一起学习正则表达式断言匹配

Posted 2022-02-02 容华谢后

转载请注明出处：https://blog.csdn.net/kong_gu_you_lan/article/details/119342396

本文出自 容华谢后的博客

往期回顾：

《一起学习正则表达式（一）那些让人头晕的元字符》

《一起学习正则表达式（二）量词与贪婪》

《一起学习正则表达式（三）分组与引用》

《一起学习正则表达式（四）常见的4种匹配模式》

《一起学习正则表达式（五）断言匹配》

《一起学习正则表达式（六）正则匹配原理》

《一起学习正则表达式（七）回溯陷阱》

0.写在前面

一提到断言，很多人第一时间就会想到单元测试，在正则中，断言是指对匹配到的文本位置有要求，比如我们想要查找一段文本中 tom 这个单词，但是其他单词 tomorrow 或者 tomato 也包含 tom，我们该怎么去限定呢，这就是断言大显身手的时候了。

对匹配到的文本位置有要求，其实就是限定单词左边和右边的字符类型，细想下来，其实和单元测试中的断言也差不多，正则中常见的断言有三种，分别是单词边界、行的开始和结束、环视，一起来看下。

1.单词边界

我们在第三篇文章中，学习了正则中分组与引用的知识，其中在查找那一节，我们举了一个例子，来回顾下：

有这样一个需求，在一个目标字符串中，查找两个重复出现的单词，还没有学到单词边界，我们先用 \\w2, 来表示出现的单词，重复的单词就是 (\\w2, \\1)，看下结果：

有的同学会有疑问，为什么要用 \\w2, 来表示一个单词呢，\\w+ 不行吗，来看下 \\w+ 匹配的效果：

可以看到字母 s 也被匹配到了，这并不是我们想要的结果，我们需要优雅的解决这个问题，就用到了单词边界，边界的英文是 Boundary，取其首字母小写，就用 \\b 来表示，可以写在单词的左边或右边，修改之后是这样的：

\\b 放在单词的左边或者右边，匹配结果是不一样的：

单词	tom 单词包含 tom	\\btom 以 tom 开头的单词	tom\\b 以 tom 结尾的单词	\\btom\\b 只能是 tom
tom	✔	✔	✔	✔
tomorrow	✔	✔	✘	✘
atom	✔	✘	✔	✘
atomic	✔	✘	✘	✘

2.行的开始和结束

在前几篇文章中，我们已经对行的开始和结束标记有一些了解了，在正则中，我们使用脱字符 ^ 来表示行的开始，美元符 $ 来表示行的结尾，举个栗子：

对登录密码进行格式校验，密码要求是6位连续的数字，我们可以很快的写出正则表达式 \\d6，来验证下：

可以看到6位数字可以匹配成功，7位、8位也可以匹配成功，这显然是不对的，修改下：

和单词边界差不多，^ 限定以什么开始，$ 限定以什么结尾，只不过限定的不是单词，而是一段文本。

我们还可以使用 \\A 和 \\z（Python 中使用 \\Z） 来限定行的开始和结束：

注意：\\A \\Z 这种匹配方式是不支持多行模式的，目标字符串中也不可以有其他字符，比如换行或者空格。

3.环视

环视在正则中的意思就是左右看，也被称为零宽断言，和单词边界类似，但是更加灵活了，环视可以限定单词的左边可以是什么类型，不可以是什么类型，单词的右边可以是什么类型，不可以是什么类型：

正则	名称	含义	示例
(?<=Y)	肯定逆序环视	左边是Y	(?<=\\d)th 左边是数字的 th，可以匹配上 9th
(?<!Y)	否定逆序环视	左边不是Y	(?<!\\d)th 左边不是数字的 th，可以匹配上 health
(?=Y)	肯定顺序环视	右边是Y	six(?=\\d) 右边是数字的 six，可以匹配上 six6
(?!Y)	否定顺序环视	右边不是Y	six(?!\\d) 右边不是数字的 six，可以匹配上 sixgod

环视的正则表达式是用括号括起来的，注意这个括号不会被保存成子组，引用数括号位置的时候注意跳过。

这四个表达式，乍一看起来有点懵，其实是有规律可循的，带尖括号的看左边，不带尖括号的看右边，带叹号就是否定，这样就好记了。

我们用环视来表示下上面学到的单词边界，可以这样写 ((?<!\\w)\\w+(?!\\w))：

4.写在最后

最后在总结下上面讲到的内容：

到这里，正则表达式的断言匹配就讲完了，如果有问题可以给我留言评论，谢谢。

正则表达式在线校验工具：https://regex101.com/