经常我们会遇到想找出不包含某个字符串的文本,程序员最容易想到的是在正则表达式里使用,^(hede)
来过滤”hede”字串,但这种写法是错误的。我们可以这样写:[^hede]
,但这样的正则表达式完全是另外一个意思,它的意思是字符串里不能包含‘h’,‘e’,‘d’三个但字符。那什么样的正则表达式能过滤出不包含完整“hello”字串的信息呢?
事实上,说正则表达式里不支持逆向匹配并不是百分之百的正确。就像这个问题,我们就可以使用否定式查找来模拟出逆向匹配,从而解决我们的问题:
^((?!hede).)*$
上面这个表达式就能过滤出不包含‘hede’字串的信息。我上面也说了,这种写法并不是正则表达式“擅长”的用法,但它是可以这样用的。
解释
一个字符串是由n个字符组成的。在每个字符之前和之后,都有一个空字符。这样,一个由n个字符组成的字符串就有n+1个空字符串。我们来看一下“ABhedeCD”这个字符串:
+--+---+--+---+--+---+--+---+--+---+--+---+--+---+--+---+--+ 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编号的位置都是空字符。表达式(?!hede).
会往前查找,看看前面是不是没有“hede”字串,如果没有(是其它字符),那么.
(点号)就会匹配这些其它字符。这种正则表达式的“查找”也叫做“zero-width-assertions”(零宽度断言),因为它不会捕获任何的字符,只是判断。
在上面的例子里,每个空字符都会检查其前面的字符串是否不是‘hede’,如果不是,这.
(点号)就是匹配捕捉这个字符。表达式(?!hede).
只执行一次,所以,我们将这个表达式用括号包裹成组(group),然后用*
(星号)修饰——匹配0次或多次:((?!hede).)*
。
你可以理解,正则表达式((?!hede).)*
匹配字符串"ABhedeCD"
的结果false,因为在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。
在正则表达式里, ?!
是否定式向前查找,它帮我们解决了字符串“不包含”匹配的问题。
[英文原文:
Regular expression to match string not containing a word?
]
文章来自:
外刊IT评论
?