正則表達式匹配不包含某些字符串的技巧

經常我們會遇到想找出不包含某個字符串的文本,程序員最容易想到的是在正則表達式裏使用,^(hede)來過濾”hede”字串,但這種寫法是錯誤的。我們可以這樣寫:[^hede],但這樣的正則表達式完全是另外一個意思,它的意思是字符串裏不能包含‘h',‘e',‘d'三個但字符。那什麼樣的正則表達式能過濾出不包含完整“hello”字串的信息呢?

事實上,說正則表達式裏不支持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找來模擬出逆向匹配,從而解決我們的問題:

複製代碼代碼如下:
^((?!hede).)*$

上面這個表達式就能過濾出不包含‘hede'字串的信息。我上面也說了,這種寫法並不是正則表達式“擅長”的用法,但它是可以這樣用的。

解釋

一個字符串是由n個字符組成的。在每個字符之前和之後,都有一個空字符。這樣,一個由n個字符組成的字符串就有n+1個空字符串。我們來看一下“ABhedeCD”這個字符串:

所有的e編號的位置都是空字符。表達式(?!hede).會往前查找,看看前面是不是沒有“hede”字串,如果沒有(是其它字符),那麼.(點號)就會匹配這些其它字符。這種正則表達式的“查找”也叫做“zero-width-assertions”(零寬度斷言),因爲它不會捕獲任何的字符,只是判斷。

在上面的例子裏,每個空字符都會檢查其前面的字符串是否不是‘hede',如果不是,這.(點號)就是匹配捕捉這個字符。表達式(?!hede).只執行一次,所以,我們將這個表達式用括號包裹成組(group),然後用*(星號)修飾——匹配0次或多次:

複製代碼代碼如下:
((?!hede).)*。

你可以理解,正則表達式((?!hede).)*匹配字符串"ABhedeCD"的結果false,因爲在e3位置,(?!hede)匹配不合格,它之前有"hede"字符串,也就是包含了指定的字符串。

在正則表達式裏, ?! 是否定式向前查找,它幫我們解決了字符串“不包含”匹配的問題。

以下是一些補充:

分享下php生成隨機數的三種方法,生成1-10之間的不重複隨機數,php生成不重複隨機數的例子,需要的朋友參考下。

在hacker news上看到regex golf,幾道很有趣的正則表達式的題,有的需要用到不匹配這種匹配,比如需要匹配不包含某個單詞的串。

開始正題之前,先來看看正則表達式的語法:

[abc] a或b或c . 任意單個字符 a? 零個或一個a
[^abc] 任意不是abc的字符 \s 空格 a* 零個或多個a
[a-z] a-z的任意字符 \S 非空格 a+ 一個或多個a
[a-zA-Z] a-z或A-Z \d 任意數字 a{n} 正好出現n次a
^ 一行開頭 \D 任意非數字 a{n,} 至少出現n次a
$ 一行末尾 \w 任意字母數字或下劃線 a{n,m} 出現n-m次a
(...) 括號用於分組 \W 任意非字母數字或下劃線 a*? 零個或多個a(非貪婪)
(a|b) a或b \b 單詞邊界 (a)...\1 引用分組
(?=a) 前面有a (?!a) 前面沒有a \B 非單詞邊界

正則表達式中有(?=a)和(?!a)來表示我們是否需要匹配某個東西。

所以,有需要不匹配某樣內容時,就可以用(?!a)了。比如要匹配不含hello的字符串就可以這樣寫。

複製代碼代碼如下:

^(?!.*hello)

這裏.*用來表示hello之前可能有其他的字符,爲什麼還要加^呢,因爲如果不加的話,可能匹配到h之後的這個位置上了。

現在就可以解決regex golf上的abba這道題了。
這道題是去匹配不含abba這種形式的單詞,比如abba,anallagmatic就不應該匹配上。

正則表達式代碼:

複製代碼代碼如下:

^(?!.*(.)(.)\2\1)

然後利用不匹配,還可以解決prime這道題,這道題匹配有素數個x的串,先看正則。
 

複製代碼代碼如下:

^(?!(xx+)\1+$)

(xx+)是匹配2個及2個以上的x,(xx+)\1+就是匹配重複出現2個及以上的串,所以(xx+)\1+就表示了那些非素數的串,那麼素數串就是除去這些非素數串,即是以上的正則表達式了。

PS:關於正則,本站還提供了2款非常簡便實用的正則測試工具供大家使用:

JavaScript正則表達式在線測試工具:
http://tools.jb51.net/regex/javascript

正則表達式在線生成工具:
http://tools.jb51.net/regex/create_reg

發佈了11 篇原創文章 · 獲贊 24 · 訪問量 27萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章