正則基礎之 環視 Lookaround

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。

1 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。

環視的做用至關於對所在位置加了一個附加條件，只有知足這個條件，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，按照是否匹配有確定和否認兩種，組合起來就有四種環視。順序環視至關於在當前位置右側附加一個條件，而逆序環視至關於在當前位置左側附加一個條件。

表達式	說明
(?<=Expression)	逆序確定環視，表示所在位置左側可以匹配Expression
(?<!Expression)	逆序否認環視，表示所在位置左側不能匹配Expression
(?=Expression)	順序確定環視，表示所在位置右側可以匹配Expression
(?!Expression)	順序否認環視，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，只要知道是什麼做用就是了，就這麼幾個語法規則， 仍是很容易記的

2 環視匹配原理

環視是正則中的一個難點，對於環視的理解，能夠從應用和原理兩個角度理解，若是想理解得更清晰、深刻一些，仍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。

上面提到環視至關於對「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

對於順序確定環視(?=Expression)來講，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。

對於順序否認環視(?!Expression)來講，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；

順序確定環視的例子已在NFA引擎匹配原理中講解過了，這裏再講解一下順序否認環視。

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>以外的其他標籤。

匹配過程：

首先由字符「<」取得控制權，從位置0開始匹配，因爲「<」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，而致使環視表達式「(?!/?p\b)」匹配失敗，從而致使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，而後控制權交給「[^>]+」；由「[^>]+」從位置15進行嘗試匹配，能夠成功匹配到「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

對於逆序確定環視(?<=Expression)來講，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。

對於逆序否認環視(?<!Expression)來講，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；

順序環視至關於在當前位置右側附加一個條件，因此它的匹配嘗試是從當前位置開始的，而後向右嘗試匹配，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，它至關於在當前位置左側附加一個條件，因此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肯定的，就是當前位置，而匹配的終點是不肯定的。逆序環視匹配的起點是不肯定的，是當前位置左側某一位置，而匹配的終點是肯定的，就是當前位置。

因此順序環視相對是簡單的，而逆序環視相對是複雜的。這也就是爲何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緣由。

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，可是逆序環視只支持長度肯定的表達式，逆序環視中量詞只支持「?」，不支持其它長度不定的量詞。長度肯定時，引擎能夠向左查找固定長度的位置做爲起點開始嘗試匹配，而若是長度不肯定時，就要從位置0開始嘗試匹配，處理的複雜度是顯而易見的。

目前只有.NET中支持不肯定長度的逆序環視。

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>標籤自己。

匹配過程：

首先由「(?<=<div>)」取得控制權，從位置0開始匹配，因爲位置0是起始位置，左側沒有任何內容，因此「<div>」必然匹配失敗，從而環視表達式「(?<=<div>)」匹配失敗，致使整個表達式在位置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。

逆序否認環視的匹配過程與上述過程相似，區別只是當Expression匹配失敗時，逆序否認表達式(?<!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，所須要的，也只是多加練習而已。

3 環視應用

今天寫累了，暫時就給出一個環視的綜合應用實例吧，至於環視的應用場景和技巧，後面再整理。

需求：數字格式化成用「,」的貨幣格式。

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

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

}

輸出結果：

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：

首先根據需求能夠肯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。

一、 這個位置的左側必須爲數字

二、 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

三、 這個位置左側相隔任意個數字不能出現「.」

由以上三條，就能夠徹底肯定這些位置，只要實現以上三條，組合一下正則表達式就能夠了。

根據分析，最終匹配的結果是一個位置，因此全部子表達式都要求是零寬度。

一、 是對當前所在位置左側附加的條件，因此要用到逆序環視，由於要求必須出現，因此是確定的，符合這一條件的子表達式即爲「(?<=\d)」

二、 是對當前所在位置右側附加的條件，因此要用到順序環視，也是要求出現，因此是確定的，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})*(?:\.|$))」

三、 是對當前所在位置左側附加的條件，因此要用到逆序環視，由於要求不能出現，因此是否認的，即「(?<!\.\d*)」

由於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，因此前後順序是不影響最後的匹配結果的，能夠任意組合，只是習慣上把逆序環視寫在左側，順序環視寫在右側。