正則基礎 - 環視

環視(Lookaround)

環視基礎

  環視只進行子表達式的匹配，不佔有字符，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。
  環視的作用相當於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。順序環視相當於在當前位置右側附加一個條件，而逆序環視相當於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

  對於環視的叫法，有的文檔裏叫預搜索，有的叫什麼什麼斷言的，這裏使用了更多人容易接受的《精通正則表達式》中“環視”的叫法，其實叫什麼無所謂，只要知道是什麼作用就是了，就這麼幾個語法規則， 還是很容易記的

環視匹配原理

  環視是正則中的一個難點，對於環視的理解，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。
  上面提到環視相當於對“所在位置”附加了一個條件，環視的難點在於找到這個“位置”，這一點解決了，環視也就沒什麼祕密可言了。

順序環視匹配過程

  對於順序肯定環視(?=Expression)來說，當子表達式Expression匹配成功時，(?=Expression)匹配成功，並報告(?=Expression)匹配當前位置成功。
  對於順序否定環視(?!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，並報告(?!Expression)匹配當前位置成功；
  這裏講解一下順序否定環視。

源字符串：aa<p>one</p>bb<div>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>之外的其餘標籤。
匹配過程：

  首先由字符”<“取得控制權，從位置0開始匹配，由於”<“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。
  重複以上過程，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後，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，那麼環視表達式”(?!/?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。
  重複以上過程，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，那麼環視表達式”(?!/?p\b)“就匹配成功。匹配的結果是位置15，然後控制權交給”[^>]+“；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。匹配結果爲”<div>“，開始位置爲14，結束位置爲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

  對於逆序肯定環視(?<=Expression)來說，當子表達式Expression匹配成功時，(?<=Expression)匹配成功，並報告(?<=Expression)匹配當前位置成功。
  對於逆序否定環視(?<!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，並報告(?<!Expression)匹配當前位置成功；
  順序環視相當於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，然後向右嘗試匹配，直到某一位置使得匹配成功或失敗爲止。而逆序環視的特殊處在於，它相當於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，匹配到當前位置爲止，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，而逆序環視相對是複雜的。這也就是爲什麼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爲起點開始嘗試匹配，而如果長度不確定時，就要從當前位置向左逐個位置開始嘗試匹配，不成功則回溯，再向左側位置進行嘗試匹配，然後重複以上過程，直到匹配成功，或是嘗試到位置0處以後，報告匹配失敗，處理的複雜度是顯而易見的。
  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>標籤之間的內容，而不包括<div>和</div>標籤本身。
匹配過程：
  首先由“(?<=<div>)”取得控制權，從位置0開始匹配，由於位置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，匹配的結果爲位置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，匹配結果爲位置11。
  此時正則表達式匹配完成，報告匹配成功。匹配結果爲“a test”，開始位置爲5，結束位置爲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，環視也就沒有什麼祕密可言了，所需要的，也只是多加練習而已。

環視應用

需求：數字格式化成用“,”的貨幣格式。

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

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(), @"(?n)(?<=\d)(?<!\.\d*)(?=(\d{3})+(\.|$))", ",") + "\n";
}

輸出結果：

源字符串	格式化
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
源字符串：123.456	格式化：123.456
源字符串：1234.56	格式化：1,234.56
源字符串：12345.6789	格式化：12,345.6789
源字符串：123456.789	格式化：123,456.789
源字符串：1234567.89	格式化：1,234,567.89
源字符串：12345678.9	格式化：12,345,678.9

實現分析：

首先根據需求可以確定是把一些特定的位置替換爲“,”，接下來就是分析並找到這些位置的規律，並抽象出來以正則表達式來表示。
1. 這個位置的左側必須爲數字
2. 這個位置右側到出現“.”或結尾爲止，必須是數字，且數字的個數必須爲3的倍數
3. 這個位置左側相隔任意個數字不能出現“.”

由以上三條，就可以完全確定這些位置，只要實現以上三條，組合一下正則表達式就可以了。
根據分析，最終匹配的結果是一個位置，所以所有子表達式都要求是零寬度。
1. 是對當前所在位置左側附加的條件，所以要用到逆序環視，因爲要求必須出現，所以是肯定的，符合這一條件的子表達式即爲“(?<=\d)”
2. 是對當前所在位置右側附加的條件，所以要用到順序環視，也是要求出現，所以是肯定的，是數字，且個數爲3的倍數，即“(?=(\d{3})+)”，到出現“.”或結尾爲止，即“(?=(\d{3})+(\.|$))”
3. 是對當前所在位置左側附加的條件，所以要用到逆序環視，因爲要求不能出現，所以是否定的，即“(?<!\.\d*)”
因爲零寬度的子表達式是非互斥的，最後匹配的都是同一個位置，所以先後順序是不影響最後的匹配結果的，可以任意組合，只是習慣上把逆序環視寫在左側，順序環視寫在右側。

說明：這裏只是爲了說明環視的使用而舉的一個例子，實際上這個需求直接用string.Format就可以做到



原文地址 : http://blog.csdn.net/lxcnn/article/details/4304754