正则表达式之负向零宽断言
怎么查找不是某个字符或不在某个字符类里的字符的方法(反义)我们之前已经提过了。但是如果我们的目的不是去匹配某个字符,而是只想要该字符是否出现过,怎么办?例如,如果我们想要查找的单词中出现了字母q,但是字母q的后面跟着的不是字母u的话,我们可以尝试:
\b\w*q[^u]\w*\b
匹配包含后面不是字母u的字母q的单词。但是如果多做测试(或者你思维足够敏锐,直接就观察出来了),你会发现,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。现在,我们可以这样来解决这个问题:\b\w*q(?!u)\w*\b
。
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)
,零宽度负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)。
注解:
- 请详细分析表达式
(?<=<(\w+)>).*(?=<\/\1>)
,这个表达式最能表现零宽断言的真正用途。