深入浅出之正则表达式(一).docVIP

　　前言 　　本文是前一篇文章《深入浅出之正则表达式（一）》的续篇，在本文中讲述了正则表达式中的组与向后引用，先前向后查看，条件测试，单词边界，选择符等表达式及例子，并分析了正则引擎在执行匹配时的内部机理。 　　本文是Jan Goyvaerts为RegexBuddy写的教程的译文，版权归原作者所有，欢迎转载。但是为了尊重原作者和译者的劳动，请注明出处！谢谢！ 　　9.?单词边界 　　元字符“\b”也是一种对位置进行匹配的“锚”。这种匹配是0长度匹配。 　　有4种位置被认为是“单词边界”： 　　1) 在字符串的第一个字符前的位置(如果字符串的第一个字符是一个“单词字符”) 　　2) 在字符串的最后一个字符后的位置(如果字符串的最后一个字符是一个“单词字符”) 　　3) 在一个“单词字符”和“非单词字符”之间，其中“非单词字符”紧跟在“单词字符”之后 　　4) 在一个“非单词字符”和“单词字符”之间，其中“单词字符”紧跟在“非单词字符”后面 　　“单词字符”是可以用“\w”匹配的字符，“非单词字符”是可以用“\W”匹配的字符。在大多数的正则表达式实现中，“单词字符”通常包括[a-zA-Z0-9_]。 　　例如：“\b4\b”能够匹配单个的4而不是一个更大数的一部分。这个正则表达式不会匹配“44”中的4。 　　换种说法，几乎可以说“\b”匹配一个“字母数字序列”的开始和结束的位置。 　　“单词边界”的取反集为“\B”，他要匹配的位置是两个“单词字符”之间或者两个“非单词字符”之间的位置。 深入正则表达式引擎内部 　　让我们看看把正则表达“\bis\b”应用到字符串“This island is beautiful”。引擎先处理符号“\b”。因为\b是0长度，所以第一个字符T前面的位置会被考察。因为T是一个“单词字符”，而它前面的字符是一个空字符(void)，所以\b匹配了单词边界。接着“i”和第一个字符“T”匹配失败。匹配过程继续进行，直到第五个空格符，和第四个字符“s”之间又匹配了“\b”。然而空格符和“i”不匹配。继续向后，到了第六个字符“i”，和第五个空格字符之间匹配了“\b”，然后“is”和第六、第七个字符都匹配了。然而第八个字符和第二个“单词边界”不匹配，所以匹配又失败了。到了第13个字符i，因为和前面一个空格符形成“单词边界”，同时“is”和“is”匹配。引擎接着尝试匹配第二个“\b”。因为第15个空格符和“s”形成单词边界，所以匹配成功。引擎“急着”返回成功匹配的结果。 　　10.?选择符 　　正则表达式中“|”表示选择。你可以用选择符匹配多个可能的正则表达式中的一个。 　　如果你想搜索文字“cat”或“dog”，你可以用“cat|dog”。如果你想有更多的选择，你只要扩展列表“cat|dog|mouse|fish”。 　　选择符在正则表达式中具有最低的优先级，也就是说，它告诉引擎要么匹配选择符左边的所有表达式，要么匹配右边的所有表达式。你也可以用圆括号来限制选择符的作用范围。如“\b(cat|dog)\b”，这样告诉正则引擎把(cat|dog)当成一个正则表达式单位来处理。 注意正则引擎的“急于表功”性 　　正则引擎是急切的，当它找到一个有效的匹配时，它会停止搜索。因此在一定条件下，选择符两边的表达式的顺序对结果会有影响。假设你想用正则表达式搜索一个编程语言的函数列表：Get，GetValue，Set或SetValue。一个明显的解决方案是“Get|GetValue|Set|SetValue”。让我们看看当搜索SetValue时的结果。 　　因为“Get”和“GetValue”都失败了，而“Set”匹配成功。因为正则导向的引擎都是“急切”的，所以它会返回第一个成功的匹配，就是“Set”，而不去继续搜索是否有其他更好的匹配。 　　和我们期望的相反，正则表达式并没有匹配整个字符串。有几种可能的解决办法。一是考虑到正则引擎的“急切”性，改变选项的顺序，例如我们使用“GetValue|Get|SetValue|Set”，这样我们就可以优先搜索最长的匹配。我们也可以把四个选项结合起来成两个选项：“Get(Value)?|Set(Value)?”。因为问号重复符是贪婪的，所以SetValue总会在Set之前被匹配。 　　一个更好的方案是使用单词边界：“\b(Get|GetValue|Set|SetValue)\b”或“\b(Get(Value)?|Set(Value)?\b”。更进一步，既然所有的选择都有相同的结尾，我们可以把正则表达式优化为“\b(Get|Set)(Value)?\b”。 　　11.??组与向后引用 　　把正则表达式的一部分放在圆括号内，你可以将它们形成组。然后你可以对整个组使用一些正则操作，例如重复操作符。