正则表达式进阶

最大最小匹配、零宽断言、反向引用、非获取匹配等

最大、最小匹配

正则表达式中包含能接受重复的限定符时，通常的行为是匹配尽可能多的字符，例如：

用 <.*> 匹配 <h1>People's Daily Online</h1>

匹配结果

共找到 1 处匹配：
<h1>People's Daily Online</h1>

当匹配到 h1 后面的 > 后，还会继续尝试往后匹配，直到匹配到最后一个 >（如果存在的话），若只想匹配到第一个 > 就停止匹配的话，即匹配尖括号里 h1 或 /h1 的话，需设定为最小匹配，方法是在限定符后面加个 ?：

<.*> → <.*?>

匹配结果

共找到 2 处匹配：
<h1>
</h1>

再举个例子

用 a.*b 匹配 aabbccbb，匹配结果

共找到 1 处匹配：
aabbccbb

用 a.*?b 匹配 aabbccbb，匹配结果

共找到 1 处匹配：
aab

总结如下：

零宽断言

零宽断言是一种零宽度的匹配，它匹配到的内容不会保存到匹配结果中去。简单来说就是给表达式添加一个限定条件，规定表达式前面或者后面需要满足某种条件。

(?=Exp): 后面匹配Exp

(?!Exp): 后面不匹配Exp

(?<=Exp): 前面匹配Exp

(?<!Exp): 前面不匹配Exp

举例字符串 AbcabC

用 (?<=[A-Z])b 匹配

共找到 1 处匹配：
b

用 b(?=[A-Z]) 匹配

共找到 1 处匹配：
b

反向引用

将捕获组(圆括号里的表达式)捕获到的内容在正则表达式内部进行引用

在 aabbcccdd 中，如果想匹配连续三个一样的字母，就用到了反向引用

用 ([a-z])\1{2} 匹配，结果

共找到 1 处匹配：
ccc

来拆解一下这个正则

([a-z]) 是第一个捕获组

\1 表示引用了第1个捕获组

{2} 表示 \1 重复两次

过程是一开始匹配到了 a时, \1 就变成了 a, 然后去匹配 aaa 失败，b 同理，最后只有 ccc 符合

捕获组还可以进行命名，命名规则是 (?<name>) ，使用的时候\k<name>

那么可以给 ([a-z])\1{2} 命名成 (?<char>[a-z])\k<char>{2}

非获取匹配

因为小括号()会被当做捕获组，有些情况下我们其实不需要它被捕获，则需要添加 ?:

用 (?:[a-z])\1{2} 匹配 aabbcccdd，结果

（没有匹配）

在括号内加了 ?: 以后，\1 就没有可以引用的了

常用正则表达式