正则表达式（三）

四、边界断言

4.1、普通边界断言

边界断言指一段表达式前后是否满足指定条件，该条件由一个子表达式组成，基于前后字符能否匹配来计算布尔值。因断言部分不会消耗匹配字符，固又称为零宽断言。

示例

曾小红，男、编号007，举重运动员，28岁，体重56KG，身高175cm。最好成绩：挺举98KG

\d{3}是不严谨的，它会把编号也匹配到结果中。修改正则为:\d{3}cm 可以精确得到结果，但同时把单位cm也包含进去了。这时就可以使用边界断言，断言数字后面是cm，正确的写法是：\d{3}(?=cm)，只会返回结果175. 所断言的cm不会包含进来。

上例如果要更严谨一点，也可以往后进行断言，如 (?<=身高)\d{3}(?=cm)，表示数字前面必须是“身高”

边界断言包含以下四种语法

注意：后置断言非常消耗性能，所以不推荐使用无限大的量词如：* + {n,}。举例 (?<=.+)aa 就是是错误的，必须改成一个有限范围如： (?<=.{1,200})aa

• 正则：/(?<=<a.{1,100}href=\").*?(?=\")/gm

4.2、高级特性

1. 零宽断言：断言条件本身不会消耗字符
2. 多边界断言:一个正则可同时存在多个边界断言。根据其所处位置来决定断言的边界。
3. 条件组合:多个子断言可以进行布尔运算如：&& || ()，
   1. h(?=条件1)(?=条件2) 且运算,指必须同时满足多个条件
   2. h(?=(?=条件1)(?=条件2)) 且运算,条件1与条件2组成一个新条件,并且两个条件都必须满足
   3. h(?=(?=条件1)|(?!条件2)) 或运算,满足条件1或者 不满足 条件2
   4. h(?=表达式1|(?=条件1)(?!条件2)) 混合运算,表示满足表达式1或者同时满足条件1、2
4. 任意边界：可以是任意合法的表达式边界，甚至可以是空字符边界。

首先，匹配正确的内容的正则为/#([\da-f]{6};|[\da-f]{3};)，然后是匹配不正确的，即/#(?![\da-f]{6};|[\da-f]{3};)，因为需要匹配内容所以正则为/#(?![\da-f]{6};|[\da-f]{3};).{0,7}

现有如下需求

检测用户密码是否符合以下要求：

1. 密码长度是8-20位
2. 大小写字母以及数字必须都有一个。

实现上述需就可以采用分而治之的思路，把每个条件分别进行计算：

1. 验证长度：(?=^.{8,20}$),表示总字符长度在8至20之间。^ $ 是两个特殊字符，这里分别表示文本的开头与结尾，将在后续章节专门学习。
2. 验证大写字母：(?=.*[A-Z])，表示文中任意地方至少出现一次大写字母。
3. 验证小写字母：(?=.*[a-z])，表示文中任意地方至少出现一次小写字母。
4. 验证数字：(?=.*\d)，表示文中任意地方至少出现一次数字。
5. 最后组合条件并追加内容 (?=^.{8,20}$)(?=.*[A-Z])(?=.*[a-z])(?=.*[\d]).+

五、特殊边界断言

前面学习了边界断言，通过断言表达式前后的内容，来决定是否匹配。但在一些特殊场景中断言无法进行，比如断言文本开头，目前所学正则没有一个字符可用来表示文本开头，自然无法进行断言。

但这类使用场景是真实存在的，而且还很频繁。比如：判断一段文本是否以”hello”开头。为了实现这类需求，正则中用^ 表示文本的开头，它是一个特殊边界断言，^hello即匹配”hello”字符，并且它在文本的开头。

^ 这里并不表示某个具体字符，而是一个后置断言，断言为文本的开头。^hello等价于(?<=^)Hello,你可以认为^相当于是(?<=^)简写。就像*是{0,}简写一样。

在正则中的文本边界、行边界、单词边界即为特殊边界断言，本质上还是边界断言，用于计算出布尔值，并且也不消耗字符。其语法如下表：

m是一个行边界修饰符，它决定^$匹配机制，加入m表示行边界，否则就是文本边界。关于修饰符将会在后面详细讲到。

5.1、文本边界

文本边界，即整个字符串开始与结束位置，它有两种表示方式：\A \Z和 ^ $ 都分别断言为开头和结尾。遗憾的是\A \Z在javascript中不支持，^ $ 有时又要用来表示行的开头和结尾。因为正则开发之初就是为单行做匹配的，行边界即文本边界，用^ $表示没毛病，后来正则支持匹配多行了，^ $ 产生了歧义所以用m修饰符加以修正。

为了避免混淆，我建议如果是做单元匹配，全部用^$表示行边界和文本边界。如果是多行尽量用\A\Z表文本边界，用^$表示行边界。

由于本教程是基于javascript引擎，所以只能用 ^$ 表示文本边界。

5.2、行边界

行边界，文本中每行的开始和结束位置，分别使用^和$表示,同时得还得加上行边界修饰符m。

• ^是一个简写后置断言，相当于(?<=\n) ，断言表达式后置必须是换行符，但这两者又不能完全等价，因为在文本开头，即使没有\n ^也能匹配。
• $是一个简写的前置断言，相当于(?=\n),断言表达式前置必须是换行符，但这两者又不能完全等价，因为在文本结尾，即使没有\n $也能匹配。

在javascipt中没有\A 和\Z ，如果需要同时表达文本边界，与行边界如何做呢？可以这么实现，在未加m修饰情况下， 用^ $表示文本边界，用(?<=\n|^)与(?=\n|$)分别表示行首、行尾即可。

5.3、单词边界

\b是一个极为特殊的边界断言，它既断言单词开头，也断言单词的结尾。当我们需要匹配完整单词的就需要使用它：比如匹配 this is uncle 中 is，如果直接用is匹配结果就是：this is uncle。正确写法是\bis\b ，前后两个\b分别表示单词开头与结尾。

上述只是一个简单案例，事实上理解\b远没这么简单，因为一个单词的边界，比起行边界要复杂的多，比如分析下文中匹配所有单词：

上文中总共匹配了5个单词，每个单词的边界都不相同：有本文开头，有的是行首，也有标点符号! 或"，甚至中文也成了单词边界。有点乱， 如果仔细一点我们就能发现其中规律，所有的单词都是\w+ 表示，如果它的前后出现一个非单词字符即\W,代表这就是边界了。此外如果前后是^ $ \A \Z 也可以说是到边界了。

单词边界本质上还是一个边界断言，符合边界断言所有特性：计算布尔值、不消耗字符等。\b断言单词的前后是一个\W字符，或是一个其它边界（行边界，文本边界）。

以下两个表达式：\bhello\b 与(?<=^|\W|\A)Hello(?=$|\W|\Z) 希望能助你理解\b本质，

\b 兼容性问题

在java 与python中 \b 支持Unincode 汉字 ，如：\b很好\b 可以匹配下文：

但这也有弊端，比如想要匹配上文中的\bnice\b就无法匹配，因为它认为汉字不是单词的分割。

六、修饰符

很多地方把修饰符，称作模式，听着顺口但表述并不准确。修饰符用于影响表达式的匹配逻辑， 比如i修饰符表示正则勿略大小写，而g要求正则匹配全部结果，默认情况下的正则只会匹配第一个结果。下表中列出了各语言中常见的修饰符

g全局匹配

默认情况正则引擎匹配到第一个结果之后就结束了，加上g之后就会匹配全部可匹配结果。

i勿略大小写

这是最好理解的一个修饰符。

m行边界修饰符

很多地方把它叫 多行模式，让我误以为它的作用就是让正则把字符串按行拆分，然后在一行一行的匹配，事实上它的作用是于定义^与$边界断言的作用范围。默认情况下^$分别表示文本的开头与结尾，加上之后表示行首与行尾，也包括文本开头与结尾。一般的正则表达式应用都会加上m修饰符。

s 点通配符

s并不是所谓的单行模式，而是用来定义.是否包括换行？默认情况下不包括换行，加上之就包括换行符。工作中不建议使用该修饰符，会让结果变得不可预期。可以用[\D\d] 来代替.通配符。

x注释修饰符

正则让人头痛一点就是字符太难以阅读，x注释修饰符可以一定程度上降低复杂性，该修饰符下正则的空行将被勿略，并且可以通过添加# 表示注释。如下面这个示例就是启用了x

 <span>  #标签开头
.*?      #最少化匹配中间任意内容
<\/span> #标签结尾

由于x会勿略所有空白字符，所有类似 空格 tab制表符换行都需要使用\s代替。

注释还有另一种写法(?#注释内容) 它不需x修饰符的支持，不过这种写法在javascrip 与java中不支持。

工具中默认修饰符

在使用类似idea，vs code，或notepad++等工具时，其正则都添加了gmi三个修饰符，而且除了i大小写勿略，其它都不可以改变。

本作品采用《CC 协议》，转载必须注明作者和本文链接