Fatal编程技术网
  • regex/
  • Regex 向后看：雷格克斯的风靡一时？

Regex 向后看：雷格克斯的风靡一时？

regex

Regex 向后看：雷格克斯的风靡一时？,regex,regex-lookarounds,lookaround,Regex,Regex Lookarounds,Lookaround,最近，许多正则表达式问题在查询中都有一些环顾四周的元素，在我看来，这对比赛的成功不是必需的。是否有一些教学资源在推广它们？我正试图找出哪种情况下，你最好采用积极的前瞻性/前瞻性。我看到的主要应用程序是在尝试不匹配元素时。但是，例如，这个来自最近一个问题的查询有一个简单的解决方案来捕获*，但是为什么要使用look back (?<=<td><a href="\/xxx\.html\?n=[0-9]{0, 5}">).*(?=<\/a><span (

最近，许多正则表达式问题在查询中都有一些环顾四周的元素，在我看来，这对比赛的成功不是必需的。是否有一些教学资源在推广它们？我正试图找出哪种情况下，你最好采用积极的前瞻性/前瞻性。我看到的主要应用程序是在尝试不匹配元素时。但是，例如，这个来自最近一个问题的查询有一个简单的解决方案来捕获
*
，但是为什么要使用look back

(?<=<td><a href="\/xxx\.html\?n=[0-9]{0, 5}">).*(?=<\/a><span

(?<=<td><a href="\/xxx\.html\?n=[0-9]{0, 5}">).*(?=<\/a><span

（？

  • 您可以捕获重叠的匹配，并且可以找到可能位于其他匹配的查找区域中的匹配
    • 

  • 您可以表达有关匹配的复杂逻辑断言（因为许多引擎允许您使用多个lookback/lookahead断言，所有这些断言都必须匹配才能成功匹配）
    • 

  • Lookaround是一种表达公共约束“匹配X，如果后面跟/前面跟Y”的自然方式。添加额外的“匹配”部分（可以说）不太自然，这些部分必须通过后处理丢弃
    • 
当然，负面环视断言更有用。与#2结合使用，它们可以让您完成一些漂亮的向导技巧，这在通常的程序逻辑中甚至很难表达
    

    
例如，根据大众要求：
    

      

    • 重叠匹配：假设您希望找到给定基因序列中的所有候选基因。基因通常以ATG开头，以TAG、TAA或TGA结尾。但是，候选基因可能重叠：可能存在错误开始。因此，您可以使用如下正则表达式：
      

      ATG(?=((?:...)*(?:TAG|TAA|TGA)))

      

      <tr class="TableRow">.*?</tr>(?=<tr class="TableRow">|</table>)

      

      #ff00fffirstword#445533secondword##008877thi#rdword#

      
这个简单的正则表达式寻找ATG起始密码子，然后是一些密码子，然后是一个终止密码子。它提取所有看起来像基因的东西（无起始密码子），并正确地输出基因，即使它们重叠
      • 

    • 零宽度匹配：假设您希望在计算机生成的HTML页面中查找每个具有特定类的
      tr
      

      ATG(?=((?:...)*(?:TAG|TAA|TGA)))

      

      <tr class="TableRow">.*?</tr>(?=<tr class="TableRow">|</table>)

      

      #ff00fffirstword#445533secondword##008877thi#rdword#

      

      • 

    有两件大事：
    

      

    • 它们是零宽度断言。它们需要匹配，但不消耗任何输入字符串。这允许描述匹配结果中不包含的字符串部分。通过在环视表达式中使用捕获组，它们是多次捕获部分输入的唯一方法
      • 

    • 它们简化了很多事情。它们很容易允许组合（相交）多个表达式以匹配字符串的同一部分
      • 

    请记住，正/负环顾与正则表达式引擎相同。环顾的目标是在“正则表达式”中的某个位置执行检查
    
主要兴趣之一是在不使用捕获括号的情况下捕获某些内容（捕获整个模式），例如：
    
字符串：
    aaabbbccc
    

    正则表达式：
    （？一个简单的例子是，当你将模式锚定到一行的开始或结束处，并且只想确保某个东西在你匹配的模式的正前方或正后方时，它们很方便。
    我试着解决你的问题：
    

      

    • 在我看来，查询中的某种环顾元素对于匹配的成功不是必需的
      
当然，它们是匹配所必需的。只要环顾断言失败，就没有匹配。它们可用于确保模式周围的条件必须为真。整个正则表达式仅在以下情况下匹配：
      

    • 该图案确实适合和
      • 

    • lookaround断言是正确的
      • 
==>但是返回的匹配只是模式
      

    • 什么时候用积极的眼光看待周围才是真正更好的
      
简单回答：当你想要东西在那里时，但你不想匹配它！
      
因为它们是零宽度断言，这意味着它们不匹配字符序列，它们只是确保它在那里。因此环顾表达式中的字符不是“已使用”的，正则表达式引擎在最后一个“已使用”字符之后继续
      • 

    • 关于你的第一个例子：
      

      (?<=<td><a href="\/xxx\.html\?n=[0-9]{0, 5}">).*(?=<\/a><span

      
很有趣。它正在匹配一个数字序列（
      \d+
      ），在该序列之后，lookback断言将检查是否有一个前面有“id/”的数字。这意味着如果有多个数字或文本“id/”将失败数字丢失之前。表示此正则表达式仅匹配一个数字，而之前有匹配文本
      • 

    • 教学资源
      

        

        • 

        • 

      • 

    我假设你了解环顾四周的良好用途，并询问为什么在没有明显理由的情况下使用环顾四周
    
我认为人们使用正则表达式的方式主要有四类：
    
验证
    
验证通常是在整个文本上进行的。不可能像您描述的那样进行环顾
    
匹配
    
提取部分文本。使用Lookarounds主要是因为开发人员懒惰：避免捕获。
    

    例如，如果我们在设置文件中有一行
    Index=5
    ，我们可以匹配
    /^Index=（\d+）/
    ，并获得第一个组，或者匹配
    /（？
    环顾断言
    也可以用于减少
    回溯
    ，这可能是正则表达式中性能差的主要原因
    
例如：正则表达式
    ^[0-9A-Z]（[-.\w]*[0-9A-Z]）*@
    （1）也可以编写
    ^[0-9A-Z][-.\w]*（？查找断言）
    
有关
    回溯的更多信息
    

      

    • 

    • 

    • 

    我前一段时间打了这封信，但很忙（仍然很忙，所以我可能需要一段时间才能回复），没有抽出时间发布。如果你仍然愿意接受答案
    

    
是否有一些教学资源在推广它们
    
我不这么认为，这是绝对的

    <td><a href="\/xxx\.html\?n=[0-9]{0,5}">(.*?)<\/a><span

    

    \bdog\b(?=(?:[^"]*"[^"]*")*[^"]*$)

    

    \bdog\b(?!(?:[^"]*"[^"]*")*[^"]*"[^"]*$)

    

    (?:"[^"]+"[^"]+?)?(\bdog\b)

    

    \bdog\b(?!(?:[^"]*"[^"]*")*[^"]*$)

\bdog\b(?=(?:[^"]*"[^"]*")*[^"]*"[^"]*$)

    

    "[^"]*(\bdog\b)[^"]*"

    

    "[^"]*?(\bdog\b)[^"]*?(?:(\bdog\b)[^"]*?)?"

    

    abcdefghijkl

    

    (?=(...))

    

    1A Line1 Detail1 Detail2 Detail3 2A Line2 Detail 3A Line3 Detail Detail

    

    1A Line1 Detail1 Detail2 Detail3
2A Line2 Detail
3A Line3 Detail Detail

    

    [0-9]+A Line[0-9]+(?: \w+)+

    

    [0-9]+A Line[0-9]+(?: \w+)+?

    

    [0-9]+A Line[0-9]+(?: \w+)+?(?= [0-9]+A Line[0-9]+|$)

    

    #ff00fffirstword#445533secondword##008877thi#rdword#

    

    #ff00ff and firstword
#445533 and secondword#
#008877 and thi#rdword#

    

    (#[0-9a-f]{6})(.+?)(?=#[0-9a-f]{6}|$)

    

    ^(?=[^0-9]*[0-9])(?=[^a-z]*[a-z])

    

    ##-#
#-##

    

    ^(?=.{4}$)\d+-\d+

    

    (?=.*(\b\w{3}\b))(?=.*(\b\d{4}\b)).*

    

    Oct-2013
2013-Oct

    

    Oct-2013
Oct-2013

    

    \G\d{1,2}\K\B(?=(?:\d{2})*\d{3}(?!\d))

    

       this    is  a   sentence    

    

    \s+

    

    ^\s*|\s$|\s+(?=\s)

    

    (?<=[0-9])(?=[A-Z])