
$s = <<<'TEXT' <a>abcd</a> 666 <b>efg</b> TEXT;
用 【否定逆序环视和否定顺序环视】 匹配出 666