正則表達式的先行斷言(lookahead)和後行斷言(lookbehind)（轉）

正則表達式的先行斷言(lookahead)和後行斷言(lookbehind)（轉）

正則表達式的先行斷言和後行斷言一共有4種形式：
(?=pattern) 零寬正向先行斷言(zero-width positive lookahead assertion)
(?!pattern) 零寬負向先行斷言(zero-width negative lookahead assertion)
(?<=pattern) 零寬正向後行斷言(zero-width positive lookbehind assertion)
(?<!pattern) 零寬負向後行斷言(zero-width negative lookbehind assertion)
這裏面的pattern是一個正則表達式。

如同^代表開頭，$代表結尾，\b代表單詞邊界一樣，先行斷言和後行斷言也有類似的作用，它們只匹配某些位置，在匹配過程中，不佔用字符，所以被稱爲“零寬”。所謂位置，是指字符串中(每行)第一個字符的左邊、最後一個字符的右邊以及相鄰字符的中間（假設文字方向是頭左尾右）。
下面分別舉例來說明這4種斷言的含義。

(?=pattern) 正向先行斷言
代表字符串中的一個位置，緊接該位置之後的字符序列能夠匹配pattern。
例如對”a regular expression”這個字符串，要想匹配regular中的re，但不能匹配expression中的re，可以用”re(?=gular)”，該表達式限定了re右邊的位置，這個位置之後是gular，但並不消耗gular這些字符，將表達式改爲”re(?=gular).”，將會匹配reg，元字符.匹配了g，括號這一砣匹配了e和g之間的位置。

(?!pattern) 負向先行斷言
代表字符串中的一個位置，緊接該位置之後的字符序列不能匹配pattern。
例如對”regex represents regular expression”這個字符串，要想匹配除regex和regular之外的re，可以用”re(?!g)”，該表達式限定了re右邊的位置，這個位置後面不是字符g。負向和正向的區別，就在於該位置之後的字符能否匹配括號中的表達式。

(?<=pattern) 正向後行斷言
代表字符串中的一個位置，緊接該位置之前的字符序列能夠匹配pattern。
例如對”regex represents regular expression”這個字符串，有4個單詞，要想匹配單詞內部的re，但不匹配單詞開頭的re，可以用”(?<=\w)re”，單詞內部的re，在re前面應該是一個單詞字符。之所以叫後行斷言，是因爲正則表達式引擎在匹配字符串和表達式時，是從前向後逐個掃描字符串中的字符，並判斷是否與表達式符合，當在表達式中遇到該斷言時，正則表達式引擎需要往字符串前端檢測已掃描過的字符，相對於掃描方向是向後的。

(?<!pattern) 負向後行斷言
代表字符串中的一個位置，緊接該位置之前的字符序列不能匹配pattern。
例如對”regex represents regular expression”這個字符串，要想匹配單詞開頭的re，可以用”(?<!\w)re”。單詞開頭的re，在本例中，也就是指不在單詞內部的re，即re前面不是單詞字符。當然也可以用”\bre”來匹配。

對於這4個斷言的理解，可以從兩個方面入手：
1.關於先行(lookahead)和後行(lookbehind)：正則表達式引擎在執行字符串和表達式匹配時，會從頭到尾（從前到後）連續掃描字符串中的字符，設想有一個掃描指針指向字符邊界處並隨匹配過程移動。先行斷言，是當掃描指針位於某處時，引擎會嘗試匹配指針還未掃過的字符，先於指針到達該字符，故稱爲先行。後行斷言，引擎會嘗試匹配指針已掃過的字符，後於指針到達該字符，故稱爲後行。
2.關於正向(positive)和負向(negative)：正向就表示匹配括號中的表達式，負向表示不匹配。

對這4個斷言形式的記憶：
1.先行和後行：後行斷言(?<=pattern)、(?<!pattern)中，有個小於號，同時也是箭頭，對於自左至右的文本方向，這個箭頭是指向後的，這也比較符合我們的習慣。把小於號去掉，就是先行斷言。
2.正向和負向：不等於(!=)、邏輯非(!)都是用!號來表示，所以有!號的形式表示不匹配、負向；將!號換成=號，就表示匹配、正向。