如何在Ruby的正则表达式中使用前瞻和后顾概念支持零宽度断言概念？

Question

我刚刚阅读了有关文档中的 零宽度断言 概念。这让我想到了一些问题：

• 为什么要使用这样的名称 零宽度断言？
• 向前查看 和 向后查看 概念如何支持这样的 零宽度断言 概念？
• ?<=s，<!s，=s，<=s - 这四个符号在模式内指示了什么？你能帮我理解一下实际发生了什么吗？

我还尝试了一些简短的代码来理解逻辑，但对输出结果不是很自信：

irb(main):001:0> "foresight".sub(/(?!s)ight/, 'ee')
=> "foresee"
irb(main):002:0> "foresight".sub(/(?=s)ight/, 'ee')
=> "foresight"
irb(main):003:0> "foresight".sub(/(?<=s)ight/, 'ee')
=> "foresee"
irb(main):004:0> "foresight".sub(/(?<!s)ight/, 'ee')
=> "foresight"

有人能帮我理解这里的内容吗？

编辑

这里我尝试了两个片段，一个是使用“零宽断言”概念的：

irb(main):002:0> "foresight".sub(/(?!s)ight/, 'ee')
=> "foresee"

另一种是不涉及“零宽断言”概念的，如下所示：

irb(main):003:0> "foresight".sub(/ight/, 'ee')
=> "foresee"

以上两种方法都会产生相同的输出结果，但是内部实现上，这两个regexp是如何独立移动来产生输出结果的呢？你能帮助我形象地理解一下吗？

谢谢

- Arup Rakshit

Answer 1

正则表达式从左向右匹配，随着匹配的进行，在字符串上一路移动一个“光标”。如果你的正则表达式包含了诸如a这样的普通字符，那就意味着：“如果光标前面有一个字母a，就将光标向前移动一个字符，然后继续匹配。否则，就会出现错误；回溯一下，然后尝试其他正则表达式。” 因此，你可以说a有一个“宽度”为一个字符。

“零宽断言”就是这样：它肯定了字符串中的某些条件（即不匹配某些条件），但它并不会将光标向前移动，因为它的“宽度”为零。

您可能已经熟悉了一些更简单的零宽断言，例如^和$，它们匹配字符串的开头和结尾。如果在看到这些符号时光标不在开头或结尾，正则表达式引擎将失败、回溯，并尝试其他正则表达式。但它们实际上并没有将光标向前移动，因为它们不匹配字符；它们只检查光标所在的位置。

前向断言和后向断言的工作方式也相同。当正则表达式引擎尝试匹配它们时，它会检查光标周围的文本以查看正确的模式是否在光标前面或后面，但如果匹配成功，它不会移动光标。

考虑以下示例：

/(?=foo)foo/.match 'foo'

这将匹配！正则表达式引擎的工作流程如下：

1. 从字符串开头开始：|foo。
2. 正则表达式的第一部分是(?=foo)，它的意思是：只有在光标后面出现foo时才匹配。它确实出现了，所以我们可以继续。但是，由于这是零宽度的，光标不会移动。我们仍然有|foo。
3. 接下来是f。在光标前面有f吗？有，因此继续，并将光标移到f|oo之后。
4. 接下来是o。在光标前面有o吗？有，因此继续，并将光标移到fo|o之后。
5. 再次相同的操作，将我们带到foo|。
6. 我们到达了正则表达式的末尾，没有失败，因此模式匹配。

关于您提出的四个断言：

• (?=...)是“先行断言”，它断言... 在光标后出现。

1.9.3p125 :002 > 'jump june'.gsub(/ju(?=m)/, 'slu')
 => "slump june" 

"Jump"中的 "ju" 之所以匹配是因为接下来是 "m"。但 "June" 中的 "ju" 没有紧跟着 "m"，因此保持原样。

由于它不移动光标，所以在它后面放任何东西时必须小心。(?=a)b 将永远不会匹配任何内容，因为它检查下一个字符是 a，然后还检查相同的字符是 b，这是不可能的。

(?<=...) 是“向后查找”，它断言... 在光标之前出现。

1.9.3p125 :002 > 'four flour'.gsub(/(?<=f)our/, 'ive')
 => "five flour" 

“four”中的“our”匹配是因为它之前紧跟着一个“f”，但在“flour”中，“our”之前有一个“l”，所以不匹配。

就像上面一样，您必须小心在其之前放置什么。 a(?<=b)永远不会匹配，因为它检查下一个字符是否是a，移动光标，然后检查前一个字符是否是b。

(?!...)是“负向先行断言”；它断言在光标后面不会出现...。

1.9.3p125 :003 > 'child children'.gsub(/child(?!ren)/, 'kid')
 => "kid children"

"child"匹配，因为下一个字符是空格，而不是"ren"。"children"不匹配。

这可能是我最常用的一个；精细控制不能出现的内容非常有用。

(?<!...)是"负向后查找";它断言在光标之前没有出现...。

1.9.3p125 :004 > 'foot root'.gsub(/(?<!r)oot/, 'eet')
 => "feet root" 

“foot”的“oot”很好，因为它之前没有“r”。 “root”中的“oot”显然有一个“r”。

作为额外的限制，大多数正则表达式引擎要求在这种情况下...具有固定长度。 因此，您不能使用?，+，*或{n,m}。

您还可以嵌套这些元字符，并且以其他方式执行各种疯狂的操作。 我主要将它们用于我知道自己永远不必维护的单次操作，因此我手头没有任何真实应用程序的伟大示例； 老实说，它们足够奇怪，您应该先尝试以其他方式实现所需内容。 :)

---

事后想法：语法来自Perl正则表达式，其中使用(?后跟各种符号表示大量扩展语法，因为单独使用?是无效的。 所以<=本身并没有意义； (?<=是一个完整的标记，表示“这是回顾开始”。 这就像+=和++是不同的运算符一样，即使它们都以+开头。

但是很容易记住： =指向前看（或者实际上是“这里”），<表示向后查找，而！具有其“not”的传统含义。

---

关于您稍后的示例：

irb(main):002:0> "foresight".sub(/(?!s)ight/, 'ee')
=> "foresee"

irb(main):003:0> "foresight".sub(/ight/, 'ee')
=> "foresee"

是的，它们产生相同的输出。这是使用先行断言时的棘手问题：

1. 正则表达式引擎尝试了一些东西，但它们没有起作用，现在它在 "fores|ight"。
2. 它检查了 (?!s)。光标 后面 的字符是s吗？不，是i！因此该部分匹配并且匹配继续进行，但光标 不会移动，我们仍然有 fores|ight。
3. 它检查了ight。光标后面有ight吗？是的，有，所以移动光标：foresight|。
4. 完成了！

光标经过子字符串 ight，因此这是完全匹配，也是被替换的内容。

执行 (?!a)b 没有意义，因为你正在说：下一个字符 不能是 a，而且它 必须 是 b。 但这与只匹配 b 相同！

这有时可能很有用，但您需要一个更复杂的模式：例如，(?!3)\d 将匹配任何不是3的数字。

这才是您想要的：

1.9.3p125 :001 > "foresight".sub(/(?<!s)ight/, 'ee')
 => "foresight" 

这段代码检查了s是否在ight之前。

- Eevee

---

你也不能使用预查来匹配（任意）嵌套的括号。 - Tim Pietzcker

哦，嗯，那是使用捕获递归。我会想一个更好的例子。 - Eevee

这是我能想到的最详细的解释了！如果您需要其他帮助，请告诉我。 - Eevee

你们给了我很多。这是我复习任何时候都可以参考的参考书。所有内容都在一个地方！ :) 真不错。每个人都应该从这里开始学习概念！令人惊叹...........非常感谢朋友们。只有我的最后一个 EDIT 没有回答，如果有人回答了，我们将得到另一种风味 :) :) - Arup Rakshit

完美！没有更多的问题了！亲爱的，我想成为你的学生 :) - Arup Rakshit

Answer 2

零宽断言在你意识到正则表达式匹配位置和字符时会变得难以理解。当你看到字符串“foo”时，你自然会读出三个字符。但是，在这里用管道标记的四个位置也有四个|f|o|o|。前瞻或后顾（也称为lookarounds）匹配一个字符之前或之后与表达式匹配的位置。零宽度表达式和其他表达式的区别在于，零宽度表达式只匹配（或“消耗”）位置。例如：

/(app)apple/

因为它试图两次匹配“app”，所以无法匹配“apple”。

/(?=app)apple/

由于前瞻只匹配紧随其后的“app”位置，因此将成功。它实际上并未匹配“app”字符，允许下一个表达式消耗它们。

前瞻描述

正向前瞻: (?=s)

想象一下你是一个军士长，正在进行检查。您从队列前面开始，并打算走过每个士兵，确保他们符合预期。但是，在这样做之前，您依次向前看，以确保他们已按正确顺序排列。士兵的名字是“A”，“B”，“C”，“D”和“E”。/(?=ABCDE)...../.match('ABCDE')。是的，他们都在场并且没问题。

负向前瞻: (?!s)

您沿着队列逐个进行检查，最终站在D士兵处。现在，您将向前看，以确保来自另一个公司的“F”没有再次错误地滑入了错误的形成队列。/.....(?!F)/.match('ABCDE')。不，这次没有滑入，所以一切都好。

正向后瞻: (?<=s)

检查完成后，军士长站在队列末尾。他转过身来，向后扫描以确保没有人溜走。/.....(?<=ABCDE)/.match('ABCDE')。是的，每个士兵都在场。

负向后瞻: (?<!s)

最后，军士长最后一眼看着A和B士兵是否再次交换了位置（因为他们喜欢在厨房值勤）。/.....(?<!BACDE)/.match('ABCDE')。不，他们没有，所以一切都好。

- JDB

---

哇！太完美了——这正是我向你们询问的，比我到目前为止浏览的在线材料更清晰。你看到我的最后一次编辑了吗？ - Arup Rakshit

在你的帖子中，我理解了Regex中的Zero-width实际上是什么意思，以及consuming因素 - 这对于Regexp学习者来说真的是一个很好的指导。 - Arup Rakshit

Answer 3

零宽断言的意义在于匹配时消耗零个字符的表达式。例如，在这个例子中，

"foresight".sub(/sight/, 'ee')

匹配的是什么。

foresight
    ^^^^^

因此，结果将会是：

foreee

然而，在这个例子中，

"foresight".sub(/(?<=s)ight/, 'ee')

匹配的是什么。

foresight
     ^^^^

因此结果将会是：

foresee

另一个零宽度断言的例子是“单词边界”字符\b。例如，要匹配完整单词，您可以尝试在单词周围加上空格，如下所示：e.g.。

"flight light plight".sub(/\slight\s/, 'dark')

获取

flightdarkplight

但是，您可以看到，匹配空格会在替换过程中将其删除。使用单词边界可以解决这个问题：

"flight light plight".sub(/\blight\b/, 'dark')

\b匹配单词的开头或结尾，但实际上不匹配任何字符：它是零宽度的。

也许对你问题最简洁的回答是：前瞻和后顾断言是一种零宽度断言。所有前瞻和后顾断言都是零宽度断言。

---

以下是你例子的解释：

irb(main):001:0> "foresight".sub(/(?!s)ight/, 'ee')
=> "foresee"

在上面的内容中，你说：“匹配下一个字符不是 s 并且接着是 i。” 对于 i 来说这总是正确的，因为 i 从来不是 s，所以替换成功。

irb(main):002:0> "foresight".sub(/(?=s)ight/, 'ee')
=> "foresight"

上面你说，“匹配下一个字符是s，然后是i。”这是不可能的，因为i永远不会是s，所以替换失败了。

irb(main):003:0> "foresight".sub(/(?<=s)ight/, 'ee')
=> "foresee"

以上已经解释过了。（这是正确的。）

irb(main):004:0> "foresight".sub(/(?<!s)ight/, 'ee')
=> "foresight"

以上，现在应该很清楚了。在这种情况下，“firefight”将替换为“firefee”，但不是“foresight”替换为“foresee”。

- Andrew Cheong

---

消耗零字符 - 什么是消耗，你能从技术上解释一下吗？Look-ahead和Look-behind在技术上是如何发生的，并且如何通过零宽度断言的概念来生成此类输出，请向我展示。我很想看到这些东西！ - Arup Rakshit

我认为@Eevee已经解释得最好了。我已经在我的答案中添加了一些例子，以帮助您更进一步。 - Andrew Cheong