正则表达式的逻辑关系

我会带着你远行 2022-07-15 00:04 186阅读 0赞

在构造和理解正则表达式的过程中，通常都是由简到繁的过程，如果理解正则表达式内部间的关系，就可以把比较复杂的正则表达式拆分成几个小块来理解，从而帮助消化。

# 正则表达式的逻辑关系 #

正则表达式之间的逻辑关系可以简单地用与、或、非来描述，如表所示。

![示例][20161025130928177]

通常来说，正则表达式可以看做这三种逻辑关系的组合。下面分析这三种逻辑。

## 1.与 ##

“与” 是正则表达式中最普遍的逻辑关系。一般来说，如果正则表达式中的元素没有任何量词(比如\*、?、+)修饰，就是”与”关系。比如正则表达式：

abc

表示同时出现a、b、c三个字符。

连续字符是“与”关系的最佳代表。此外，有些环视结构也可以表达“与”关系。比如顺序肯定环视（？=exp）表示自身出现的位置后面能匹配表达式exp，换而言之，就是在它后面必须出现表达式exp。例如：

\w+(?=ing)

表示单词的后面必须是ing结尾。  
除了顺序肯定环视外，逆序肯定环视也能表达“与”关系。

比如匹配DIV标签里的内容，例如＜div＞logo＜/div＞中的logo，就可用以下正则表达式来匹配：

(?<=div>).*(?=</div>)

`(?<=div>)` 表示自身（即要匹配的部分）出现的位置前面匹配表达式”`<div>`” ，`(?=</div>)` 表示它后面需要匹配的表达式”`</div>`“，中间的”.\*”就是匹配到的内容。

## 2.或 ##

“或”是正则表达式中容易出现的逻辑关系。  
如果“或”代表元素可以出现，也可以不出现，或者出现的次数不确定，可以用量词来表示“或”关系。比如以下表达式表示在此处，字符a可以出现，也可以不出现：

以下表达式表示在此处，字符串ab必然要出现1次，也可以出现无限多次：

(ab)+

如果“或”表示出现的是某个元素的一个，那么可以使用字符组。比如以下正则表达式表示此处出现的字符是a、b、c中的任何一个：

[abc]

如果要匹配多个字符，则使用分支结构（……｜……）。比如匹配单词foot及其复数形式，就可以用正则表达式：

f(oo|ee)t

或者使用如下形式

f[oe]{
        2}t

## 3.非 ##

提到”非”，最容易想到正则表达式中的反义和”^”元字符。比如`\d`表示数字，那么其对应的`\D`就表示非数字;`[a]`表示a字符，那么`[^a]` 就表示这个字符不是a。

“非”关系最常用来匹配成对的标签，例如双引号字符串的匹配，首位两个双引号很容易匹配，其中的内容肯定不是双引号（暂不考虑转义的情况），所以用`[^"]` 表示，其长度不确定，用\*来限定，所以整个表达式如下：

[^"]*

比如，需要匹配HTML里成对的A标签，先匹配左尖括号，紧接着是a字符，后面可以是任意内容，最后是一个右尖括号。在这对括号之间可以出现空格、字母、数字、引号等字符，但是不能出现“＞”字符，于是就可以用排除型字符组“\[＾＞\]”来表示。再加上后面的配对标签，整个表达式如下：

<a[^>]*>.*<\/a>

运行下面这段代码验证这个表达式：

<?php
    $reg = "#<a[^>]*>(.*)<\/a>#";
    $str = '<a href="http://baidu.com">baidu</a>---<a href="http://sohu.com">sohu</a>';
    preg_match_all($reg, $str, $m);
    print_r($m);

运行结果：

Array
    (
        [0] => Array
            (
                [0] => <a href="http://baidu.com">baidu</a>---<a href="http://sohu.com">sohu</a>
            )
    
        [1] => Array
            (
                [0] => baidu</a>---<a href="http://sohu.com">sohu
            )
    
    )

发现结果不符合预期，出现了嵌套匹配。原因在于A标签之间的文本忘了做排除型匹配，于是修改后的正则表达式就成了`<a[^>]*>([^<>]*)<\/a>`。经过修改后就符合预期了。

<?php
    $reg = "#<a[^>]*>([^<>]*)<\/a>#";
    $str = '<a href="http://baidu.com">baidu</a>---<a href="http://sohu.com">sohu</a>';
    preg_match_all($reg, $str, $m);
    print_r($m);

运行结果为：

Array
    (
        [0] => Array
            (
                [0] => <a href="http://baidu.com">baidu</a>
                [1] => <a href="http://sohu.com">sohu</a>
            )
    
        [1] => Array
            (
                [0] => baidu
                [1] => sohu
            )
    
    )

注：上述例子也可以使用前一篇博文中讲过的懒惰匹配。修改正则如下：

<a[^>]*>(.*?)<\/a>

除了反义和排除型字符组外，否定环视也能表示“非”这种关系。比如有一串文字：“ab＜p＞onecde＜div＞fgh＜/div＞＜img src=”“＞”。现在需要匹配除P标签外的所有标签。换而言之，就是先匹配所有HTML标签，可以使用如下表达式：

</?\b[^>]+>

匹配闭合的“＜XXX＞”或“＜/XXX＞”标签，然后再排除“XXX”或“/XXX”部分是P的标签，于是使用顺序否定环视，用表达式：

(?!/?p\b)

排除了“＜”或“＜/”这个位置后是P字符的情况，这样就满足需求了。最终的表达式则为：

<(?!/?p\b)[^>]+>

通过上面的分析得到正则表达式中的“与或非”关系及其代表语法，如表所示。

![示例][20161025192414260]

[20161025130928177]: /images/20220715/6fd0ea7915bd4ad3b47344f88c6a4fae.png
[20161025192414260]: /images/20220715/334d42428f804ed799045afb8ae8e9f1.png