先来看一个简单的正则表达式匹配的需求,找出所有img标签的,没有带说明属性alt的标签:
用正则:
例子:
扩展,如果要找没有带title属性的a应该是:
正则:
例子:
用正则表达式找出不包含连续字符串abc的单词
[^abc]表示不包含a、b、c中任意字符, 我想实现不包含字符串abc应该如何写表达式?
就我自己而言,这个问题最简单的解决方法是使用编程语言的配合,找出那些包含abc的,剩下的就是不包含的了——懒人的风格。但我写的是教程,读者未必都有编程的基础,有些只是使用一些工具从txt文档中抽取出一些信息,所以要回答还是必须完全通过正则表达式来完成。
于是打开了RegexTester,开始试验,先是试了使用((?'test'abc)|.)*(?(test)(?!))(含意是:查找abc,或任意的字符,如果找到了abc,就把它存入命名为test的组里,到最后检查test组里是否有内容,如果有就匹配失败,相关说明见教程),结果是"abc","aabc","abcd","aa"都能通过测试,看来是到最后测试到test组存在后又回溯了,此解决方案不可行。
然后又试了(.(?!abc))*(找出所有后面不是abc的字符),结果是"abc","abcd"通过测试,"aabc"则只截取了后面的"abc",显然不行。
那加强条件试试:((?<!abc).(?!abc))*(找出所有前面和后面都不是abc的字符),结果是所有包含abc的字符串都只截取了里面的"abc",不包含abc的则直接通过。
现在看来有点戏了,但是怎么把那些内部包含abc的字符串过滤掉呢?这个问题换句话说也就是怎么匹配整体而不是部分呢?现在需要明确用户的需求了:如果用户想要找的是单词,那就在表达式的两端加上b,如果要找的是行,就加上^和$。由于用户的问题没有明确说明,我就当作是单词吧。
于是等到了这样的表达式:b((?<!abc).(?!abc))*b,经过测试,这个表达式能匹配所有不包含abc的单词,以及单词abc。
怎么排除单词abc?经过一番思考,最后我认为判断单词是否以a开头的方式最为方便:b(a(?!bc)|[^a](?!abc))((?<!abc).(?!abc))*b(要么以后面不是bc的a开头,要么不以a开头,除了开头后面所有的字符必须前面和后面都不是abc)。经过测试,完全满足要求,Bingo!
使用正则表达式查找不包含连续字符串abc的单词,最终结果:b(a(?!bc)|[^a](?!abc))((?<!abc).(?!abc))*b
--
更新:根据maple的评论,更简洁的作法是:b((?!abc)w)+b
正则表达式-不包含某个字符串
在使用正则表达式的场合,就是匹配一个不包含某个子串的子符串。比如要从“eabcdfgh”得到"cd"之前的子串。
可能会写:
([^cd]*)
这种写法是彻底错误的,因为[]中的是集合,也就是说,[^cd]表示不等于c或者d,而不是cd。
下面的程序中没有cd,但eab还是被匹配出来了。
例子:
上面这种写法是错的比较离谱的,不过一般都可以避免这种错误。
在特殊情况下,正则表达式可以这么写,而且效率是比较高的。
([/s/S]*cd)
说明,/s/S是表示匹配任何字符。
所谓特殊情况,就是我知道这个字符串中必有cd的存在。
假如,匹配不包含cd的部分(为了描述方便,只匹配cd之前的部分),即当cd不存在时,应该把整个字符串都取出来。
例子:
这种写法终于符合要求了。不过值得一提的是,相较前一种而言,它的效率比较低。
回顾一下相关的语法:
(?:子表达式) 定义非捕获组。
例子:
ab是被匹配的,但是它所在的组没有被捕获,Group[1]是cd
(?=子表达式) 零宽度正预测先行断言。
例子:
这种写法和注释掉的写法是有区别的,区别就是“零宽度”,这种写法会被捕获,也就是不占一个Group。
(?!子表达式) 零宽度负预测先行断言。
!表示非,就是不包含,同样是零宽度,不会被捕获。
(?<=子表达式) 零宽度正回顾后发断言。
例子:
例子: