零宽度断言-2.6 替换 -正则表达式学习笔记 -grule

http://hxzon00.blog.163.com/blog/static/10489241620089101108514/

2.9 零宽度断言-2.6 替换 -正则表达式学习笔记 -grule

2.9 零宽度断言   http://blog.csdn.net/wlzhengzebiaodashi/archive/2008/03/24/2213191.aspx

在2.1.1小节中，元字符\b、^、$都匹配一个位置，且这个位置满足一定的条件。在此，把满足这一个条件称为断言或零宽度断言。正则表达式中的常用零宽度断言明如表2-10所示。

表2-10零宽度断言

字符（断言）	说明
^	匹配行的开始位置。
$	匹配行的结束位置。
\A	匹配必须出现在字符串的开头。
\Z	匹配必须出现在字符串的结尾或字符串结尾处的\换行符号n之前。
\z	匹配必须出现在字符串的结尾。
\G	匹配必须出现在上一个匹配结束的地方。
\b	匹配字符的开始或结束位置。
\B	匹配不是在字符的开始或结束位置。

　　在表2-8中，表达式(?=experssion)、(?!experssion)、(?<=experssion)和(?<!experssion)都是匹配一个位置。下面将详细介绍表达式(?=experssion)和(?<=experssion)。

　　(?=experssion)又称为零宽度正预测先行断言，它断言自身位置的后面能够匹配表达式experssion。以下正则表达式匹配以字符串“ed”结尾的单词的前面部分，即匹配单词的除字符串“ed”之外的部分。

\b\w+(?=ed\b)                                                              （73）

　　(?<=experssion)又称为零宽度正回顾后发断言，它断言自身位置的前面能够匹配表达式experssion。以下正则表达式匹配以字符串“an”开头的单词的后面部分，即匹配单词的除字符串“an”之外的部分。

(?<=\ban)\w+\b                                                                （74）

使用工具Regex Tester分别测试正则表达式（73）和（74），结果分别如图和所示。

     

　　　　　　　　　

               

2.8 后向引用

　　当一个正则表达式被分组之后，每一个组将自动被赋予一个组号，该组号可以代表该组的表达式。其中，组号的编制规则为：从左到右、以分组的左括号“(”为标志，第一个分组的组号为1，第二个分组的组号为2，以此类推。

　　反向引用提供查找重复字符组的方便的方法。它们可被认为是再次匹配同一个字符串的快捷指令。后向引用可以使用数字命名（即默认名称）的组号，也可以使用指定命名的组号。它们的具体说明如表2-8所示。

表2-8后向引用

表达式	说明
\数字	使用数字命名的后向引用。
\k<name>	使用指定命名的后向引用。

注意：在表2-8中，表达式\k<name>为.NET Framework所支持。

　　以下正则表达式匹配具有两个重复字符的单词。

\b(\w)\1\b                                                                    （65）

注意：正则表达式\b(\w)\1\b和\b(\w)\w\b并不等效，第一个表达式只匹配两个相同字符的单词，而第二个表达式匹配具有两个字符（可以相同，也可以不相同）的单词。

　　以下正则表达式首先匹配单词的开头处，然后匹配一个字符和数字，再重复该字符和数字，最后是单词的结尾处。

\b(\w)(\d)\1\2\b                                                                 （66）

　　使用工具Regex Tester分别测试了正则表达式（65）和\b(\w)\w\b，结果如图所示。在测试结果中，正则表达式\b(\w)\1\b只匹配了单词“aa”，而正则表达式\b(\w)\w\b可以匹配单词“aa”和“ab”。

　　　　　　以下正则表达式匹配以两个重复字符结尾的单词。

\b\w*(\w+)\1\b                                                                 （67）

　　以下正则表达式匹配重复出现的单词。

\b(\w+)\b\s+\1\b                                                                （68）

　　上述正则表达式\b(\w+)\b\s+\1\b匹配的具体过程如下：

（1）表达式\b(\w+)\b匹配一个单词，且单词的长度至少为1；

（2）表达式\s+匹配一个或多个空白字符；

（3）表达式\1将重复子表达(\w+)匹配的内容，即重复匹配的单词；

（4）匹配单词的结束位置。

　　分组不但可以使用数字作为组号，而且还可以使用自定义名称作为组号。以下两个正则表达式都是将分组后的子表达式\w+命名为“word”。

(?<word>\w+)                                                              （69）

(?'word'\w+)                                                                    （70）

　　因此，正则表达式\b(\w+)\b\s+\1\b和以下正则表达式等价，它们都匹配重复出现的单词。

\b(?<word>\w+)\b\s+\k<word>\b                                         （71）

　　以下正则表达式和正则表达式\b\w*(\w+)\1\b等价，它也是匹配以两个重复字符结尾的单词。

\b\w*(?<char>\w+)\k<char>\b                                           （72）

　　分组子表达式(?<name>)将元字符括在其中，并强制正则表达式引擎记住该子表达式匹配，同时使用“name”将该匹配进行命名。反向引用\k<name>使引擎对当前字符和以名称“name”存储的先前匹配字符进行比较，从而匹配具有重复字符的字符串。正则表达式中的常用分组说明如表2-9所示。

表2-9常用分组说明

字符	说明
(experssion)	匹配字符串experssion，并将匹配的文本保存到自动命名的组里。
(?<name>experssion)	匹配字符串experssion，并将匹配的文本以name进行命名。该名称不能包含标点符号，不能以数字开头。
(?:experssion)	匹配字符串experssion，不保存匹配的文本，也不给此组分配组号。
(?=experssion)	匹配字符串experssion前面的位置。
(?!experssion)	匹配后面不是字符串experssion的位置。
(?<=experssion)	匹配字符串experssion后面的位置。
(?<!experssion)	匹配前面不是字符串experssion的位置。
(?>experssion)	只匹配字符串experssion一次。

2.7 分组

　　分组又称为子表达式，即把一个正则表达式的全部或部分分成一个或多个组。其中，分组使用的字符为“(”和“)”，即左圆括号和右圆括号。分组之后，可以将字符为“(”和“)”之中的表达式看成一个整体来处理。以下正则表达式可以匹配重复出现字符串“abc”一次或两次的字符串。此时，表达式将“abc”看成一个整体来进行重复匹配。

(abc){1,2}                                                                    （63）

　　以下正则表达式可以匹配简单的IP地址。

(\d{1,3}\.){3}\d{1,3}                                                               （64）

　　正则表达式式（64）解释：

      \d{1,3}\.先匹配1~3位的整数然后匹配一个字符“.”（点号），如“1.”、“12.”、“123.”、“888.”等。

      (\d{1,3}\.){3}将子表达式\d{1,3}\.匹配的字符串重复3次，如“1.2.3.”、“12.34.56.”、“123.456.789.”、“888.899.569.”等。

      \d{1,3}将匹配1~3位的整数。

　　综合以上分析，正则表达式(\d{1,3}\.){3}\d{1,3}能够匹配简单的IP地址，如“10.0.0.1”、“123.123.235.235”等。使用工具Regex Tester测试正则表达式（64），结果如图2.25所示。

2.6 替换 (2)

　　正则表达式[Jj]ack可以匹配字符串“Jack”或者“jack”。该正则表达式还可以使用替换来实现同样的匹配效果。如下正则表达式等效于正则表达式[Jj]ack。

Jack|jack                                                                    （59）

　　如下正则表达式等效于正则表达式Jack|jack。因此，正则表达式[Jj]ack、Jack|jack和Jack|jack能够匹配的所有字符串是相同。

(J|j)ack                                                                              （60）

　　使用工具Regex Tester分别测试正则表达式[Jj]ack和（60），结果分别如图2.21和2.22所示。从图中可以看到，两个正则表达式匹配的结果是相同的。

　　　　　　　　　正则表达式的常用替换说明如表2-7所示。

表2-7常用替换

字符或表达式	说明
|	匹配|（竖线）字符的左侧或右侧。
(?(表达式)yes|no)	表达式要么可以匹配“yes”部分匹配；要么与“no”部分匹配。其中，“no”部分可省略。
(?(name)yes|no)	以name命名的字符串要么匹配“yes”部分匹配；要么与“no”部分匹配。其中，“no”部分可省略。

注意：字符|在匹配表达式时，它首先匹配|字符的左侧部分。当左侧部分不匹配时，它才尝试匹配|字符的右侧部分。

给定以下两个正则表达式

\d{5}-\d{3}|\d{5}                                                                （61）

\d{5}|\d{5}-\d{3}                                                                （62）

根据字符|的匹配原则（优先匹配左侧表达式），正则表达式\d{5}|\d{5}-\d{3}只会匹配5位的数字字符串，而不会匹配用连接符合连接的8位数字字符串。然而，正则表达式\d{5}-\d{3}|\d{5}能够匹配用连接符合连接的8位数字字符串或者5位的数字字符串。因为，该表达式首先尝试匹配用连接符合连接的8位数字字符串，只有当未匹配时，才匹配5位的数字字符串。

使用工具Regex Tester分别测试了正则表达式（61）和（62），测试结果分别如图2.23和2.24所示。正则表达式\d{5}|\d{5}-\d{3}只匹配了字符串“12345”。而正则表达式\d{5}-\d{3}|\d{5}可以匹配字符串“12345-678”和字符串“12345”。

2.6 替换 (1)

　　正则表达式0\d{2}-\d{8}和0\d{3}-\d{7}分别匹配区号为3位和4位的固定电话号码，如果需要同时匹配区号为3位和4位的固定电话号码时，使用替换可以满足这一个需求。最简单的替换使用字符“|”表示，它表示如果某一个字符串匹配了正则表达式中的字符“|”的左边或者右边的规则，那么该字符串也匹配了该正则表达式。

　　以下正则表达式匹配了当前国内部分地区的两种固定电话号码：一种是号码的前4位为区号，后7位为本地号码；另一种是号码的前3位为区号，后8位为本地号码。其中，区号和本地号码都使用连接符号“-”进行连接。

0\d{2}-\d{8}|0\d{3}-\d{7}                                                    （56）

　　以下正则表达式匹配了当前国内部分地区的3种固定电话号码：一种是号码的前4位为区号，后7位为本地号码；另一种是号码的前3位为区号，后8位为本地号码；最后一种是号码的前4位为区号，后8位为本地号码。其中，区号和本地号码都使用连接符号“-”进行连接。

0\d{2}-\d{8}|0\d{3}-\d{7}|0\d{3}-\d{8}                                      （57）

　　以下正则表达式匹配当前国内部分地区的区号为4位的固定电话号码。其中，区号和本地号码可以使用连接符号“-”进行连接，也可以不使用连接“-”符号。

0\d{3}-\d{7}|0\d{3}[-]?\d{7}                                                  （58）

　　使用工具Regex Tester测试正则表达式（58），测试结果如图所示。其中，电话号码[phone]和07311234567都均被匹配。

　　　　　　　　　　　　　　

评论

1 楼 guji528 2012-11-19  

了解了一些零宽度断言部分：
(?=experssion)、(?!experssion)、(?<=experssion)和(?<!experssion)