2.2 反向引用 \1, \2…
表达式在匹配时，表达式引擎会将小括号 “( )” 包含的表达式所匹配到的字符串记录下来。在获
取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这一点，在前面的举例中
，已经多次展示了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，
必须使用小括号来指定所要的范围。比如前面的 “<td>(.*?)</td>”。
其实，”小括号包含的表达式所匹配到的字符串” 不仅是在匹配结束后才可以使用，在匹配过程中
也可以使用。表达式后边的部分，可以引用前面 “括号内的子匹配已经匹配到的字符串”。引用方法是
“\” 加上一个数字。”\1″ 引用第1对括号内匹配到的字符串，”\2″ 引用第2对括号内匹配到的字符串
……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括
号 “(” 在前，那这一对就先排序号。
举例如下：
举例1：表达式 “(‘|”)(.*?)(\1)” 在匹配 ” ‘Hello’, “World” ” 时，匹配结果是：成功；匹配
到的内容是：” ‘Hello’ “。再次匹配下一个时，可以匹配到 ” “World” “。
举例2：表达式 “(\w)\1{4,}” 在匹配 “aa bbbb abcdefg ccccc 111121111 999999999” 时，匹
配结果是：成功；匹配到的内容是 “ccccc”。再次匹配下一个时，将得到 999999999。这个表达式要
求 “\w” 范围的字符至少重复5次，注意与 “\w{5,}” 之间的区别。
举例3：表达式 “<(\w+)\s*(\w+(=(‘|”).*?\4)?\s*)*>.*?</\1>” 在匹配 “<td id=’td1’
style=”bgcolor:white”></td>” 时，匹配结果是成功。如果 “<td>” 与 “</td>” 不配对，则会匹配
失败；如果改成其他配对，也可以匹配成功。
2.3 预搜索，不匹配；反向预搜索，不匹配
前面的章节中，我讲到了几个代表抽象意义的特殊符号：”^”，”$”，”\b”。它们都有一个共同点
，那就是：它们本身不匹配任何字符，只是对 “字符串的两头” 或者 “字符之间的缝隙” 附加了一个
条件。理解到这个概念以后，本节将继续介绍另外一种对 “两头” 或者 “缝隙” 附加条件的，更加灵
活的表示方法。
正向预搜索：”(?=xxxxx)”，”(?!xxxxx)”
格式：”(?=xxxxx)”，在被匹配的字符串中，它对所处的 “缝隙” 或者 “两头” 附加的条件是：所
在缝隙的右侧，必须能够匹配上 xxxxx 这部分的表达式。因为它只是在此作为这个缝隙上附加的条件
，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似 “\b”，本身不匹配任何字
符。”\b” 只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹
配。
举例1：表达式 “Windows (?=NT|XP)” 在匹配 “Windows 98, Windows NT, Windows 2000” 时，
将只匹配 “Windows NT” 中的 “Windows “，其他的 “Windows ” 字样则不被匹配。
举例2：表达式 “(\w)((?=\1\1\1)(\1))+” 在匹配字符串 “aaa ffffff 999999999” 时，将可以
匹配6个”f”的前4个，可以匹配9个”9″的前7个。这个表达式可以读解成：重复4次以上的字母数字，则
匹配其剩下最后2位之前的部分。当然，这个表达式可以不这样写，在此的目的是作为演示之用。
格式：”(?!xxxxx)”，所在缝隙的右侧，必须不能匹配 xxxxx 这部分表达式。
举例3：表达式 “((?!\bstop\b).)+” 在匹配 “fdjka ljfdl stop fjdsla fdj” 时，将从头一直
匹配到 “stop” 之前的位置，如果字符串中没有 “stop”，则匹配整个字符串。
举例4：表达式 “do(?!\w)” 在匹配字符串 “done, do, dog” 时，只能匹配 “do”。在本条举例中
，”do” 后边使用 “(?!\w)” 和使用 “\b” 效果是一样的。
反向预搜索：”(?<=xxxxx)”，”(?<!xxxxx)”
这两种格式的概念和正向预搜索是类似的，反向预搜索要求的条件是：所在缝隙的 “左侧”，两种
格式分别要求必须能够匹配和必须不能够匹配指定表达式，而不是去判断右侧。与 “正向预搜索” 一
样的是：它们都是对所在缝隙的一种附加条件，本身都不匹配任何字符。
举例5：表达式 “(?<=\d{4})\d+(?=\d{4})” 在匹配 “1234567890123456” 时，将匹配除了前4个
数字和后4个数字之外的中间8个数字。由于 JScript.RegExp 不支持反向预搜索，因此，本条举例不
能够进行演示。很多其他的引擎可以支持反向预搜索，比如：Java 1.4 以上的 java.util.regex 包
，.NET 中System.Text.RegularExpressions 命名空间，以及本站推荐的最简单易用的 DEELX 正则引
擎。
3. 其他通用规则
还有一些在各个正则表达式引擎之间比较通用的规则，在前面的讲解过程中没有提到。
3.1 表达式中，可以使用 “\xXX” 和 “\uXXXX” 表示一个字符（”X” 表示一个十六进制数）
┏━━━━━┯━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃形式 │字符范围 ┃
┠─────┼─────────────────────────┨
┃\xXX │编号在 0 ~ 255 范围的字符，比如：空格可以使用 “\ ┃
┃ │x20” 表示 ┃
┠─────┼─────────────────────────┨
┃\uXXXX │任何字符可以使用 “\u” 再加上其编号的4位十六进制数 ┃
┃ │表示，比如：”\u4E2D” ┃
┗━━━━━┷━━━━━━━━━━━━━━━━━━━━━━━━━┛
3.2 在表达式 “\s”，”\d”，”\w”，”\b” 表示特殊意义的同时，对应的大写字母表示相反的意义
┏━━━━━┯━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃表达式 │可匹配 ┃
┠─────┼─────────────────────────┨
┃\S │匹配所有非空白字符（”\s” 可匹配各个空白字符） ┃
┠─────┼─────────────────────────┨
┃\D │匹配所有的非数字字符 ┃
┠─────┼─────────────────────────┨
┃\W │匹配所有的字母、数字、下划线以外的字符 ┃
┠─────┼─────────────────────────┨
┃\B │匹配非单词边界，即左右两边都是 “\w” 范围或者左右两┃
┃ │边都不是 “\w”范围时的字符缝隙 ┃
┗━━━━━┷━━━━━━━━━━━━━━━━━━━━━━━━━┛
3.3 在表达式中有特殊意义，需要添加 “\” 才能匹配该字符本身的字符汇总
┏━━┯━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃字符│说明 ┃
┠──┼──────────────────────────────┨
┃^ │匹配输入字符串的开始位置。要匹配 “^” 字符本身，请使用 “\^” ┃
┠──┼──────────────────────────────┨
┃$ │匹配输入字符串的结尾位置。要匹配 “$” 字符本身，请使用 “\$” ┃
┠──┼──────────────────────────────┨
┃( ) │标记一个子表达式的开始和结束位置。要匹配小括号，请使用 “\(” ┃
┃ │和 “\)” ┃
┠──┼──────────────────────────────┨
┃[ ] │用来自定义能够匹配 ‘多种字符’ 的表达式。要匹配中括号，请使用┃
┃ │ “\[“和 “\]” ┃
┠──┼──────────────────────────────┨
┃{ } │修饰匹配次数的符号。要匹配大括号，请使用 “\{” 和 “\}” ┃
┠──┼──────────────────────────────┨
┃. │匹配除了换行符（\n）以外的任意一个字符。要匹配小数点本身， ┃
┃ │请使用 “\.” ┃
┠──┼──────────────────────────────┨
┃? │修饰匹配次数为 0 次或 1 次。要匹配 “?” 字符本身，请使用”\?” ┃
┠──┼──────────────────────────────┨
┃+ │修饰匹配次数为至少 1 次。要匹配 “+” 字符本身，请使用 “\+” ┃
┠──┼──────────────────────────────┨
┃* │修饰匹配次数为 0 次或任意次。要匹配 “*” 字符本身，请使用”\*”┃
┠──┼──────────────────────────────┨
┃| │左右两边表达式之间 “或” 关系。匹配 “|” 本身，请使用 “\|” ┃
┗━━┷━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
3.4 括号 “( )” 内的子表达式，如果希望匹配结果不进行记录供以后使用，可以使用 “(?:xxxxx)”
格式
举例1：表达式 “(?:(\w)\1)+” 匹配 “a bbccdd efg” 时，结果是 “bbccdd”。括号 “(?:)” 范围
的匹配结果不进行记录，因此 “(\w)” 使用 “\1” 来引用。
3.5 常用的表达式属性设置简介：Ignorecase，Singleline，Multiline，Global
┏━━━━━┯━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃表达式属性│说明 ┃
┠─────┼─────────────────────────┨
┃Ignorecase│默认情况下，表达式中的字母是要区分大小写的。配置为┃
┃ │Ignorecase可使匹配时不区分大小写。有的表达式引擎，┃
┃ │把 “大小写” 概念延伸至UNICODE 范围的大小写。 ┃
┠─────┼─────────────────────────┨
┃Singleline│默认情况下，小数点 “.” 匹配除了换行符（\n）以外的 ┃
┃ │字符。配置为Singleline 可使小数点可匹配包括换行符 ┃
┃ │在内的所有字符。 ┃
┠─────┼─────────────────────────┨
┃Multiline │默认情况下，表达式 “^” 和 “$” 只匹配字符串的开始 ┃
┃ │① 和结尾 ④ 位置。如： ┃
┃ │ ┃
┃ │①xxxxxxxxx②\n ┃
┃ │③xxxxxxxxx④ ┃
┃ │ ┃
┃ │配置为 Multiline 可以使 “^” 匹配 ① 外，还可以匹配┃
┃ │换行符之后，下一行开始前 ③ 的位置，使 “$” 匹配 ④┃
┃ │外，还可以匹配换行符之前，一行结束② 的位置。 ┃
┠─────┼─────────────────────────┨
┃Global │主要在将表达式用来替换时起作用，配置为 Global 表示┃
┃ │替换所有的匹配。 ┃
┗━━━━━┷━━━━━━━━━━━━━━━━━━━━━━━━━┛
4. 其他提示
4.1 如果想要了解高级的正则引擎还支持那些复杂的正则语法，可参见本站 DEELX 正则引擎的说明文
档。
4.2 如果要要求表达式所匹配的内容是整个字符串，而不是从字符串中找一部分，那么可以在表达式
的首尾使用 “^” 和 “$”，比如：”^\d+$” 要求整个字符串只有数字。
4.3 如果要求匹配的内容是一个完整的单词，而不会是单词的一部分，那么在表达式首尾使用 “\b”，
比如：使用 “\b(if|while|else|void|int……)\b” 来匹配程序中的关键字。
4.4 表达式不要匹配空字符串。否则会一直得到匹配成功，而结果什么都没有匹配到。比如：准备写
一个匹配 “123”、”123.”、”123.5″、”.5″ 这几种形式的表达式时，整数、小数点、小数数字都可以
省略，但是不要将表达式写成：”\d*\.?\d*”，因为如果什么都没有，这个表达式也可以匹配成功。更
好的写法是：”\d+\.?\d*|\.\d+”。
4.5 能匹配空字符串的子匹配不要循环无限次。如果括号内的子表达式中的每一部分都可以匹配 0 次
，而这个括号整体又可以匹配无限次，那么情况可能比上一条所说的更严重，匹配过程中可能死循环
。虽然现在有些正则表达式引擎已经通过办法避免了这种情况出现死循环了，比如 .NET 的正则表达
式，但是我们仍然应该尽量避免出现这种情况。如果我们在写表达式时遇到了死循环，也可以从这一
点入手，查找一下是否是本条所说的原因。
4.6 合理选择贪婪模式与非贪婪模式，参见话题讨论。
4.7 或 “|” 的左右两边，对某个字符最好只有一边可以匹配，这样，不会因为 “|” 两边的表达式因
为交换位置而有所不同。
5. 替换操作
对匹配到的字符串进行替换操作。
5.1 替换表达式 $1 ~ $999
代表某个捕获组捕获到的内容。如果捕获组编号大于表达式中的最大捕获组编号，那么 DEELX 会
减少数字个数，以使捕获组编号小于或等于最大编号；而把剩余的数字看作字符串常量。
举例：
当前最大捕获组编号为 20，那么，指定替换为 “$999” 将被看作 “$9” + “99”；指定替换为
“$15” 将代表第 15 个捕获组。如果本来就是想把 “5” 当成字符串常量时（”$1″ + “5”），可以使用
$0015 表示，DEELX 最多识别 3 位 10 进制数字。
5.2 替换表达式 ${name}
代表指定命名分组捕获到的内容。
5.3 替换表达式 $$
表示一个 $ 符号。
5.4 替换表达式 $&
代表每次匹配到内容。
5.5 替换表达式 $`
代表原字符串中，匹配到的内容之前的字符串。$` 中`符号就是键盘左上角”~”下边的那个符号。
5.6 替换表达式 $’
代表原字符串中，匹配到的内容之后的字符串。$’ 中 ‘ 符号就是单引号。
5.7 替换表达式 $+
代表所有“有捕获”的分组中，编号最大的那个分组。
举例：
“aaa(b+)|ccc(b+)” 在匹配 “aaabbb” 时，虽然最大分组是第2个分组，但最大“有捕获”的是第
1个分组，此时的 $+ 代表 $1 。
5.8 替换表达式 $_
代表被替换的整个字符串。”_” 是下划线。
[完]