正则之环视

Posted 2020-07-24

正则之环视

regex

• 1.环视基础
• 2.示例
  • 至少包含
  • 不重复
  • 分隔数字
  • 标签
• 3.环视匹配原理
  • 顺序环视匹配过程
  • 逆序环视匹配过程
• 4. 环视应用

参考：
正则基础之 环视 Lookaround
正则应用之 逆序环视探索
正则匹配原理之 逆序环视深入

1.环视基础

环视基础

表达式	说明
(?<=Expression)	逆序肯定环视，表示所在位置左侧能够匹配Expression
(?<!Expression)	逆序否定环视，表示所在位置左侧不能匹配Expression
(?=Expression)	顺序肯定环视，表示所在位置右侧能够匹配Expression
(?!Expression)	顺序否定环视，表示所在位置右侧不能匹配Expression

顺序环视相对是简单的，而逆序环视相对是复杂的

• javascript中只支持顺序环视，不支持逆序环视。

• Java中虽然顺序环视和逆序环视都支持，但是逆序环视只支持长度确定的表达式，逆序环视中量词只支持?，不支持其它长度不定的量词。

2.示例

至少包含

密码由8到16位长度的英文字母、数字，且至少包含一个英文字母
顺序肯定环视：^(?=[0-9]*+[a-zA-Z])[a-zA-Z0-9]{8,16}$
密码由8到16位长度的英文字母、数字和特殊字符，且至少包含一个英文字母，一个数字，一个特殊字符，不能包含空格
顺序肯定环视：^(?=[^a-zA-Z]*+[a-zA-Z])(?=[^0-9]*+[0-9])(?=[a-zA-Z0-9]*+[^a-zA-Z0-9])\\S{8,16}$

不重复

由字母、数字、特殊字符组合的8至16位长度，只能包含一次wifi
顺序否定环视：^(?!\\S*?wifi\\S*wifi)\\S{8,16}$

分隔数字

一串纯数字，从右开始每3位加逗号，如134545756变为134,545,756
逆序肯定环视：(?<=\\d)(?=(?:\\d\\d\\d)+$)
说明：(?<=\\d)是为了保证左侧第一个必须为数字

一串以$结尾的数字，从右开始每3位加逗号，如134545756$变为134,545,756$
逆序肯定环视：(?<=\\d)(?=(\\d\\d\\d)+(?!\\d))

需求：数字格式化成用“,”的货币格式。
java8在逆序环视中，不支持无限字符数量的匹配量词，如、+*
正则表达式：(?<=\\d)(?<!\\.\\d{0,100})(?=(?:\\d{3})+(?:\\.\\d+|$))

标签

需求：匹配除<p…>或</p>之外的其余标签，如：aa<p>one</p>bb<div>two</div>cc
正则表达式：<(?!/?p\\b)[^>]+>

需求：匹配div标签之间的内容，如：<div>a test</div>
正则表达式：(?<=<div>)[^<]+(?=</div>)

3.环视匹配原理

匹配位置

顺序环视匹配过程

• 对于顺序肯定环视(?=Expression)来说，当子表达式Expression匹配成功时，(?=Expression)匹配成功，并报告(?=Expression)匹配当前位置成功。

• 对于顺序否定环视(?!Expression)来说，当子表达式Expression匹配成功时，(?!Expression)匹配失败；当子表达式Expression匹配失败时，(?!Expression)匹配成功，并报告(?!Expression)匹配当前位置成功。

源字符串：aa<p>one</p>bb<div>two</div>cc
正则表达式：<(?!/?p\\b)[^>]+>
这个正则的意义就是匹配除<p…>或</p>之外的其余标签。

匹配过程：

1. 首先由字符<取得控制权，从位置0开始匹配，由于<匹配a失败，在位置0处整个表达式匹配失败，第一次迭代匹配失败，正则引擎向前传动，由位置1处开始尝试第二次迭代匹配。

2. 重复以上过程，直到位置2，<匹配<成功，控制权交给(?!/?p\\b)；(?!/?p\\b)子表达式取得控制权后，进行内部子表达式的匹配。首先由/?取得控制权，尝试匹配p失败，进行回溯，不匹配，控制权交给p；由p来尝试匹配p，匹配成功，控制权交给\\b；由\\b来尝试匹配位置4，匹配成功。此时子表达式匹配完成，/?p\\b匹配成功，那么环视表达式(?!/?p\\b)就匹配失败。在位置2处整个表达式匹配失败，新一轮迭代匹配失败，正则引擎向前传动，由位置3处开始尝试下一轮迭代匹配。

3. 在位置8处也会遇到一轮/?p\\b匹配/p成功，而导致环视表达式(?!/?p\\b)匹配失败，从而导致整个表达式匹配失败的过程。

4. 重复以上3过程，直到位置14，<匹配<成功，控制权交给(?!/?p\\b)；/?尝试匹配d失败，进行回溯，不匹配，控制权交给p；由p来尝试匹配d，匹配失败，已经没有备选状态可供回溯，匹配失败。此时子表达式匹配完成，/?p\\b匹配失败，那么环视表达式(?!/?p\\b)就匹配成功。匹配的结果是位置15，然后控制权交给[^>]+；由[^>]+从位置15进行尝试匹配，可以成功匹配到div，控制权交给>；由>来匹配>。
   此时正则表达式匹配完成，报告匹配成功。匹配结果为<div>，开始位置为14，结束位置为19。其中<匹配<，(?!/?p\\b)匹配位置15，[^>]+匹配字符串div，>匹配>。

逆序环视匹配过程

• 对于逆序肯定环视(?<=Expression)来说，当子表达式Expression匹配成功时，(?<=Expression)匹配成功，并报告(?<=Expression)匹配当前位置成功。

• 对于逆序否定环视(?<!Expression)来说，当子表达式Expression匹配成功时，(?<!Expression)匹配失败；当子表达式Expression匹配失败时，(?<!Expression)匹配成功，并报告(?<!Expression)匹配当前位置成功；

• 顺序环视尝试匹配的起点是确定的，就是当前位置，而匹配的终点是不确定的。逆序环视匹配的起点是不确定的，是当前位置左侧某一位置，而匹配的终点是确定的，就是当前位置。

• 所以顺序环视相对是简单的，而逆序环视相对是复杂的。这也就是为什么大多数语言和工具都提供了对顺序环视的支持，而只有少数语言提供了对逆序环视支持的原因。

• JavaScript中只支持顺序环视，不支持逆序环视。

• Java中虽然顺序环视和逆序环视都支持，但是逆序环视只支持长度确定的表达式，逆序环视中量词只支持?，不支持其它长度不定的量词。

• 目前只有.NET中支持不确定长度的逆序环视。

源字符串：<div>a test</div>
正则表达式：(?<=<div>)[^<]+(?=</div>)
这个正则的意义就是匹配<div>和</div>标签之间的内容，而不包括<div>和</div>标签本身。

匹配过程：

1. 首先由(?<=<div>)取得控制权，从位置0开始匹配，由于位置0是起始位置，左侧没有任何内容，所以<div>必然匹配失败，从而环视表达式(?<=<div>)匹配失败，导致整个表达式在位置0处匹配失败。第一轮迭代匹配失败，正则引擎向前传动，由位置1处开始尝试第二次迭代匹配。

2. 直到传动到位置5，(?<=<div>)取得控制权，向左查找5个位置，由位置0开始匹配，由<div>匹配<div>成功，从而(?<=<div>)匹配成功，匹配的结果为位置5，控制权交给[^<]+；[^<]+从位置5开始尝试匹配，匹配a test成功，控制权交给(?=</div>)；由</div>匹配</div>成功，从而(?=</div>)匹配成功，匹配结果为位置11。

3. 此时正则表达式匹配完成，报告匹配成功。匹配结果为a test，开始位置为5，结束位置为11。其中(?<=<div>)匹配位置5，[^<]+匹配a test，(?=</div>)匹配位置11。

4. 逆序否定环视的匹配过程与上述过程类似，区别只是当Expression匹配失败时，逆序否定表达式(?<!Expression)才匹配成功。

4. 环视应用

需求：数字格式化成用,的货币格式。
正则表达式：(?<=\\d)(?<!\\.\\d*)(?=(?:\\d{3})+(?:\\.\\d+|$))

实现分析：
首先根据需求可以确定是把一些特定的位置替换为“,”，接下来就是分析并找到这些位置的规律，并抽象出来以正则表达式来表示。
1、这个位置的左侧必须为数字
2、这个位置右侧到出现.或结尾为止，必须是数字，且数字的个数必须为3的倍数
3、这个位置左侧相隔任意个数字不能出现.

由以上三条，就可以完全确定这些位置，只要实现以上三条，组合一下正则表达式就可以了。
根据分析，最终匹配的结果是一个位置，所以所有子表达式都要求是零宽度。
1、是对当前所在位置左侧附加的条件，所以要用到逆序环视，因为要求必须出现，所以是肯定的，符合这一条件的子表达式即为(?<=\\d)
2、是对当前所在位置右侧附加的条件，所以要用到顺序环视，也是要求出现，所以是肯定的，是数字，且个数为3的倍数，即(?=(?:\\d{3})*)，到出现.或结尾为止，即(?=(?:\\d{3})*(?:\\.|$))
3、是对当前所在位置左侧附加的条件，所以要用到逆序环视，因为要求不能出现，所以是否定的，即(?<!\\.\\d*)

因为零宽度的子表达式是非互斥的，最后匹配的都是同一个位置，所以先后顺序是不影响最后的匹配结果的，可以任意组合，只是习惯上把逆序环视写在左侧，顺序环视写在右侧。