正则表达式的先行断言与后行断言：用可交互棋盘讲清楚

正则表达式的大部分内容都会消耗文本。cat 吃掉三个字符，\d+ 吃掉它能吃的所有数字，引擎随后越过它匹配到的内容继续前进。

环视不会。它们停在字符串的某个位置，向前或向后看一眼，然后回答“是”或“否”。它们匹配零个字符。凭这一个想法，你就能表达普通正则表达不了的东西，比如“后面不跟 u 的 q”，或者“紧跟在美元符号后面的数字，但不包括美元符号”。

下面每个示例都可以交互：修改正则，各行结果会随之更新；也可以点击试试在沙盒中打开它。

01四种环视

语法	名称	成立条件…
(?=X)	正向先行断言	X 紧随其后
(?!X)	负向先行断言	X 不紧随其后
(?<=X)	正向后行断言	X 紧挨在前面
(?<!X)	负向后行断言	X 不紧挨在前面

名称告诉你方向：先行检查当前位置之后的文本，后行检查它之前的文本。= 表示“必须存在”，! 表示“必须不存在”。

02负向先行断言：后面没有 u 的 q

在英语中，q 后面几乎总是跟着 u。用负向先行断言，一行就能抓住例外：

注意 iraq。一个诱人的替代写法是 q[^u]，即“q 后面跟着除 u 以外的任意字符”。但 [^u] 必须匹配一个字符，而 iraq 里的 q 是最后一个字母。先行断言只要求下一个位置不是 u，而字符串末尾当然不是 u。

03正向先行断言：匹配一部分，检查下一部分

正向先行断言让你可以要求某种上下文，却不把它包含进匹配结果。这里我们想要数字，但只要表示美元金额的那个：

只要你在替换或提取文本，这一点就很重要。用 \d+(?= dollars) 做查找替换，改掉的是数字，“dollars”这个词则原封不动。

04叠加先行断言：同时满足多条规则

因为先行断言不会移动位置，你可以在同一个位置放好几个。每一个都在整个字符串上检查一条不同的规则。这就是经典的密码检查：至少一个数字、至少一个大写字母、八个或更多字符：

从左往右读：从开头起，前方某处有一个数字；从同一个开头起，前方某处有一个大写字母；然后匹配 8 个或更多字符直到结尾。顺序无关紧要，这正是先行断言胜过把每种排列都写出来的原因。

05后行断言：检查前面是什么

后行断言是镜像。(?<=\$)\d+ 匹配紧跟在美元符号后面的数字，但不包括 $ 本身：

而否定形式可以找出不是价格的数字：

最后那条说明里藏着一个真正的陷阱。如果没有单词边界，(?<!\$)\d+ 会毫不犹豫地匹配 $100 里的 00，因为那两个 0 并不紧跟在 $ 后面。后行断言只检查匹配开始的位置，所以你常常需要 \b 或锚点来把这个位置钉住。

06环视在高尔夫中什么时候占优，什么时候不占优

在正则高尔夫里，每个字符都算数，所以值得知道环视什么时候能回本。

对于任意顺序出现的两个字母，普通的分支更短：a.*e|e.*a 是 9 个字符，而 (?=.*a).*e 是 10 个。但排列的数量增长得很快（两个字母 2 种，三个 6 种，四个 24 种），而每多一个先行断言只固定多花七个字符。下面这个棋盘里，每个怪物都以任意顺序包含一个 a、一个 e 和一个 i：

先行断言版本之所以可行，是因为正则搜索会依次尝试每个位置。在第一个位置上，两个先行断言都会扫描整个单词，所以 a 和 e 在哪里都无所谓。

07轮到你了

同样的思路，新的棋盘。每个怪物都至少有一个数字和至少一个大写字母，顺序不限：

08使用前需要知道的事

• 环视是零宽度的。 单独的 (?=\d) 匹配的是数字前面的一个空字符串。这在插入文本时很方便（比如千位分隔符），但如果你本想匹配数字本身，就会让人困惑。
• 支持程度不一。 JavaScript（所有现代浏览器和 Node）、Python、Java、.NET 和 PCRE 都支持先行断言和后行断言。Python 内置的 re 模块只允许固定宽度的后行断言，所以 (?<=\$\d*) 在那里会报错，而 JavaScript 接受它。Go 的标准 regexp 包完全不支持环视。
• 普通正则清晰时，优先用普通正则。 q[^u]|q$ 同样可行，有些读者觉得它更好理解。当环视能让意图一目了然，或者能省掉真正的复杂度时，再用它。

09继续练习

• 正则指南有一份速查，附带更多可交互示例。
• 环视常出现在较难的每日棋盘上。今天的狩猎说不定就需要一个。