正则表达式‘(?<=#)[^#]+(?=#)’是如何工作的？

Question

我在 C# 程序中有以下正则表达式，但难以理解：

(?<=#)[^#]+(?=#)

我会把它分解成我认为我理解的：

(?<=#)    a group, matching a hash. what's `?<=`?
[^#]+     one or more non-hashes (used to achieve non-greediness)
(?=#)     another group, matching a hash. what's the `?=`?

所以我遇到的问题是?<= 和?< 部分。通过阅读 MSDN，?<name> 用于命名组，但在这种情况下，尖括号永远不会闭合。

我在文档中找不到?=，而且搜索起来真的很困难，因为搜索引擎大多会忽略那些特殊字符。

Answer 1

它们被称为环视；它们允许您断言模式是否匹配，而无需实际匹配。有 4 种基本外观：

• 正面观察：看看我们是否可以匹配pattern...
  • (?=pattern) - ...当前位置右侧（向前看）
  • (?<=pattern) - ...在当前位置的左边（看后面）
• 否定的lookarounds - 看看我们是否不能匹配pattern
  • (?!pattern) - ...在右边
  • (?<!pattern) - ...到左边

作为一个简单的提醒，让我们看看：

• = 是 正面，! 是 负面
• < 是看后面，否则是看前面

参考文献

• regular-expressions.info/Lookarounds

---

但是为什么要使用环视呢？

有人可能会争辩说，上述模式中的环视不是必需的，#([^#]+)# 可以很好地完成这项工作（提取\1 捕获的字符串以获得非#）。

不完全是。不同之处在于，由于环视与# 不匹配，因此下次尝试查找匹配时可以再次“使用”它。简单地说，环视允许“匹配”重叠。

考虑以下输入字符串：

and #one# and #two# and #three#four#

现在，#([a-z]+)# 将给出以下匹配项 (as seen on rubular.com)：

and #one# and #two# and #three#four#
    \___/     \___/     \_____/

将此与匹配的(?<=#)[a-z]+(?=#) 进行比较：

and #one# and #two# and #three#four#
     \_/       \_/       \___/ \__/

很遗憾，这无法在 rubular.com 上演示，因为它不支持后视。但是，它确实支持前瞻，因此我们可以使用匹配 (as seen on rubular.com) 的#([a-z]+)(?=#) 做类似的事情：

and #one# and #two# and #three#four#
    \__/      \__/      \____/\___/

参考文献

• regular-expressions.info/Flavor Comparison

Answer 2

正如另一张海报提到的，这些是 lookarounds，用于更改匹配内容和时间的特殊构造。这说：

(?<=#)    match but don't capture, the string `#`
            when followed by the next expression

[^#]+     one or more characters that are not `#`, and

(?=#)     match but don't capture, the string `#`
            when preceded by the last expression

所以这将匹配两个#s 之间的所有字符。

Lookaheads 和lookbehinds 在很多情况下都非常有用。例如，考虑规则“匹配所有bs，而不是a”。您的第一次尝试可能类似于b[^a]，但这是不对的：这也将匹配bus 中的bu 或boy 中的bo，但您只想要b。并且它不会匹配cab 中的b，即使它后面没有a，因为没有更多字符可以匹配。

要正确执行此操作，您需要一个前瞻：b(?!a)。这表示“匹配b，但之后不匹配a，并且不要将其作为匹配的一部分”。因此它只会匹配bolo 中的b，这就是你想要的；同样，它会匹配cab 中的b。

Answer 3

他们被称为 look-arounds：http://www.regular-expressions.info/lookaround.html