深入理解正則表達式環視的概念與用法
文章大綱：
深入理解正則表達式環視的概念與用法
一、環視的概念
（一）環視概念與匹配過程示例
示例一：簡單環視匹配過程
（二）什么是消耗正則的匹配字符？
示例二：一次匹配消耗匹配字符匹配過程
示例三：多次匹配消耗匹配字符匹配過程
二、環視的類型
（一）肯定和否定
（二）順序和逆序
· 兩種類型名稱組合
· 四種組合的用法
四種組合正則與環視的擺放位置
1、肯定順序：(?=exp)
（1）常規用法
示例四：肯定順序環視常規用法
（2）變種用法
示例五：肯定順序環視變種用法
2、否定順序：(?!exp)
示例六：否定順序環視
3、肯定逆序：(?<=exp)
示例七：肯定逆序環視
4、否定逆序：(?<!exp)
示例八：否逆序環視
三、環視的應用
示例九：正則分塊組合法-必須包含字母、數字、特殊字符
示例十：正則逐步完善法-排除特定標簽p/a/img，匹配html標簽
示例十一：正則減除查錯法-匹配異常原因查找
總結
在《 深入講解正則表達式高級教程-環視 》中已經對環視做了簡單的介紹，但是，可能還有一些讀者比較迷惑，今天特意以專題的形式，深入探討一下正則表達式的環視的概念與用法。
一、環視的概念
環視，在不同的地方又稱之為零寬斷言，簡稱斷言。
環視強調的是它所在的位置，前面或者后面，必須滿足環視表達式中的匹配情況，才能匹配成功。
環視可以認為是虛擬加入到它所在位置的附加判斷條件，并不消耗正則的匹配字符。
（一）環視概念與匹配過程示例
示例一：簡單環視匹配過程
例如，對于源字符串 ABC ，正則 (?=A)[A-Z] 匹配的是：
- (?=A) 所在的位置，后面是 A
- 表達式 [A-Z] 匹配 A-Z 中任意一個字母
根據兩個的先后位置關系，組合在一起，那就是：
(?=A) 所在的位置，后面是 A ，而且是 A-Z 中任意一個字母，因此，上面正則表達式匹配一個大寫字母 A 。
從例子可以看出，從左到右，正則分別匹配了環視 (?=A) 和 [A-Z] ，由于環視不消耗正則的匹配字符，因此， [A-Z] 還能對 A 進行匹配，并得到結果。
（二）什么是消耗正則的匹配字符？
在《深入講解正則表達式高級教程》里我們已經講過，正則是按照單個字符來進行匹配的，一般情況下是從左到右，逐個匹配源字符串中的內容。
示例二：一次匹配消耗匹配字符匹配過程
例如，對于源字符串 ABCAD ，正則 A[A-Z] 匹配的過程是：
- 正則 A ：因為沒有位置限定，因此是從源字符串開始位置開始，也就是正則里的 ^ ，這個 ^ 是虛擬字符，表示匹配字符串開始位置，也就是源字符串 ABCAD 里的 A 前面的位置，因為正則 A 能夠匹配源字符串 A ，匹配成功，匹配位置從源字符串 ^ 的位置后移一位，到達 A 后面，即此時源字符串 ABCAD 的 A 這個字符已經被消耗，接下來的正則匹配從 A 后面開始。
- 正則 [A-Z] ：當前匹配位置為第一個 A 字母后面位置，正則 [A-Z] 對源字符串 ABCAD 里的 B 字母進行匹配，匹配成功，位置后移到 B 字母后面的位置。至此，由于正則已經匹配完成，因此，正則 A[A-Z] 匹配結果是 AB 。
我們知道，有些語言如js支持 g 模式修飾符，也就是全局匹配，那么，上面例子中，正則匹配1次成功之后，將會從匹配成功位置（ B 字母后面位置）開始，再從頭進行匹配一次正則，直到源字符串全部消耗完為止。
示例三：多次匹配消耗匹配字符匹配過程
因此，全局匹配的過程補充如下：
- 正則 A ：當前匹配位置為 B 字母后面位置，正則 A 去匹配源字符串中的 C ，匹配失敗，匹配位置后移一位，此時 C 被消耗了。
- 正則 A ：當前匹配位置為 C 字母后面位置，正則 A 去匹配源字符串中的第二個 A 字母，匹配成功，匹配位置后移一位，此時 A 被消耗了。
- 正則 [A-Z] ：當前匹配位置為第二個 A 字母后面位置，正則 [A-Z] 對源字符串 ABCAD 里的 D 字母進行匹配，匹配成功，位置后移到 D 字母后面的位置，此時 D 被消耗了。
- 由于正則里還有個源字符串結束位置，也就是正則里的 $ ，這個 $ 也是虛擬字符，因此，還要繼續進行匹配：
正則 A ：當前匹配位置為 D 字母后面的位置，正則 A 去匹配源字符串的結束位置，匹配失敗，匹配結束。
最終匹配結果是 AB 和 AD 。
二、環視的類型
環視的類型有兩類：
（一）肯定和否定
1、肯定： (?=exp) 和 (?<=exp)
2、否定： (?!exp) 和 (?<!exp)
（二）順序和逆序
1、順序： (?=exp) 和 (?!exp)
2、逆序： (?<=exp) 和 (?<!exp)
· 兩種類型名稱組合
1、肯定順序： (?=exp)
2、否定順序： (?!exp)
3、肯定逆序： (?<=exp)
4、否定逆序： (?<!exp)
· 四種組合的用法
四種組合，根據正則與環視位置的不同，又可以組合出來8種不同的擺放方式。
一般來說，順序的環視，放在正則后面，認為是常規用法，而放在正則前面，對正則本身的匹配起到了限制，則認為是變種的用法。
而逆序的環視，常規用法是環視放在正則前面，變種用法是放在正則后面。
總結一句話就是：常規用法，環視不對正則本身做限制。
但是，無論常規和變種，都是非常常見的用法。
四種組合正則與環視的擺放位置
1、肯定順序常規： [a-z]+(?=;) 字母序列后面跟著; 2、肯定順序變種： (?=[a-z]+$).+$ 字母序列 3、肯定逆序常規： (?<=:)[0-9]+ :后面的數字 4、肯定逆序變種： \b[0-9]\b(?<=[13579]) 0-9中的奇數 5、否定順序常規： [a-z]+\b(?!;) 不以;結尾的字母序列 6、否定順序變種： (?!.*?[lo0])\b[a-z0-9]+\b 不包含l/o/0的字母數字系列 7、否定逆序常規： (?<!age)=([0-9]+) 參數名不為age的數據 8、否定逆序變種： \b[a-z]+(?<!z)\b 不以z結尾的單詞
下面示例，僅對肯定順序環視進行兩種用法的講解，其他組合都有類似用法，讀者參考上面列舉8種位置用法自行測試。
1、肯定順序： (?=exp)
（1）常規用法
所謂常規用法，主要指正則匹配部分位于肯定順序環視左側，如： test(?=\.php) ，用于匹配后綴是 .php 的test文件。
示例四：肯定順序環視常規用法
源字符串：
notexefile1.txt exefile1.exe exefile2.exe exefile3.exe notexefile2.php notexefile3.sh
需求：獲取 .exe 后綴文件不含后綴的文件名
正則：
.+(?=\.exe)
結果：
exefile1 exefile2 exefile3
示例中，因為要獲取 .exe 后綴不含后綴的文件名，因此，在不使用分組進行捕獲的時候，我們利用了肯定順序型環視的限定，達到了既限定為 .exe 后綴又不被捕獲進匹配結果的效果，充分展示了環視不占位的特性。
（2）變種用法
所謂變種用法，主要指正則匹配部分位于肯定順序環視右側，匹配內容收到環視條件的限定，如： ^(?=[a-z]+$).+ ，雖然后面用的是 .+ （ . 除了不能匹配換行，能匹配任意字符），但是，這個表達式只能匹配一個以上的 a-z 字母組合，因為它被前面的環視限制了匹配范圍。
示例五：肯定順序環視變種用法
需求：必須包含字母（不區分大小寫）、數字，6-16位密碼
正則：
^(?=.*?[a-zA-Z])(?=.*?[0-9])[a-zA-Z0-9]{6,16}$
測試用例：
量詞條件：
- 小于6
- 6-16（關注邊界值）
- 大于16
字符條件：
- 純數字
- 純英文
- 數字+英文
- 英文+數字
- 英文數字亂序混合
注：每類字符條件都要考慮量詞條件</pre>
示例中，使用 (?=.*?[a-zA-Z]) 限定后面的字符中至少有一個字母，使用 (?=.*?[0-9]) 限定后面的字符中至少有一個數字，最后通過實際匹配正則 [a-zA-Z0-9]{6,16} 限定量詞。此示例，同樣提現了環視不占位的特性，否則的話，第一個環視消耗完字符，會導致后面匹配失敗，而實際并沒有，因為環視不消耗匹配字符。
2、否定順序： (?!exp)
示例六：否定順序環視
源字符串：
notexefile1.txt exefile1.exe exefile2.exe exefile3.exe notexefile2.php notexefile3.sh需求：獲取不是 .exe 后綴文件不含后綴的文件名
正則：
(.+)(?!\.exe)\.[^.]+$結果：
notexefile1 notexefile2首先，拿到這個需求，看過前面肯定順序環視例子的寫法，我們很可能一下子寫出來 .+(?!\.exe) ，但是測試之后卻發現， 錯了！ 為什么？一萬個為什么飄過~~~
為什么匹配錯誤，這涉及到正則匹配的原理，匹配過程如下：
為了解釋方便，這里以多行模式進行講解。
正則 .+ ：因為沒有指定位置，從每行字符串開始位置開始匹配， .+ 是貪婪模式，盡可能多匹配，而且是匹配除了換行外的任意字符，因此，以第一行為例， .+ 匹配到 notexefile1.txt ，匹配位置移動到字符串最后。
正則 (?!\.exe) ：匹配字符串結束位置，不是 .exe ，成功，匹配結束。
匹配結果得到： notexefile1.txt
其他幾行匹配過程是類似的，我們發現每行它都匹配上了，這不是我們預期的結果。
為了得到預期的結果，我們需要在環視限定的條件下，把后綴部分消耗掉，同時利用否定順序環視限定其不能是 .exe 后綴，然后用分組獲取文件名，得到表達式： (.+)(?!\.exe)\.[^.]+$ 。這個表達式的匹配過程，跟上面其實是類似的，只不過因為表達式沒有匹配完成，導致了回溯，回溯讓出了后綴部分給 \.[^.]+ 去匹配了。
在寫這個正則的過程中，我們可以先寫出 (.+)\.[^.]+$ 這樣的正則，然后在再后綴位置插入環視限定，從而得到目標正則 (.+)(?!\.exe)\.[^.]+$ 。
由于回溯過程涉及步驟過多，這里就不做展開，后面有機會再寫一個關于正則回溯的文章，現在大家可以打開這個 否定順序匹配與回溯 演示頁，分別查看3個版本的debug情況。
選擇版本：在正則輸入框上面的下拉菜單里
查看debug：左側TOOLS區域的 Regex Debugger 菜單。
注：由于該站jquery引用自谷歌，因此需要FQ加載才可以打開
當然也可以用Regexbuddy的Debug功能，這個可以參考《 正則表達式工具RegexBuddy使用教程 》查看Debug用法。
三個版本的正則都是 (.+)(?!\.exe)\.[^.]+$
源字符串分別是：
- 測試示例六，使用示例六源字符串
測試匹配成功情況回溯，源字符串
notexefile1.txt
測試匹配失敗情況回溯，源字符串
exefile1.exe
3、肯定逆序： (?<=exp)
（1）肯定逆序環視和否定逆序環視在一些語言中是不支持的，如JavaScript就不支持，大家在使用過程中需要注意一下。
（2）很多語言不支持非確定長度的逆序環視。所謂非確定長度，是指逆序環視部分內容，不是固定長度的，如 (?<=.*;)abc ，這里用的 .* 就是不固定的長度。無論是分支情況還是什么，逆序環視部分需要固定長度。
（3）有些語言里，支持特定范圍的非確定長度，這個是指 (?<=.{0，100};)abc 這種，本來的 .* 使用 0-100 這樣的限定最大長度為100的范圍值。
因此，大家使用過程中可以根據自己使用語言的差異，測試使用。
示例七：肯定逆序環視
源字符串：
name=Zjmainstay age=26需求：獲取name參數的值
正則： (?<=name=).+
示例很直白，前面必須是 name= ，然后獲取其后面的數據，由于環視不占位，因此并沒有出現在匹配結果中。
4、否定逆序： (?!exp)
示例八：否逆序環視
源字符串：
name=Zjmainstay age=26需求：獲取不是name參數的值
正則： ^[^=]+=(?<!name=)(.+)
跟否定順序示例一樣，我們不能直接用 (?<!name=).+ 進行匹配，正則做法是先把參數部分匹配出來，再用否定逆序環視對它進行限定，限定它不能是 name= ，因此實現匹配。
講到這里，你們是否能想到前面否定順序示例六中，可以用否定逆序來做？
正則： (.+)\.[^.]+(?<!\.exe)$
因此，幾個環視組合，由于正則所擺放的位置不同，可以產生等價的效果。
三、環視的應用
環視一直是正則表達式使用過程中的難題，主要體現在它的不占位（不消耗匹配字符）但起限定作用、肯定和否定、順序和逆序區分、擺放位置不同如何理解等概念上。經過上面的講解，相信讀者已經對這幾個概念有了深刻的理解，但是，理解概念跟靈活運用是兩碼事。
接下來我們再舉幾個平時常用的例子，幫助大家理解并掌握，達到靈活運用的程度。
示例九：正則分塊組合法-必須包含字母、數字、特殊字符
正則： ^(?=.*?[a-z])(?=.*?\d)(?![a-z\d]+$).+$
解析：
(?=.*?[a-z]) 限制必須有字母
(?=.*?\d) 限制必須有數字
(?![a-z\d]+$) 限制從開頭到結尾不能全為數字和字母
.+ 在沒有限定的情況下可以是任意字符
^ 和 $ 限定字符串的開頭和結尾
組合起來就可以得到上面正則。
示例十：正則逐步完善法-排除特定標簽 p/a/img ，匹配html標簽
正則： </?(?!p|a|img)([^> /]+)[^>]*/?>
解析：
常見的標簽格式有：
<p>...</p> //無屬性值 <p class="t"....>...</p> //有屬性值 <img ..../> //有屬性值自閉合 <br/> //無屬性值自閉合首先，從簡單標簽入手，對于 </p> 和 <br/> ，寫出正則：
</?[^>]*/?>
由于 [^>] 通配符的匹配訪問太大，因此，實際上無論有沒有屬性值，都被上面表達式給匹配了，這個沒關系，我們通過進一步細化匹配通配符，縮小匹配范圍。
我們觀察可得，標簽名是這樣得到的：
無屬性值：<p> <([^>]+) 有屬性值：<p class <([^ ]+) 無屬性值自閉合：<br/> <([^/]+) 閉合標簽：</p> </([^>]+)>得到正則：
</?([^> /]+)用這部分代替前面通配正則的標簽名部分，得到：
</?([^> /]+)[^>]*/?>
最后，我們需要排除 p/a/img 標簽，用否定順序法，在標簽名前面加入否定環視：
</?(?!p|a|img)([^> /]+)[^>]*/?>
大功告成，這是我們要的結果！
此示例的正則逐步完善法是正則書寫過程中常用方法，倒推回去也是可行的，比如，假如我們拿到一段很長的正則，而它的匹配結果是錯誤的，我們該怎么做？
我們可以用逐步截斷的方法，一步步的減除掉右側的一部分，直到它恢復匹配，我們就知道剛剛被減除掉的部分正則是有問題的，觀察它為什么導致錯誤，修改正確，再逐步恢復后面減除的正則即可。
示例十一：正則減除查錯法-匹配異常原因查找
源字符串：
<ul> <li class="item">item1</li> <li class="item">item2</li> <li class="item bug">item3</li> <li class="item">item4</li> <li class="item">item5</li> </ul>正則： <li class="item">(.*?)</li>
減除排錯過程：
例子比較簡單，主要演示思路過程。
用上面的正則去匹配源字符串，我們發現，明明預期5個結果，但是卻得到了4個，因此，我們開始進行減除正則排錯。
- 減除右側 </li> ，此時正則 <li class="item">(.*?) 匹配4個
- 減除右側 (.*?) ，此時正則 <li class="item"> ，匹配4個
- 減除 "item"> ，此時正則 <li class= ， 匹配5個
- 恢復 "item"> ，減除 > ，此時正則 <li class="item" ，匹配4個
- 減除 " ，此時正則 <li class="item ， 匹配5個
至此，觀察發現item后面還有其他可能，補充兼容：- 修復得正則 <li class="item[^"]*"
- 逐步把前面減除的 " 后面部分補充回來，此時正則 <li class="item[^"]*">(.*?)</li> ， 匹配5個
問題解決！總結
文章至此，已經完整講解了正則表達式環視的概念與用法，讀者從中能夠了解到正則的逐步匹配原理，消耗與不消耗匹配字符原理，環視的不占位概念，環視作為一個虛擬位置限定其前后匹配的概念，環視肯定和否定類型與順序和逆序類型的概念，以及各種概念原理的運用，最后還附帶了正則書寫過程中運用的分塊組合法、逐步完善法和減除查錯法，希望能夠幫助廣大讀者更加深刻地理解正則表達式，達到靈活運用的程度。
來自：http://www.cnblogs.com/Zjmainstay/p/regexp-lookaround.html