主頁 > 知識庫 > 正則基礎之環視 Lookaround

正則基礎之環視 Lookaround

1 環視基礎

環視只進行子表達式的匹配，不占有字符，匹配到的內容不保存到最終的匹配結果，是零寬度的。環視匹配的最終結果就是一個位置。

環視的作用相當于對所在位置加了一個附加條件，只有滿足這個條件，環視子表達式才能匹配成功。

環視按照方向劃分有順序和逆序兩種，按照是否匹配有肯定和否定兩種，組合起來就有四種環視。順序環視相當于在當前位置右側附加一個條件，而逆序環視相當于在當前位置左側附加一個條件。

表達式	說明
(?=Expression)	逆序肯定環視，表示所在位置左側能夠匹配Expression
(?!Expression)	逆序否定環視，表示所在位置左側不能匹配Expression
(?=Expression)	順序肯定環視，表示所在位置右側能夠匹配Expression
(?!Expression)	順序否定環視，表示所在位置右側不能匹配Expression

對于環視的叫法，有的文檔里叫預搜索，有的叫什么什么斷言的，這里使用了更多人容易接受的《精通正則表達式》中“環視”的叫法，其實叫什么無所謂，只要知道是什么作用就是了，就這么幾個語法規則，還是很容易記的

2 環視匹配原理

環視是正則中的一個難點，對于環視的理解，可以從應用和原理兩個角度理解，如果想理解得更清晰、深入一些，還是從原理的角度理解好一些，正則匹配基本原理參考 NFA引擎匹配原理。

上面提到環視相當于對“所在位置”附加了一個條件，環視的難點在于找到這個“位置”，這一點解決了，環視也就沒什么秘密可言了。

順序環視匹配過程

對于順序肯定環視(?=Expression)來說，當子表達式Expression匹配成功時，(?=Expression)匹配成功，并報告(?=Expression)匹配當前位置成功。

對于順序否定環視(?!Expression)來說，當子表達式Expression匹配成功時，(?!Expression)匹配失敗；當子表達式Expression匹配失敗時，(?!Expression)匹配成功，并報告(?!Expression)匹配當前位置成功；

順序肯定環視的例子已在NFA引擎匹配原理中講解過了，這里再講解一下順序否定環視。

源字符串：aap>one/p>bbdiv>two/div>cc

正則表達式：(?!/?p\b)[^>]+>

這個正則的意義就是匹配除p…>或/p>之外的其余標簽。

匹配過程：

首先由字符“”取得控制權，從位置0開始匹配，由于“”匹配“a”失敗，在位置0處整個表達式匹配失敗，第一次迭代匹配失敗，正則引擎向前傳動，由位置1處開始嘗試第二次迭代匹配。

重復以上過程，直到位置2，“”匹配“”成功，控制權交給“(?!/?p\b)”；“(?!/?p\b)”子表達式取得控制權后，進行內部子表達式的匹配。首先由“/?”取得控制權，嘗試匹配“p”失敗，進行回溯，不匹配，控制權交給“p”；由“p”來嘗試匹配“p”，匹配成功，控制權交給“\b”；由“\b”來嘗試匹配位置4，匹配成功。此時子表達式匹配完成，“/?p\b”匹配成功，那么環視表達式“(?!/?p\b)”就匹配失敗。在位置2處整個表達式匹配失敗，新一輪迭代匹配失敗，正則引擎向前傳動，由位置3處開始嘗試下一輪迭代匹配。

在位置8處也會遇到一輪“/?p\b”匹配“/p”成功，而導致環視表達式“(?!/?p\b)”匹配失敗，從而導致整個表達式匹配失敗的過程。

重復以上過程，直到位置14，“”匹配“”成功，控制權交給“(?!/?p\b)”；“/?”嘗試匹配“d”失敗，進行回溯，不匹配，控制權交給“p”；由“p”來嘗試匹配“d”，匹配失敗，已經沒有備選狀態可供回溯，匹配失敗。此時子表達式匹配完成，“/?p\b”匹配失敗，那么環視表達式“(?!/?p\b)”就匹配成功。匹配的結果是位置15，然后控制權交給“[^>]+”；由“[^>]+”從位置15進行嘗試匹配，可以成功匹配到“div”，控制權交給“>”；由“>”來匹配“>”。

此時正則表達式匹配完成，報告匹配成功。匹配結果為“div>”，開始位置為14，結束位置為19。其中“”匹配“”，“(?!/?p\b)”匹配位置15，“[^>]+”匹配字符串“div”，“>”匹配“>”。

逆序環視基礎

對于逆序肯定環視(?=Expression)來說，當子表達式Expression匹配成功時，(?=Expression)匹配成功，并報告(?=Expression)匹配當前位置成功。

對于逆序否定環視(?!Expression)來說，當子表達式Expression匹配成功時，(?!Expression)匹配失敗；當子表達式Expression匹配失敗時，(?!Expression)匹配成功，并報告(?!Expression)匹配當前位置成功；

順序環視相當于在當前位置右側附加一個條件，所以它的匹配嘗試是從當前位置開始的，然后向右嘗試匹配，直到某一位置使得匹配成功或失敗為止。而逆序環視的特殊處在于，它相當于在當前位置左側附加一個條件，所以它不是在當前位置開始嘗試匹配的，而是從當前位置左側某一位置開始，匹配到當前位置為止，報告匹配成功或失敗。

順序環視嘗試匹配的起點是確定的，就是當前位置，而匹配的終點是不確定的。逆序環視匹配的起點是不確定的，是當前位置左側某一位置，而匹配的終點是確定的，就是當前位置。

所以順序環視相對是簡單的，而逆序環視相對是復雜的。這也就是為什么大多數語言和工具都提供了對順序環視的支持，而只有少數語言提供了對逆序環視支持的原因。

JavaScript中只支持順序環視，不支持逆序環視。

Java中雖然順序環視和逆序環視都支持，但是逆序環視只支持長度確定的表達式，逆序環視中量詞只支持“?”，不支持其它長度不定的量詞。長度確定時，引擎可以向左查找固定長度的位置作為起點開始嘗試匹配，而如果長度不確定時，就要從位置0開始嘗試匹配，處理的復雜度是顯而易見的。

目前只有.NET中支持不確定長度的逆序環視。

逆序環視匹配過程

源字符串：div>a test/div>

正則表達式：(?=div>)[^]+(?=/div>)

這個正則的意義就是匹配div>和/div>標簽之間的內容，而不包括div>和/div>標簽本身。

匹配過程：

首先由“(?=div>)”取得控制權，從位置0開始匹配，由于位置0是起始位置，左側沒有任何內容，所以“div>”必然匹配失敗，從而環視表達式“(?=div>)”匹配失敗，導致整個表達式在位置0處匹配失敗。第一輪迭代匹配失敗，正則引擎向前傳動，由位置1處開始嘗試第二次迭代匹配。

直到傳動到位置5，“(?=div>)”取得控制權，向左查找5個位置，由位置0開始匹配，由“div>”匹配“div>”成功，從而“(?=div>)”匹配成功，匹配的結果為位置5，控制權交給“[^]+”；“[^]+”從位置5開始嘗試匹配，匹配“a test”成功，控制權交給“(?=/div>)”；由“/div>”匹配“/div>”成功，從而“(?=/div>)”匹配成功，匹配結果為位置11。

此時正則表達式匹配完成，報告匹配成功。匹配結果為“a test”，開始位置為5，結束位置為11。其中“(?=div>)”匹配位置5，“[^]+”匹配“a test”，“(?=/div>)”匹配位置11。

逆序否定環視的匹配過程與上述過程類似，區別只是當Expression匹配失敗時，逆序否定表達式(?!Expression)才匹配成功。

到此環視的匹配原理已基本講解完，環視也就沒有什么秘密可言了，所需要的，也只是多加練習而已。

3 環視應用

今天寫累了，暫時就給出一個環視的綜合應用實例吧，至于環視的應用場景和技巧，后面再整理。

需求：數字格式化成用“,”的貨幣格式。

正則表達式：(?=\d)(?!\.\d*)(?=(?:\d{3})+(?:\.\d+|$))

測試代碼：

double[] data = new double[] { 0, 12, 123, 1234, 12345, 123456, 1234567, 123456789, 1234567890, 12.345, 123.456, 1234.56, 12345.6789, 123456.789, 1234567.89, 12345678.9 };

foreach (double d in data)

{

richTextBox2.Text += "源字符串：" + d.ToString().PadRight(15) + "格式化：" + Regex.Replace(d.ToString(), @"(?=\d)(?!\.\d*)(?=(?:\d{3})+(?:\.\d+|$))", ",") + "\n";

}

輸出結果：

源字符串：0 格式化：0

源字符串：12 格式化：12

源字符串：123 格式化：123

源字符串：1234 格式化：1,234

源字符串：12345 格式化：12,345

源字符串：123456 格式化：123,456

源字符串：1234567 格式化：1,234,567

源字符串：123456789 格式化：123,456,789

源字符串：1234567890 格式化：1,234,567,890

源字符串：12.345 格式化：12.345