本文是一篇正則表達(dá)式高級(jí)教程，主要通過對(duì)正則表達(dá)式幾個(gè)概念的介紹，深入探討正則表達(dá)式高級(jí)功能，以期達(dá)到通俗化解釋正則表達(dá)式高深概念的目的。

介紹過正則表達(dá)式的基礎(chǔ)和基本套路正則三段論：定錨點(diǎn)，去噪點(diǎn)，取數(shù)據(jù)了，接下來這篇文章，補(bǔ)充一點(diǎn)相對(duì)高級(jí)的概念：1. 概念一：按單字符匹配 2. 概念二：匹配優(yōu)先和不匹配優(yōu)先 3. 概念三：貪婪模式與非貪婪模式 4. 概念四：環(huán)視（斷言） 5. 概念五：平衡組 6. 概念六：模式修飾符 7. 附：正則三段論應(yīng)用

概念一：按單字符匹配

正則里面的數(shù)據(jù)都是按照單個(gè)字符來進(jìn)行匹配的，這個(gè)通過數(shù)值區(qū)間的例子最容易體現(xiàn)出來，比如，示例一：

我要匹配0-15的數(shù)值區(qū)間，用正則來寫的話，便是[0-9]|1[0-5]，這里，便是把0-9這種單字符的情況，和10-15這種多字符的情況拆分開了，使用分支|來區(qū)分開，表示要么是0-9，要么是10-15。
上面是兩位數(shù)值的情況，現(xiàn)在延伸至1-65535，我個(gè)人的處理思想是從大到小，一塊塊分解：

1. 65530-65535  ==>  6553[0-5]          末位區(qū)間0-5
2. 65500-65529  ==>  655[0-2][0-9]      第四位區(qū)間0-2，末位區(qū)間0-9
3. 65000-65499  ==>  65[0-4][0-9]{2}    第三位區(qū)間0-4，后兩位0-9
4. 60000-64999  ==>  6[0-4][0-9]{3}     第二位區(qū)間0-4，后三位0-9
5. 10000-59999  ==>  [1-5][0-9]{4}      第一位區(qū)間1-5，后四位0-9
6. 1-9999       ==>  [1-9][0-9]{0,3}    第一位只能是1-9，后三位可有可無

最后組合起來：
(6553[0-5]|655[0-2][0-9]|65[0-4][0-9]{2}|6[0-4][0-9]{3}|[1-5][0-9]{4}|[1-9][0-9]{0,3})
便得到1-65535匹配正則。

根據(jù)數(shù)據(jù)處理需求，可以在正則前后加上^和$，以匹配整個(gè)數(shù)據(jù)串，或者前后加入\b，把它當(dāng)做單詞邊界處理。沒有限定字符的邊界往往是js正則判斷中常見的錯(cuò)誤之一。

概念二：匹配優(yōu)先和不匹配優(yōu)先

匹配優(yōu)先和不匹配優(yōu)先從字面理解也是比較容易的，所謂匹配優(yōu)先，就是，能匹配我就先匹配；不匹配優(yōu)先就是，能不匹配我就先不匹配，這段匹配先跳過，先看看后面的匹配能不能通過。

概念三：貪婪模式與非貪婪模式

正則的貪婪模式和非貪婪模式是一個(gè)比較容易混淆的概念，不過，我們可以這么理解，一個(gè)人很貪婪，所以他會(huì)能拿多少拿多少，換過來，那就是貪婪模式下的正則表達(dá)式，能匹配多少就匹配多少，盡可能最多。而非貪婪模式，則是能不匹配就不匹配，盡可能最少。

下面舉個(gè)例子，示例二：

需求：匹配1后面跟任意個(gè)0
源串：10001
使用貪婪模式：10*       結(jié)果：1000 和 1
使用非貪婪模式：10*?    結(jié)果：1 和 1

首先，*是匹配0個(gè)或多個(gè)的意思。

貪婪模式下，它表示，首先匹配一個(gè)1，然后匹配1后面的0，最多可以匹配3個(gè)0，因此得到1000，然后第二次又匹配到一個(gè)1，但是后面沒有0，因此得到1；

非貪婪模式下，它表示，首先匹配一個(gè)1，然后1后面的0，能不匹配就不匹配了，所以，它每次都只是匹配了一個(gè)1。

看到這里，也許，有些人覺得，哎呀，我懂了！
那么，下來我們改改，看看你是不是真懂了。

示例三：

需求：匹配1后面跟任意個(gè)0，再跟一個(gè)1
源串：10001
使用貪婪模式：10*1       結(jié)果：10001
使用非貪婪模式：10*?1    結(jié)果：10001

為什么這兩次的結(jié)果一樣了？

因?yàn)椋齽t表達(dá)式要判斷完這整個(gè)正則才算成功，這種情況下，

貪婪模式，首先匹配一個(gè)1，然后匹配1后面盡可能多的0，發(fā)現(xiàn)3個(gè)，再匹配0后面的一個(gè)1，正則表達(dá)式匹配完，完成匹配，得到10001；非貪婪模式，首先匹配一個(gè)1，然后，0*?是非貪婪模式，它不想匹配了（非貪婪模式不匹配優(yōu)先），看看后面是不是1了？然后發(fā)現(xiàn)哎媽呀，后面是個(gè)0啊，然后它回頭，不能再偷懶了，用0*?匹配一個(gè)0吧，然后匹配到10，又不想匹配了，看看后面有沒有1了，還是沒有，又回去用0*?匹配掉一個(gè)0，得到100，繼續(xù)偷懶，但是發(fā)現(xiàn)后面還不是1，然后又用0*?匹配得到1000，最后，發(fā)現(xiàn)真不容易啊，終于看到1了，匹配得到10001，正則表達(dá)式匹配完，完成匹配。

看到這里，是不是懂了？

那究竟哪個(gè)模式好呢？

什么時(shí)候使用貪婪模式，什么時(shí)候使用非貪婪模式，哪個(gè)性能好，哪個(gè)性能不好，不能一概而論，要根據(jù)情況分析。
下面我舉個(gè)例子：
源碼：

<a href="http://www.****.cn/my-regexp" rel="external nofollow"  rel="external nofollow"  target="_blank" title="我眼里的正則表達(dá)式（入門）">我眼里的正則表達(dá)式（入門）</a>
<a title="我眼里的正則表達(dá)式（入門）" href="http://www.****.cn/my-regexp" rel="external nofollow"  rel="external nofollow"  target="_blank">我眼里的正則表達(dá)式（入門）</a>

正則1：<a [^>]*?href="([^"]*?)"[^>]*?>([^<]*?)</a>（238次）
正則2：<a [^>]*?href="([^"]*)"[^>]*>([^<]*)</a>（65次）
正則3：<a [^>]*href="([^"]*)"[^>]*>([^<]*)</a>（136次）
附：執(zhí)行次數(shù)的獲取請(qǐng)下載正則表達(dá)式測試工具：RegexBuddy 4.1.0-正則測試工具.rar，使用里面的Debug功能。

正則1是通用寫法，正則2是在確定字符不會(huì)溢出的情況下消除非貪婪模式，正則3是證明并不是全部消除非貪婪模式就是最優(yōu)。

因此，關(guān)于貪婪模式好還是非貪婪模式好的討論，只能說根據(jù)需求而定，不過，在平時(shí)的時(shí)候用，一般使用非貪婪模式較多，因?yàn)樨澙纺Ｊ浇?jīng)常會(huì)由于元字符范圍限制不嚴(yán)謹(jǐn)而導(dǎo)致匹配越界，得到非預(yù)期結(jié)果。

在確定的數(shù)據(jù)結(jié)構(gòu)里，可以嘗試使用[^>]*>這樣的排除字符貪婪模式替換非貪婪模式，提升匹配的效率。注意，貪婪部分（[^>]*）的匹配，最好不要越過其后面的字符（>），否則會(huì)導(dǎo)致貪婪模式下的回溯，如正則3，[^>]*的匹配越過了href，一直匹配到>為止，而這時(shí)候再匹配href，會(huì)匹配不到而導(dǎo)致多次回溯處理，直到回溯到href前的位置，后面才繼續(xù)了下去。

另外，需要注意一點(diǎn)，無論使用貪婪模式還是非貪婪模式，在不同語言需要注意回溯次數(shù)和嵌套次數(shù)的限制，比如在PHP中，pcre.backtrack_limit=100000，pcre.recursion_limit=100000。

概念四：環(huán)視（斷言/零寬斷言）

環(huán)視，在不同的地方又稱之為零寬斷言，簡稱斷言。
用一句通俗的話解釋：
環(huán)視，就是先從全局環(huán)顧一遍正則，（然后斷定結(jié)果，）再做進(jìn)一步匹配處理。
斷言，就是先從全局環(huán)顧一遍正則，然后斷定結(jié)果，再做進(jìn)一步匹配處理。

兩個(gè)雖然字面不一樣，意思卻是同一個(gè)，都是做全局觀望，再做進(jìn)一步處理。

環(huán)視的作用相當(dāng)于對(duì)其所在位置加了一個(gè)附加條件，只有滿足這個(gè)條件，環(huán)視子表達(dá)式才能匹配成功。

環(huán)視主要有以下4個(gè)用法：
(?<=exp)匹配前面是exp的數(shù)據(jù)
(?<!exp)匹配前面不是exp的數(shù)據(jù)
(?=exp)匹配后面是exp的數(shù)據(jù)
(?!exp)匹配后面不是exp的數(shù)據(jù)

示例四：
(?<=B)AAA匹配前面是B的數(shù)據(jù)，即BAAA匹配，而CAAA不匹配
(?<!B)AAA匹配前面不是B的數(shù)據(jù)，即CAAA匹配，而BAAA不匹配
AAA(?=B)匹配后面是B的數(shù)據(jù)，即AAAB匹配，而AAAC不匹配
AAA(?!B)匹配后面不是B的數(shù)據(jù)，即AAAC能匹配，而AAAB不能匹配

另外，還會(huì)看到(?!B)[A-Z]這種寫法，其實(shí)它是[A-Z]范圍里，排除B的意思，前置的(?!B)只是對(duì)后面數(shù)據(jù)的一個(gè)限定，從而達(dá)到過濾匹配的效果。

因此，環(huán)視做排除處理是比較實(shí)用的，比如，示例五：

需求：字母、數(shù)字組合，不區(qū)分大小寫，不能純數(shù)字或者純字母，6-16個(gè)字符。
通用正則：^[a-z0-9]{6,16}$    字母數(shù)字組合，6-16個(gè)字符
排除純字母：(?!^[a-z]+$)
排除純數(shù)字：(?!^[0-9]+$)
組合起來：(?!^[a-z]+$)(?!^[0-9]+$)^[a-z0-9]{6,16}$

注意，環(huán)視部分是不占寬度的，所以有零寬斷言的叫法。
所謂不占寬度，可以分成兩部分理解：
1、環(huán)視的匹配結(jié)果不納入數(shù)據(jù)結(jié)果
2、環(huán)視它匹配過的地方，下次還能用它繼續(xù)匹配。

如果不是環(huán)視，則匹配過的地方，不能再匹配第二次了。

上面示例四體現(xiàn)了：環(huán)視的匹配結(jié)果不納入數(shù)據(jù)結(jié)果，它的結(jié)果：

(?<=B)AAA     源串：BAAA  結(jié)果：AAA
(?<!B)AAA     源串：CAAA  結(jié)果：AAA
AAA(?=B)      源串：AAAB  結(jié)果：AAA
AAA(?!B)      源串：AAAC  結(jié)果：AAA

而示例五體現(xiàn)了：環(huán)視它匹配過的地方，下次還能用它繼續(xù)匹配
因?yàn)椋麄€(gè)匹配過程中，正則表達(dá)式一共走了3次字符串匹配，第一次匹配不全部是字母，第二次匹配不全部是數(shù)字，第三次匹配全部是字母數(shù)字組合，6-16個(gè)字符。

擴(kuò)展部分：
`[A-Z](?<=B)`   [A-Z]范圍等于B
`[A-Z](?<!B)`   [A-Z]范圍排除B
`(?!B)[A-Z]`    [A-Z]范圍排除B

附： js不支持(?<=exp)和(?<!exp)語法

概念五：平衡組

平衡組并不是所有程序語言都支持，而我本人使用的PHP語言就不支持，所以平時(shí)接觸也是比較少的。

平衡組主要用到下面四個(gè)語法：

(?'group') 把捕獲的內(nèi)容命名為group,并壓入堆棧(Stack)
(?'-group') 從堆棧上彈出最后壓入堆棧的名為group的捕獲內(nèi)容，如果堆棧本來為空，則本分組的匹配失敗
(?(group)yes|no) 如果堆棧上存在以名為group的捕獲內(nèi)容的話，繼續(xù)匹配yes部分的表達(dá)式，否則繼續(xù)匹配no部分
(?!) 零寬負(fù)向先行斷言，由于沒有后綴表達(dá)式，如沒有(?!B)的B，試圖匹配總是失敗

在PHP中是支持(?(group)yes|no)語法的，這里的group是分組編號(hào)，即子模式編號(hào)，如(A)?(?(1)yes|no) ，匹配Ayes 和 no

下面這里引用《正則表達(dá)式30分鐘入門教程#平衡組》關(guān)于<>配對(duì)匹配的例子，展示平衡組用法，

<                         #最外層的左括號(hào)
    [^<>]*                #最外層的左括號(hào)后面的不是括號(hào)的內(nèi)容
    (
        (
            (?'Open'<)    #碰到了左括號(hào)，在黑板上寫一個(gè)"Open"
            [^<>]*       #匹配左括號(hào)后面的不是括號(hào)的內(nèi)容
        )+
        (
            (?'-Open'>)   #碰到了右括號(hào)，擦掉一個(gè)"Open"
            [^<>]*        #匹配右括號(hào)后面不是括號(hào)的內(nèi)容
        )+
    )*
    (?(Open)(?!))         #在遇到最外層的右括號(hào)時(shí)，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗
>                         #最外層的右括號(hào)
平衡組的一個(gè)最常見的應(yīng)用就是匹配HTML,下面這個(gè)例子可以匹配嵌套的<div>標(biāo)簽：
<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>

概念六：模式修飾符

模式修飾符在許多程序語言中都支持的，比如最常見的是i，不區(qū)分大小寫，如javascript里的/[a-z0-9]/i，表示匹配字母數(shù)字，不區(qū)分大小寫。

本人在寫php正則時(shí)常用的模式修飾符主要有i和s，如：
$pattern = '#[a-z0-9]+#is';

模式修飾符s的作用主要是的.能夠匹配換行，在處理換行數(shù)據(jù)時(shí)，通常會(huì)用到。

在PHP中，模式修飾符有兩種用法，一種是上面的，在分隔符后面的模式修飾符，它的作用范圍是全局；另一種是在正則表達(dá)式中間的。
例如：

正則：/((?i)[A-Z]+)c/
測試字符：abcABC
匹配：abc
說明：局部（ab）的大小寫被忽略了，(?i)的作用范圍在分組1內(nèi)

如果把正則改成：/([A-Z]+)c/i，則匹配結(jié)果將是：abcABC

概念七：正則三段論應(yīng)用

正則三段論：定錨點(diǎn)，去噪點(diǎn)，取數(shù)據(jù)

兩篇文章中，最重要的部分當(dāng)屬正則三段論：定錨點(diǎn)，去噪點(diǎn)，取數(shù)據(jù)，它是整個(gè)正則處理過程中的靈魂，它貫穿整個(gè)正則撰寫過程。

下面舉例說明它的思想，示例六：

源數(shù)據(jù)：標(biāo)題：深入正則表達(dá)式應(yīng)用，作者：Zjmainstay
需求：匹配作者名字

我要從源數(shù)據(jù)取到Zjmainstay這個(gè)作者名，那么，在這里，作者：就是我們所說的錨點(diǎn)，因?yàn)樵谏厦孢@段數(shù)據(jù)中它能夠唯一定位到我們的數(shù)據(jù)Zjmainstay（就在它后面），因此，我們得到

(1) 定錨點(diǎn)：作者：

而在這里，我們不需要關(guān)心標(biāo)題什么的，因此，標(biāo)題：深入正則表達(dá)式應(yīng)用，就是我們的噪點(diǎn)，因此，我們得到

(2) 去噪點(diǎn)

最后，我們確定作者：后面就是我們的數(shù)據(jù)，這個(gè)數(shù)據(jù)可以是任意字符，因此，我們得到正則：
作者：(.*)

而噪點(diǎn)部分，因?yàn)椴粫?huì)對(duì)數(shù)據(jù)取值造成干擾，直接去掉，不需要引入正則中。

下面再舉一個(gè)噪點(diǎn)干擾的例子，示例七：

源數(shù)據(jù)： <a  rel="external nofollow"  rel="external nofollow"  class="demo8" title="正則三段論應(yīng)用舉例">正則表達(dá)式入門教程</a>
需求：提取鏈接和標(biāo)題，還有a標(biāo)簽的文字

看到這個(gè)源數(shù)據(jù)和需求，我們必須定位好錨點(diǎn)，主要有：
1.<a//必須是a標(biāo)簽
2.href=" 和 "//href=""的內(nèi)容得到鏈接
3.title=" 和 "//title=""的內(nèi)容得到標(biāo)題
4.> 和 </a>//>和</a>的內(nèi)容得到標(biāo)簽文字

然后，其他的都是噪點(diǎn)，使用.*?替代，需要提取的數(shù)據(jù)部分使用括號(hào)獲取子模式，得到分組數(shù)據(jù)，因此得到正則：
<a href="(.*?)".*?title="(.*?)">(.*?)</a>

看到這里，也許有朋友覺得，我還是不會(huì)寫，那么，再來一個(gè)更簡單的構(gòu)建方法，細(xì)化步驟，從源串逐步得到正則，示例八：

1. 直接拷貝源串，特殊字符處理轉(zhuǎn)義（本例沒特殊字符）
    <a  rel="external nofollow"  rel="external nofollow"  class="demo8" title="正則三段論應(yīng)用舉例">正則表達(dá)式入門教程</a>
2. 從左到右，一段段轉(zhuǎn)化
    2.1 <a href="(.*?)" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  class="demo8" title="正則三段論應(yīng)用舉例">正則表達(dá)式入門教程</a>
    2.2 <a href="(.*?)" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" .*?title="正則三段論應(yīng)用舉例">正則表達(dá)式入門教程</a>
    2.3 <a href="(.*?)" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" .*?title="(.*?)">正則表達(dá)式入門教程</a>
    2.4 <a href="(.*?)" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" .*?title="(.*?)">(.*?)</a>
3. 得到最終的正則
    <a href="(.*?)" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" .*?title="(.*?)">(.*?)</a>

至此，正則三段論的基本思想已經(jīng)展示完畢，大家還有什么不解請(qǐng)?jiān)u論留言，本人看到會(huì)第一時(shí)間給予回復(fù)。

熟悉正則三段論處理思想，剩下的便是基本語義的熟練程度了，這個(gè)通過多用多練可以達(dá)到熟能生巧的境界。

最后留下一句至尊提醒：.是萬能字符，大家看著用，遇到換行使用[\s\S]替換.即可。

到此這篇關(guān)于正則表達(dá)式7種高級(jí)應(yīng)用技巧教程的文章就介紹到這了,更多相關(guān)正則表達(dá)式高級(jí)教程內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論