正則表示式裡字串”不包含”匹配技巧
經常我們會遇到想找出不包含某個字串的文字,程式設計師最容易想到的是在正則表示式裡使用,^(hede)
來過濾”hede”字串,但這種寫法是錯誤的。我們可以這樣寫:[^hede]
,但這樣的正則表示式完全是另外一個意思,它的意思是字串裡不能包含‘h’,‘e’,‘d’三個但字元。那什麼樣的正則表示式能過濾出不包含完整“hello”字串的資訊呢?
事實上,說正則表示式裡不支援逆向匹配並不是百分之百的正確。就像這個問題,我們就可以使用否定式查詢來模擬出逆向匹配,從而解決我們的問題:
^((?!hede).)*$
上面這個表示式就能過濾出不包含‘hede’字串的資訊。我上面也說了,這種寫法並不是正則表示式“擅長”的用法,但它是可以這樣用的。
解釋
一個字串是由n個字元組成的。在每個字元之前和之後,都有一個空字元。這樣,一個由n個字元組成的字串就有n+1個空字串。我們來看一下“ABhedeCD”這個字串:
+--+---+--+---+--+---+--+---+--+---+--+---+--+---+--+---+--+ S = |e1| A |e2| B |e3| h |e4| e |e5| d |e6| e |e7| C |e8| D |e9| +--+---+--+---+--+---+--+---+--+---+--+---+--+---+--+---+--+ index 0 1 2 3 4 5 6 7
所有的e編號的位置都是空字元。表示式(?!hede).
會往前查詢,看看前面是不是沒有“hede”字串,如果沒有(是其它字元),那麼.
(點號)就會匹配這些其它字元。這種正則表示式的“查詢”也叫做“zero-width-assertions”(零寬度斷言),因為它不會捕獲任何的字元,只是判斷。
在上面的例子裡,每個空字元都會檢查其前面的字串是否不是‘hede’,如果不是,這.
(點號)就是匹配捕捉這個字元。表示式(?!hede).
只執行一次,所以,我們將這個表示式用括號包裹成組(group),然後用*
(星號)修飾——匹配0次或多次:((?!hede).)*
。
你可以理解,正則表示式((?!hede).)*
"ABhedeCD"
的結果false,因為在e3
位置,(?!hede)
匹配不合格,它之前有"hede"
字串,也就是包含了指定的字串。
在正則表示式裡, ?!
是否定式向前查詢,它幫我們解決了字串“不包含”匹配的問題。
原文地址:
http://www.vaikan.com/regular-expression-to-match-string-not-containing-a-word/