Flex正則表達式的高級規則
本文和大家重點討論一下Flex正則表達式的一些高級規則，首先讓我們來看一下Flex正則表達式的概念，Flex正則表達式（regularexpression）就是用一個“字符串”來描述一個特征，然后去驗證另一個“字符串”是否符合這個特征。
引言
Flex正則表達式（regularexpression）就是用一個“字符串”來描述一個特征，然后去驗證另一個“字符串”是否符合這個特征。比如表達式“ab+”描述的特征是“一個'a'和任意個'b'”，那么'ab','abb','abbbbbbbbbb'都符合這個特征。
Flex正則表達式可以用來：
（1）驗證字符串是否符合指定特征，比如驗證是否是合法的郵件地址。
（2）用來查找字符串，從一個長的文本中查找符合指定特征的字符串，比查找固定字符串更加靈活方便。
（3）用來替換，比普通的替換更強大。
Flex正則表達式學習起來其實是很簡單的，不多的幾個較為抽象的概念也很容易理解。之所以很多人感覺Flex正則表達式比較復雜，一方面是因為大多數的文檔沒有做到由淺入深地講解，概念上沒有注意先后順序，給讀者的理解帶來困難；另一方面，各種引擎自帶的文檔一般都要介紹它特有的功能，然而這部分特有的功能并不是我們首先要理解的。
1.Flex正則表達式中的一些高級規則
1.1匹配次數中的貪婪與非貪婪
在使用修飾匹配次數的特殊符號時，有幾種表示方法可以使同一個表達式能夠匹配不同的次數，比如："{m,n}","{m,}","?","*","+"，具體匹配的次數隨被匹配的字符串而定。這種重復匹配不定次數的表達式在匹配過程中，總是盡可能多的匹配。比如，針對文本"dxxxdxxxd"，舉例如下：
表達式匹配結果
(d)(\w+)
"\w+"將匹配***個"d"之后的所有字符"xxxdxxxd"
(d)(\w+)(d)
"\w+"將匹配***個"d"和***一個"d"之間的所有字符"xxxdxxx"。雖然"\w+"也能夠匹配上***一個"d"，但是為了使整個表達式匹配成功，"\w+"可以"讓出"它本來能夠匹配的***一個"d"
由此可見，"\w+"在匹配的時候，總是盡可能多的匹配符合它規則的字符。雖然第二個舉例中，它沒有匹配***一個"d"，但那也是為了讓整個表達式能夠匹配成功。同理，帶"*"和"{m,n}"的表達式都是盡可能地多匹配，帶"?"的表達式在可匹配可不匹配的時候，也是盡可能的"要匹配"。這種匹配原則就叫作"貪婪"模式。
◆Flex正則表達式中非貪婪模式：
在修飾匹配次數的特殊符號后再加上一個"?"號，則可以使匹配次數不定的表達式盡可能少的匹配，使可匹配可不匹配的表達式，盡可能的"不匹配"。這種匹配原則叫作"非貪婪"模式，也叫作"勉強"模式。如果少匹配就會導致整個表達式匹配失敗的時候，與貪婪模式類似，非貪婪模式會最小限度的再匹配一些，以使整個表達式匹配成功。舉例如下，針對文本"dxxxdxxxd"舉例：
表達式匹配結果
(d)(\w+?)
"\w+?"將盡可能少的匹配***個"d"之后的字符，結果是："\w+?"只匹配了一個"x"
(d)(\w+?)(d)
為了讓整個表達式匹配成功，"\w+?"不得不匹配"xxx"才可以讓后邊的"d"匹配，從而使整個表達式匹配成功。因此，結果是："\w+?"匹配"xxx"
更多的情況，舉例如下：
舉例1：表達式"<td>(.*)</td>"與字符串"<td><p>aa</p></td><td><p>bb</p></td>"匹配時，匹配的結果是：成功；匹配到的內容是"<td><p>aa</p></td><td><p>bb</p></td>"整個字符串，表達式中的"</td>"將與字符串中***一個"</td>"匹配。
舉例2：相比之下，表達式"<td>(.*?)</td>"匹配舉例1中同樣的字符串時，將只得到"<td><p>aa</p></td>"，再次匹配下一個時，可以得到第二個"<td><p>bb</p></td>"。
1.2反向引用\1,\2...
表達式在匹配時，表達式引擎會將小括號"()"包含的表達式所匹配到的字符串記錄下來。在獲取匹配結果的時候，小括號包含的表達式所匹配到的字符串可以單獨獲取。這一點，在前面的舉例中，已經多次展示了。在實際應用場合中，當用某種邊界來查找，而所要獲取的內容又不包含邊界時，必須使用小括號來指定所要的范圍。比如前面的"<td>(.*?)</td>"。
其實，"小括號包含的表達式所匹配到的字符串"不僅是在匹配結束后才可以使用，在匹配過程中也可以使用。表達式后邊的部分，可以引用前面"括號內的子匹配已經匹配到的字符串"。引用方法是"\"加上一個數字。"\1"引用第1對括號內匹配到的字符串，"\2"引用第2對括號內匹配到的字符串……以此類推，如果一對括號內包含另一對括號，則外層的括號先排序號。換句話說，哪一對的左括號"("在前，那這一對就先排序號。
舉例如下：
舉例1：表達式"('|")(.*?)(\1)"在匹配"'Hello',"World""時，匹配結果是：成功；匹配到的內容是："'Hello'"。再次匹配下一個時，可以匹配到""World""。
舉例2：表達式"(\w)\1{4,}"在匹配"aabbbbabcdefgccccc111121111999999999"時，匹配結果是：成功；匹配到的內容是"ccccc"。再次匹配下一個時，將得到999999999。這個表達式要求"\w"范圍的字符至少重復5次，注意與"\w{5,}"之間的區別。
舉例3：表達式"<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>"在匹配"<tdid='td1'style="bgcolor:white"></td>"時，匹配結果是成功。如果"<td>"與"</td>"不配對，則會匹配失敗；如果改成其他配對，也可以匹配成功。
1.3預搜索，不匹配；反向預搜索，不匹配
前面的章節中，我講到了幾個代表抽象意義的特殊符號："^"，"$"，"\b"。它們都有一個共同點，那就是：它們本身不匹配任何字符，只是對"字符串的兩頭"或者"字符之間的縫隙"附加了一個條件。理解到這個概念以后，本節將繼續介紹另外一種對"兩頭"或者"縫隙"附加條件的，更加靈活的表示方法。
◆Flex正則表達式中正向預搜索："(?=xxxxx)"，"(?!xxxxx)"
格式："(?=xxxxx)"，在被匹配的字符串中，它對所處的"縫隙"或者"兩頭"附加的條件是：所在縫隙的右側，必須能夠匹配上xxxxx這部分的表達式。因為它只是在此作為這個縫隙上附加的條件，所以它并不影響后邊的表達式去真正匹配這個縫隙之后的字符。這就類似"\b"，本身不匹配任何字符。"\b"只是將所在縫隙之前、之后的字符取來進行了一下判斷，不會影響后邊的表達式來真正的匹配。
舉例1：表達式"Windows(?=NT|XP)"在匹配"Windows98,WindowsNT,Windows2000"時，將只匹配"WindowsNT"中的"Windows"，其他的"Windows"字樣則不被匹配。
舉例2：表達式"(\w)((?=\1\1\1)(\1))+"在匹配字符串"aaaffffff999999999"時，將可以匹配6個"f"的前4個，可以匹配9個"9"的前7個。這個表達式可以讀解成：重復4次以上的字母數字，則匹配其剩下***2位之前的部分。當然，這個表達式可以不這樣寫，在此的目的是作為演示之用。
格式："(?!xxxxx)"，所在縫隙的右側，必須不能匹配xxxxx這部分表達式。
舉例3：表達式"((?!\bstop\b).)+"在匹配"fdjkaljfdlstopfjdslafdj"時，將從頭一直匹配到"stop"之前的位置，如果字符串中沒有"stop"，則匹配整個字符串。
舉例4：表達式"do(?!\w)"在匹配字符串"done,do,dog"時，只能匹配"do"。在本條舉例中，"do"后邊使用"(?!\w)"和使用"\b"效果是一樣的。
◆Flex正則表達式中反向預搜索："(?<=xxxxx)"，"(?<!xxxxx)"
這兩種格式的概念和正向預搜索是類似的，反向預搜索要求的條件是：所在縫隙的"左側"，兩種格式分別要求必須能夠匹配和必須不能夠匹配指定表達式，而不是去判斷右側。與"正向預搜索"一樣的是：它們都是對所在縫隙的一種附加條件，本身都不匹配任何字符。
舉例5：表達式"(?<=\d{4})\d+(?=\d{4})"在匹配"1234567890123456"時，將匹配除了前4個數字和后4個數字之外的中間8個數字。由于JScript.RegExp不支持反向預搜索，因此，本條舉例不能夠進行演示。很多其他的引擎可以支持反向預搜索，比如：Java1.4以上的java.util.regex包，.NET中System.Text.RegularExpressions命名空間，以及本站推薦的最簡單易用的DEELX正則引擎。
【編輯推薦】
