正则表达式教程五 —— 环视(零宽断言)
2017-12-25 17:17 浏览(30

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

评论(0)
发布评论
回复X
聊天室