前言：
本文是前一片文章《深入淺出之正則表達式（一）》
本文是Jan Goyvaerts爲RegexBuddy寫的教程的譯文，版權歸原作者所有，歡迎轉載。但是爲了尊重原作者和譯者的勞動，請註明出處！謝謝！的續篇，在本文中講述了正則表達式中的組與向後引用，先前向後查看，條件測試，單詞邊界，選擇符等表達式及例子，並分析了正則引擎在執行匹配時的內部機理。
本文是前一片文章《深入淺出之正則表達式（一）》
本文是Jan Goyvaerts爲RegexBuddy寫的教程的譯文，版權歸原作者所有，歡迎轉載。但是爲了尊重原作者和譯者的勞動，請註明出處！謝謝！的續篇，在本文中講述了正則表達式中的組與向後引用，先前向後查看，條件測試，單詞邊界，選擇符等表達式及例子，並分析了正則引擎在執行匹配時的內部機理。
元字符<</b>>也是一種對位置進行匹配的“錨”。這種匹配是0長度匹配。
有4種位置被認爲是“單詞邊界”：
1) 在字符串的第一個字符前的位置(如果字符串的第一個字符是一個“單詞字符”)
2) 在字符串的最後一個字符後的位置(如果字符串的最後一個字符是一個“單詞字符”)
3) 在一個“單詞字符”和“非單詞字符”之間，其中“非單詞字符”緊跟在“單詞字符”之後
4) 在一個“非單詞字符”和“單詞字符”之間，其中“單詞字符”緊跟在“非單詞字符”後面
“單詞字符”是可以用“/w”匹配的字符，“非單詞字符”是可以用“/W”匹配的字符。在大多數的正則表達式實現中，“單詞字符”通常包括<<[a-zA-Z0-9_]>>。
例如：<</b4/b>>能夠匹配單個的4而不是一個更大數的一部分。這個正則表達式不會匹配“44”中的4。
換種說法，幾乎可以說<</b>>匹配一個“字母數字序列”的開始和結束的位置。
“單詞邊界”的取反集爲<</B>>，他要匹配的位置是兩個“單詞字符”之間或者兩個“非單詞字符”之間的位置。
· 深入正則表達式引擎內部
讓我們看看把正則表達式<</bis/b>>應用到字符串“This island is beautiful”。引擎先處理符號<</b>>。因爲/b是0長度，所以第一個字符T前面的位置會被考察。因爲T是一個“單詞字符”，而它前面的字符是一個空字符(void)，所以/b匹配了單詞邊界。接着<<i>>和第一個字符“T”匹配失敗。匹配過程繼續進行，直到第五個空格符，和第四個字符“s”之間又匹配了<</b>>。然而空格符和<<i>>不匹配。繼續向後，到了第六個字符“i”，和第五個空格字符之間匹配了<</b>>，然後<<is>>和第六、第七個字符都匹配了。然而第八個字符和第二個“單詞邊界”不匹配，所以匹配又失敗了。到了第13個字符i，因爲和前面一個空格符形成“單詞邊界”，同時<<is>>和“is”匹配。引擎接着嘗試匹配第二個<</b>>。因爲第15個空格符和“s”形成單詞邊界，所以匹配成功。引擎“急着”返回成功匹配的結果。
10. 選擇符
正則表達式中“|”表示選擇。你可以用選擇符匹配多個可能的正則表達式中的一個。
如果你想搜索文字“cat”或“dog”，你可以用<<cat|dog>>。如果你想有更多的選擇，你只要擴展列表<<cat|dog|mouse|fish>>。
選擇符在正則表達式中具有最低的優先級，也就是說，它告訴引擎要麼匹配選擇符左邊的所有表達式，要麼匹配右邊的所有表達式。你也可以用圓括號來限制選擇符的作用範圍。如<</b(cat|dog)/b>>，這樣告訴正則引擎把(cat|dog)當成一個正則表達式單位來處理。
· 注意正則引擎的“急於表功”性
正則引擎是急切的，當它找到一個有效的匹配時，它會停止搜索。因此在一定條件下，選擇符兩邊的表達式的順序對結果會有影響。假設你想用正則表達式搜索一個編程語言的函數列表：Get，GetValue，Set或SetValue。一個明顯的解決方案是<<Get|GetValue|Set|SetValue>>。讓我們看看當搜索SetValue時的結果。
因爲<<Get>>和<<GetValue>>都失敗了，而<<Set>>匹配成功。因爲正則導向的引擎都是“急切”的，所以它會返回第一個成功的匹配，就是“Set”，而不去繼續搜索是否有其他更好的匹配。
和我們期望的相反，正則表達式並沒有匹配整個字符串。有幾種可能的解決辦法。一是考慮到正則引擎的“急切”性，改變選項的順序，例如我們使用<<GetValue|Get|SetValue|Set>>，這樣我們就可以優先搜索最長的匹配。我們也可以把四個選項結合起來成兩個選項：<<Get(Value)?|Set(Value)?>>。因爲問號重複符是貪婪的，所以SetValue總會在Set之前被匹配。
一個更好的方案是使用單詞邊界：<</b(Get|GetValue|Set|SetValue)/b>>或<</b(Get(Value)?|Set(Value)?/b>>。更進一步，既然所有的選擇都有相同的結尾，我們可以把正則表達式優化爲<</b(Get|Set)(Value)?/b>>。
11. 組與向後引用
把正則表達式的一部分放在圓括號內，你可以將它們形成組。然後你可以對整個組使用一些正則操作，例如重複操作符。
要注意的是，只有圓括號“()”才能用於形成組。“[]”用於定義字符集。“{}”用於定義重複操作。
當用“()”定義了一個正則表達式組後，正則引擎則會把被匹配的組按照順序編號，存入緩存。當對被匹配的組進行向後引用的時候，可以用“/數字”的方式進行引用。<</1>>引用第一個匹配的後向引用組，<</2>>引用第二個組，以此類推，<</n>>引用第n個組。而<</0>>則引用整個被匹配的正則表達式本身。我們看一個例子。
假設你想匹配一個HTML標籤的開始標籤和結束標籤，以及標籤中間的文本。比如<B>This is a test</B>，我們要匹配<B>和</B>以及中間的文字。我們可以用如下正則表達式：“<([A-Z][A-Z0-9]*)[^>]*>.*?<//1>”
首先，“<”將會匹配“<B>”的第一個字符“<”。然後[A-Z]匹配B，[A-Z0-9]*將會匹配0到多次字母數字，後面緊接着0到多個非“>”的字符。最後正則表達式的“>”將會匹配“<B>”的“>”。接下來正則引擎將對結束標籤之前的字符進行惰性匹配，直到遇到一個“</”符號。然後正則表達式中的“/1”表示對前面匹配的組“([A-Z][A-Z0-9]*)”進行引用，在本例中，被引用的是標籤名“B”。所以需要被匹配的結尾標籤爲“</B>”
你可以對相同的後向引用組進行多次引用，<<([a-c])x/1x/1>>將匹配“axaxa”、“bxbxb”以及“cxcxc”。如果用數字形式引用的組沒有有效的匹配，則引用到的內容簡單的爲空。
一個後向引用不能用於它自身。<<([abc]/1)>>是錯誤的。因此你不能將<</0>>用於一個正則表達式匹配本身，它只能用於替換操作中。
後向引用不能用於字符集內部。<<(a)[/1b]>>中的<</1>>並不表示後向引用。在字符集內部，<</1>>可以被解釋爲八進制形式的轉碼。
向後引用會降低引擎的速度，因爲它需要存儲匹配的組。如果你不需要向後引用，你可以告訴引擎對某個組不存儲。例如：<<Get(?:Value)>>。其中“(”後面緊跟的“?:”會告訴引擎對於組(Value)，不存儲匹配的值以供後向引用。
· 重複操作與後向引用
當對組使用重複操作符時，緩存裏後向引用內容會被不斷刷新，只保留最後匹配的內容。例如：<<([abc]+)=/1>>將匹配“cab=cab”，但是<<([abc])+=/1>>卻不會。因爲([abc])第一次匹配“c”時，“/1”代表“c”；然後([abc])會繼續匹配“a”和“b”。最後“/1”代表“b”，所以它會匹配“cab=b”。
應用：檢查重複單詞--當編輯文字時，很容易就會輸入重複單詞，例如“the the”。使用<</b(/w+)/s+/1/b>>可以檢測到這些重複單詞。要刪除第二個單詞，只要簡單的利用替換功能替換掉“/1”就可以了。
· 組的命名和引用
在PHP，Python中，可以用<<(?P<name>group)>>來對組進行命名。在本例中，詞法?P<name>就是對組(group)進行了命名。其中name是你對組的起的名字。你可以用(?P=name)進行引用。
.NET的命名組
.NET framework也支持命名組。不幸的是，微軟的程序員們決定發明他們自己的語法，而不是沿用Perl、Python的規則。目前爲止，還沒有任何其他的正則表達式實現支持微軟發明的語法。
下面是.NET中的例子：
(?<first>group)(?’second’group)
正如你所看到的，.NET提供兩種詞法來創建命名組：一是用尖括號“<>”，或者用單引號“’’”。尖括號在字符串中使用更方便，單引號在ASP代碼中更有用，因爲ASP代碼中“<>”被用作HTML標籤。
要引用一個命名組，使用/k<name>或/k’name’.
當進行搜索替換時，你可以用“${name}”來引用一個命名組。
12. 正則表達式的匹配模式
本教程所討論的正則表達式引擎都支持三種匹配模式：
<</i>>使正則表達式對大小寫不敏感，
<</s>>開啓“單行模式”，即點號“.”匹配新行符
<</m>>開啓“多行模式”，即“^”和“$”匹配新行符的前面和後面的位置。
· 在正則表達式內部打開或關閉模式
如果你在正則表達式內部插入修飾符(?ism)，則該修飾符只對其右邊的正則表達式起作用。(?-i)是關閉大小寫不敏感。你可以很快的進行測試。<<(?i)te(?-i)st>>應該匹配TEst，但是不能匹配teST或TEST.
13. 原子組與防止回溯
在一些特殊情況下，因爲回溯會使得引擎的效率極其低下。
讓我們看一個例子：要匹配這樣的字串，字串中的每個字段間用逗號做分隔符，第12個字段由P開頭。
我們容易想到這樣的正則表達式<<^(.*?,){11}P>>。這個正則表達式在正常情況下工作的很好。但是在極端情況下，如果第12個字段不是由P開頭，則會發生災難性的回溯。如要搜索的字串爲“1,2,3,4,5,6,7,8,9,10,11,12,13”。首先，正則表達式一直成功匹配直到第12個字符。這時，前面的正則表達式消耗的字串爲“1,2,3,4,5,6,7,8,9,10,11,”，到了下一個字符，<<P>>並不匹配“12”。所以引擎進行回溯，這時正則表達式消耗的字串爲“1,2,3,4,5,6,7,8,9,10,11”。繼續下一次匹配過程，下一個正則符號爲點號<<.>>，可以匹配下一個逗號“,”。然而<<，>>並不匹配字符“12”中的“1”。匹配失敗，繼續回溯。大家可以想象，這樣的回溯組合是個非常大的數量。因此可能會造成引擎崩潰。
用於阻止這樣巨大的回溯有幾種方案：
一種簡單的方案是儘可能的使匹配精確。用取反字符集代替點號。例如我們用如下正則表達式<<^([^,/r/n]*,){11}P>>，這樣可以使失敗回溯的次數下降到11次。
另一種方案是使用原子組。
原子組的目的是使正則引擎失敗的更快一點。因此可以有效的阻止海量回溯。原子組的語法是<<(?>正則表達式)>>。位於(?>)之間的所有正則表達式都會被認爲是一個單一的正則符號。一旦匹配失敗，引擎將會回溯到原子組前面的正則表達式部分。前面的例子用原子組可以表達成<<^(?>(.*?,){11})P>>。一旦第十二個字段匹配失敗，引擎回溯到原子組前面的<<^>>。
14. 向前查看與向後查看
Perl 5 引入了兩個強大的正則語法：“向前查看”和“向後查看”。他們也被稱作“零長度斷言”。他們和錨定一樣都是零長度的（所謂零長度即指該正則表達式不消耗被匹配的字符串）。不同之處在於“前後查看”會實際匹配字符，只是他們會拋棄匹配只返回匹配結果：匹配或不匹配。這就是爲什麼他們被稱作“斷言”。他們並不實際消耗字符串中的字符，而只是斷言一個匹配是否可能。
幾乎本文討論的所有正則表達式的實現都支持“向前向後查看”。唯一的一個例外是Javascript只支持向前查看。
· 肯定和否定式的向前查看
如我們前面提過的一個例子：要查找一個q，後面沒有緊跟一個u。也就是說，要麼q後面沒有字符，要麼後面的字符不是u。採用否定式向前查看後的一個解決方案爲<<q(?!u)>>。否定式向前查看的語法是<<(?!查看的內容)>>。
肯定式向前查看和否定式向前查看很類似：<<(?=查看的內容)>>。
如果在“查看的內容”部分有組，也會產生一個向後引用。但是向前查看本身並不會產生向後引用，也不會被計入向後引用的編號中。這是因爲向前查看本身是會被拋棄掉的，只保留匹配與否的判斷結果。如果你想保留匹配的結果作爲向後引用，你可以用<<(?=(regex))>>來產生一個向後引用。
· 肯定和否定式的先後查看
向後查看和向前查看有相同的效果，只是方向相反
否定式向後查看的語法是：<<(?<!查看內容)>>
肯定式向後查看的語法是：<<(?<=查看內容)>>
我們可以看到，和向前查看相比，多了一個表示方向的左尖括號。
例：<<(?<!a)b>>將會匹配一個沒有“a”作前導字符的“b”。
值得注意的是：向前查看從當前字符串位置開始對“查看”正則表達式進行匹配；向後查看則從當前字符串位置開始先後回溯一個字符，然後再開始對“查看”正則表達式進行匹配。
· 深入正則表達式引擎內部
讓我們看一個簡單例子。
把正則表達式<<q(?!u)>>應用到字符串“Iraq”。正則表達式的第一個符號是<<q>>。正如我們知道的，引擎在匹配<<q>>以前會掃過整個字符串。當第四個字符“q”被匹配後，“q”後面是空字符(void)。而下一個正則符號是向前查看。引擎注意到已經進入了一個向前查看正則表達式部分。下一個正則符號是<<u>>，和空字符不匹配，從而導致向前查看裏的正則表達式匹配失敗。因爲是一個否定式的向前查看，意味着整個向前查看結果是成功的。於是匹配結果“q”被返回了。
我們在把相同的正則表達式應用到“quit”。<<q>>匹配了“q”。下一個正則符號是向前查看部分的<<u>>，它匹配了字符串中的第二個字符“i”。引擎繼續走到下個字符“i”。然而引擎這時注意到向前查看部分已經處理完了，並且向前查看已經成功。於是引擎拋棄被匹配的字符串部分，這將導致引擎回退到字符“u”。
因爲向前查看是否定式的，意味着查看部分的成功匹配導致了整個向前查看的失敗，因此引擎不得不進行回溯。最後因爲再沒有其他的“q”和<<q>>匹配，所以整個匹配失敗了。
爲了確保你能清楚地理解向前查看的實現，讓我們把<<q(?=u)i>>應用到“quit”。<<q>>首先匹配“q”。然後向前查看成功匹配“u”，匹配的部分被拋棄，只返回可以匹配的判斷結果。引擎從字符“i”回退到“u”。由於向前查看成功了，引擎繼續處理下一個正則符號<<i>>。結果發現<<i>>和“u”不匹配。因此匹配失敗了。由於後面沒有其他的“q”，整個正則表達式的匹配失敗了。
· 更進一步理解正則表達式引擎內部機制
讓我們把<<(?<=a)b>>應用到“thingamabob”。引擎開始處理向後查看部分的正則符號和字符串中的第一個字符。在這個例子中，向後查看告訴正則表達式引擎回退一個字符，然後查看是否有一個“a”被匹配。因爲在“t”前面沒有字符，所以引擎不能回退。因此向後查看失敗了。引擎繼續走到下一個字符“h”。再一次，引擎暫時回退一個字符並檢查是否有個“a”被匹配。結果發現了一個“t”。向後查看又失敗了。
向後查看繼續失敗，直到正則表達式到達了字符串中的“m”，於是肯定式的向後查看被匹配了。因爲它是零長度的，字符串的當前位置仍然是“m”。下一個正則符號是<<b>>，和“m”匹配失敗。下一個字符是字符串中的第二個“a”。引擎向後暫時回退一個字符，並且發現<<a>>不匹配“m”。
在下一個字符是字符串中的第一個“b”。引擎暫時性的向後退一個字符發現向後查看被滿足了，同時<<b>>匹配了“b”。因此整個正則表達式被匹配了。作爲結果，正則表達式返回字符串中的第一個“b”。
· 向前向後查看的應用
我們來看這樣一個例子：查找一個具有6位字符的，含有“cat”的單詞。
首先，我們可以不用向前向後查看來解決問題，例如：
<< cat/w{3}|/wcat/w{2}|/w{2}cat/w|/w{3}cat>>
足夠簡單吧！但是當需求變成查找一個具有6-12位字符，含有“cat”，“dog”或“mouse”的單詞時，這種方法就變得有些笨拙了。
我們來看看使用向前查看的方案。在這個例子中，我們有兩個基本需求要滿足：一是我們需要一個6位的字符，二是單詞含有“cat”。
滿足第一個需求的正則表達式爲<</b/w{6}/b>>。滿足第二個需求的正則表達式爲<</b/w*cat/w*/b>>。
把兩者結合起來，我們可以得到如下的正則表達式：
<<(?=/b/w{6}/b)/b/w*cat/w*/b>>
具體的匹配過程留給讀者。但是要注意的一點是，向前查看是不消耗字符的，因此當判斷單詞滿足具有6個字符的條件後，引擎會從開始判斷前的位置繼續對後面的正則表達式進行匹配。
最後作些優化，可以得到下面的正則表達式：
<</b(?=/w{6}/b)/w{0,3}cat/w*>>
15. 正則表達式中的條件測試
條件測試的語法爲<<(?ifthen|else)>>。“if”部分可以是向前向後查看表達式。如果用向前查看，則語法變爲：<<(?(?=regex)then|else)>>，其中else部分是可選的。
如果if部分爲true，則正則引擎會試圖匹配then部分，否則引擎會試圖匹配else部分。
需要記住的是，向前先後查看並不實際消耗任何字符，因此後面的then與else部分的匹配時從if測試前的部分開始進行嘗試。
16. 爲正則表達式添加註釋
在正則表達式中添加註釋的語法是：<<(?#comment)>>
例：爲用於匹配有效日期的正則表達式添加註釋：
(?#year)(19|20)/d/d[- /.](?#month)(0[1-9]|1[012])[- /.](?#day)(0[1-9]|[12][0-9