正則表示式的與或非

我們都知道，寫正則表示式有點像搭積木，複雜的功能總可以拆分開來，由不同的元素（也就是子表示式）對應，再用合適的關係將它們組合起來，就可以完成。在這一節，我們講解常見的與或非關係的表達。

與

“與”是最簡單的關係，它表示若干個元素必須同時相繼出現，比如匹配單詞cat，其實就是要求字元c、字元a和字元t必須同時連續出現。

正則表示式表達“與”關係非常簡單，直接連續寫出相繼出現的元素就可以，我們可以想象，再各個元素之間，存在看不見的連線操作符·，比如上面匹配單詞cat的正則表示式，就是『cat』，我們可以將它想象為『c·a·t』。

“與”關係也不限於字元之間，任何子表示式都可以用它來連線，如果我們把上面單詞中的a替換為字元組『[au]』，表示式就變為『c[au]t』，你可以想象為『c·[au]·t』。

或

“或”是正則表示式靈活性的重要體現，我們可以規定某個位置的文字的“多種可能”，比如要匹配cat或是cut，在正則表示式看來，就是“字元c，然後是a或u，然後是t”。

如果“或”的多種可能都是單個字元（一般要求ASCII字元，中文字元等多位元組字元的情況，可以參考本書專門論述的章節，此處僅以ASCII字元為例），就可以用字元組來表達“或”的關係，比如上面的cat或者cut的情況，正則表示式寫做『c[au]t』，其原理如下：

更復雜的情況是“或”的多種可能，並非都是單個字元，有些可能是多個字元。比如，我們可以看一個更復雜的例子，不僅要匹配cut，還要匹配c開頭、t結尾的單詞chart、conduct和court。也就是說，在開頭的c，結尾的t之間“可能”出現的是：u或

遇到這種情況，就不應使用字元組，而應當使用多選分支『(…|…)』，將各個“可能選項”列在多選分支中。於是，正則表示式變為『c(u|har|onduc|our)t』，其原理如下：

關於多選分支，還有兩點要補充：

多選分支也可用於“每個選擇都是單個字元”的情況，比如『c[au]t』寫成『c(a|u)t』是沒錯的，但字元組的效率要遠高於多選分支，所以，在這種情況下，推薦使用字元組『c[au]t』；

預設的多選分支『(…|…)』使用的括號是會捕獲文字的，也就是說，括號內的表示式真正匹配成功的文字會記錄下來，匹配完成之後可以提取出來，具體到上面的例子，就是我們有辦法在匹配完成後“提取”出u或har或onduc或our。但許多時候，我們需要的只是整個表示式的匹配，而不關心“匹配時到底選擇的哪種可能情況”，在這種情況下，我們稍加修改，使用“不捕獲文字的括號”，可以提高效率。不捕獲文字的寫法也很簡單，只是在開擴號之後加上字元『?:』，也就是『(?:

非

“非”看起來簡單，其實是最複雜的，以下分幾種情況討論。

首先討論針對字元的“非”：不容許出現某個或某幾個字元。這是最簡單的情況，直接用排除型字元組就可以對付，仍然用上面的例子，如果要匹配的單詞是c開頭、t結尾，中間有一個字元，但不能是u（也就是說，整個單詞不能是cut），直接用『c[^u]t』就可以了，若中間的字元不能是a或u（也就是說，整個單詞不能是cat或cut），則表示式改為『c[^au]t』。

如果你認真讀過關於排除型字元組的章節，肯定會知道，這個表示式能匹配的只是cot之類的單詞，因為中間的排除型字元組『[^cu]』必須匹配一個字元。可是，如果我們還想要匹配chart、conduct和court，怎麼辦？最簡單的想法是去掉排除型字元組的長度限制，改成『c[^au]+t』——不幸的是，這樣行不通，因為這個表示式的意思是：c和t之間，是由多於一個“除a或u之外的字元“構成的，而chart、conduct和court，都包含a或u。

我們回頭仔細看看這個“非”的邏輯，我們發現，其實我們要否定的是“單個出現的a或u”，而不僅僅是“出現的a或u”，所以才出現這樣的問題，要解決這個問題，就應當把意思準確表達出來，變成“在結尾的t之前，不容許只出現一個a或u”。想到這一步，我們就可以用否定順序環視『(?!…)』來解決了，它表示“在這個位置向右，不容許出現子表示式能夠匹配的文字，我們把子表示式規定為『[au]t\b』（最後的『\b』很重要，它出現在t之後，保證t是單詞的結尾子母）。

有了這點限制，匹配a和t之間文字的表示式就隨意很多了，我們可以用匹配單詞字元的簡記法『\w』表示，於是整個表示式就變成了『c(?![au]t\b)\w+t』。請注意，這裡出現的並不是排除型字元組『[^au]』，而是普通的字元組『[au]』，因為否定順序環視『(?!…)』本身已經表示了“否定”的功能。

如果我們再進一步，“整個匹配文字中都不能出現字串cat”，要怎麼辦呢？許多人的思路就是借鑑處理“或”關係的思路：既然字元組對應單個字元的情況，多選分支對應多個字元的情況，那麼在否定時也是這樣。可惜，正則表示式並沒有提供與多選分支對應的“否定”結構，那麼，應該怎麼辦呢？

解決的辦法還是得依靠否定順序環視——“整個匹配文字中都不能出現字串cat”，換句話說，就是“在文字中的任意位置，向右，都不能出現該字串”。因此，我們用兩個錨點『^』和『$』，分別匹配整個字串的開頭和結尾位置，再用否定順序環視『(?!cat)』表達“不能出現字串cat”。

即便知道了原理，也不見得能寫對正則表示式，比如『^(?!cat).+$』就是不正確的，因為它只限定了在文字的開頭（也就是『^』）右邊不能出現cat，而我們真正要做的是，在文字的每一個位置右邊，都不能出現cat，所以應該改成『^((?!cat).)+$』；但這還說不上完美，根據前面提到的關於括號捕獲的知識，因為此處並不需要括號捕獲的文字，所以最好使用非捕獲型括號『(?:…)』，最終我們得到的表示式就是『^(?:(?!cat).)+$』。