正则表达式小记

正则表达式小记

正则表达式日常基础的可以达到看懂能写的地步，但是一直对以下三个点不大清楚，今天得恶补记录下啦。

在介绍以下三点前，先将常用分组语法列出如下：

一、后向引用

后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本 \b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

二、环视

环视这个名词叫法很多，有些书上会叫做预搜索，也有些书上会叫做零宽断言。其实表达的是同一个意思。

环视按照方向划分有顺序和逆序两种，按照是否匹配有肯定和否定两种，组合起来就有四种环视 (?<=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

举例如下： 源字符串：

 aa<p>one</p>bb<div>two</div>cc
0  2     8     14   18         30

正则表达式：<(?!/?p\b)[^>]+>

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)”。
3. “(?!/?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“/”失败，进行回溯，不匹配，控制权交给“p”；
4. 由“p”来尝试匹配“p”，匹配成功，控制权交给“\b”
5. 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
6. 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。
7. 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。
8. 重复以上过程，直到位置14，“<”匹配“<”成功，控制权交给“(?!/?p\b)”；
9. “/?”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
10. 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“>”。

以上的例子是一个 环视顺序否定匹配。逆序否定一般用的较少。简单了解即可。

三、贪婪/懒惰匹配

贪婪是指 尽可能多的去匹配。 懒惰是指 尽可能少的去匹配。