教程精選：正則表達式快速入門<三>

　　斷言(Assertions)

　　斷言(Assertions)是在目標字符串的當前匹配位置進行的一種測試但這種測試并不占用目標字符串，也即不會移動模式在目標字符串中的當前匹配位置。

　　讀起來似乎有點拗口，我們還是舉幾個簡單的例子。

　　兩個最常見的斷言是元字符“^”和“$”，它們檢查匹配模式是否出現在行首或行尾。

　　我們來看這個模式/^\d\d\d$/，試著用它來匹配目標字符串“123”。“\d\d\d”表示三個數字字符，匹配了目標字符串的三個字符，而模式中的^和$分別表示這三個字符同時出現在行首和行尾，而它們本身并不與目標字符串中的任何字符相對應。

　　其它還有一些簡單的斷言\b, \B, \A, \Z, \z，它們都以反斜線開頭，前面我們已經介紹過反斜線的這個用法。這幾個斷言的含義如下表。

斷言 含義 
\b 字分界線 
\B 非字分界線 
\A 目標的開頭（獨立于多行模式） 
\Z 目標的結尾或位于結尾的換行符前（獨立于多行模式） 
\z 目標的結尾（獨立于多行模式） 
\G 目標中的第一個匹配位置

注意這些斷言不能出現在字符類中，如果出現了也是其它的含義，例如\b在字符類中表示反斜線字符0x08。

　　前面介紹的這些斷言的測試都是一些基于當前位置的測試，斷言還支持更多復雜的測試條件。更復雜的斷言以子模式方式來表示，它包括前向斷言(Lookahead assertions)和后向斷言(Lookbehind assertions)。

　　前向斷言(Lookahead assertions)

　　前向斷言從目標字符串的當前位置向前測試斷言條件是否成立。前向斷言又可分為前向肯定斷言和前向否定斷言，分別用(?=和{?!表示。例如模式/ \w+(?=;)/用來表示一串文本字符后面會有一個分號，但是這個分號并不包括在匹配結果中。一件有趣的事看起來差不多的模式/ (?=;)\w+/并不是表示一串前面不是分號的alpha字符串，事實上，不論這串alpha字符的前面是否是一個分號它總是匹配的，要完成這個功能需要我們下面提到的后向斷言(Lookbehind assertions)。

　　后向斷言(Lookbehind assertions)

　　后向斷言分別用(?<=和(?<!表示肯定的后向斷言與否定后向斷言。例如，/ (?<!foo)bar/將尋找一個前面不是foo的bar字符串。一般而言，后向斷言使用的子模式需要有確定的長度值，否則會產生一個編譯錯誤。

　　使用后向斷言與一次性子模式搭配使用可以有效的文本的結束部分進行匹配，這里來看一下例子。

　　考慮一下如果用/abcd$/這樣一個簡單的模式來匹配一長段以abcd結尾的文本，因為模式的匹配過程是從左向右進行的，正則表達式引擎將在文本中尋找每一個a字符并嘗試匹配剩余的模式，如果在這長段文本里僅好有不少的a字符，這樣做明顯是非常低效的，而如果把以上模式換成為樣/^.*abcd$/，這時前面的“^.*”部分將匹配整個文本，然后它發現下一個模式a無法匹配，這時會發生前面提到過的回溯過程，解析器會逐次縮短“^.*”匹配的字符長度從右向左逐次查找剩余的子模式，也要產生多次的嘗試過程。現在，我們用一次性子模式與后向斷言重寫所用的模式，改為/^(?>.*)(?<=abcd)/，這時，一次性子模式一次匹配了整段文本，然后用后向斷言檢查前面四個字符是否為abcd，只需要一次檢測就可以立刻確定整個模式是否匹配。在遇到需要匹配一個很長的文本時，這種方法可以非常顯著的提高處理效率。

　　一個模式中可以包含多個相繼的斷言，斷言也可以嵌套。另外，斷言使用的子模式也是非捕獲的，不能被逆向引用。

　　斷言的一個重要應用領域就是做為條件子模式的條件。那什么是條件子模式呢？

　　條件子模式(Conditional subpatterns)

　　正則表達式允許在模式中根據不同的條件使用不同的匹配子模式。也就是條件子模式(Conditional subpatterns)。它的格式如下:(?(condition)yes-pattern)或者 (?(condition)yes-pattern|no-pattern)。如果條件滿足，采用yes-pattern，否則，采用no-pattern(如果在模式中提供了話)。

　　條件子模式中的條件有兩種，一種是斷言結果，另一種是看是否捕獲一個前面提供的子模式。

　　如果在表示條件的圓括號里的內容是一個數字，它表示當此數字代表的子模式被成功匹配時條件為真。看看下面這個例子，/( \( )? [^()]+ (?(1) \) )/x，(注意“x”模式修正符表示忽略字符類外的空白字符和#符號之后的內容)。

　　這個模式的第一部分“( \( )?”匹配了一個可選的左圖括號“(”，第二部分“[^()]+”匹配了一個以上的非圓括號字符，最后一部分“(?(1) \) )”是個條件子模式，表示如果捕獲到\1也即那個可選的左圓括號，第三部分應該會出現一個右圓括號“)”。

　　如果在表示條件的圓括號內是一個“R”字符，表示在這個模式或子模式被遞歸調用時條件為真，在遞歸調用的頂層，這個條件為假。關于正則表達式中的遞歸，我們會在后面的部分專題介紹。

　　如果條件不是一個數字或R字符，則它必需是一個斷言。斷言可以是肯定或否定的前身或后向斷言。讓我們看下面這個例子。

　　/(?(?=[^a-z]*[a-z])

　　\d{2}-[a-z]{3}-\d{2} | \d{2}-\d{2}-\d{2} )/x

　　為了讓這個正則表達式更容易閱讀，我們特意采用了x模式修正符，這樣我們可以在用模式中加入空格對符式進行格式上的分隔并分行表示而不影響模式的解析。

　　第一行的條件子模式使用了一個肯定的前向斷言，表示一串可選的非小寫字母后面跟隨著一個小寫字母。換句話說，它查看目標字符串是否至少包含一個小寫字母，如果是，它用“|”前的模式對目標進行匹配，看目標是否為看目標是否為兩個數字-三個小寫字母-兩個數字這種格式，否則，用“|”來匹配目標，看目標字符串是否為由“-”分隔的三段二位十進制數字。

　　正則表達式中的注釋

　　為了讓正則表達式更容易閱讀，可以在其中加入注釋語句。通常注釋由左圓括號和井號——“(#“開始，當遇到下一個右圓括號”)“結束。注釋是禁止嵌套的。

　　如果設定了“x”模式修正符，任何字符類之外(也即[]之外)的井號(#)和下一個新行標記之間的部分也被作為注釋看待。

服務器租用/服務器托管中國五強！虛擬主機域名注冊頂級提供商！15年品質保障！--億恩科技[ENKJ.COM]