Look-ahead 和 Look-behind 概念如何在 Ruby 的 Regex 中支持这种零宽度断言概念？

Question

我刚刚从文档中了解了Zero-Width Assertions 的概念。我想到了一些快速的问题-

• 为什么叫Zero-Width Assertions？
• Look-ahead 和 look-behind 概念如何支持此类 Zero-Width Assertions 概念？
• ?<=s,<!s,=s,<=s - 4 个符号在模式内指示什么？你能帮我集中精力了解实际发生的事情吗

我还尝试了一些小代码来理解逻辑，但对它们的输出没有那么自信：

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"

谁能帮我理解一下？

编辑

在这里，我尝试了两个带有“零宽度断言”概念的 sn-ps，如下所示：

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

另一个没有“零宽度断言”的概念如下：

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

以上都产生相同的输出，现在regexp 在内部如何自行移动以产生输出 - 你能帮我想象一下吗？

谢谢

Answer 1

正则表达式从左到右匹配，并随着字符串移动一种“光标”。如果您的正则表达式包含像a 这样的常规字符，这意味着：“如果光标前面有一个字母a，请将光标前移一个字符，然后继续。否则，有问题；备份并尝试一下别的。”所以你可能会说a 的“宽度”为一个字符。

“零宽度断言”就是这样：它断言关于字符串的某些内容（即，如果某些条件不成立，则不匹配），但它不会移动光标向前，因为它的“宽度”为零。

您可能已经熟悉一些更简单的零宽度断言，例如^ 和$。这些匹配字符串的开头和结尾。如果光标在看到这些符号时不在开头或结尾，则正则表达式引擎将失败，备份并尝试其他操作。但它们实际上并没有向前移动光标，因为它们不匹配字符；他们只检查光标的位置。

前瞻和后瞻的工作方式相同。当正则表达式引擎尝试匹配它们时，它会检查 围绕 光标以查看正确的模式是在其前面还是后面，但在匹配的情况下，它不会移动光标。

考虑：

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

这将匹配！正则表达式引擎是这样的：

1. 从字符串的开头开始：|foo。
2. 正则表达式的第一部分是(?=foo)。这意味着：仅当光标后出现foo 时才匹配。可以？嗯，是的，所以我们可以继续。但是光标不会移动，因为这是零宽度。我们还有|foo。
3. 接下来是f。光标前是否有f？是的，所以继续，将光标移过f：f|oo。
4. 接下来是o。光标前是否有o？是的，所以继续，将光标移过o：fo|o。
5. 同样的事情，把我们带到foo|。
6. 我们到达了正则表达式的末尾，没有失败，所以模式匹配。

特别是关于你的四个断言：

• (?=...) 是“前瞻”；它断言... 确实出现在光标之后。

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

  “jump”中的“ju”匹配，因为接下来是“m”。但是“june”中的“ju”后面没有“m”，所以就不管了。

  由于它不会移动光标，因此在其后放置任何内容时必须小心。 (?=a)b 永远不会匹配任何内容，因为它会检查下一个字符是否为a，然后 also 会检查 same 字符是否为b，这是不可能的。

• (?<=...) 是“向后看”；它断言... 确实出现在光标之前。

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

  “four”中的“our”匹配，因为它前面有一个“f”，但“flour”中的“our”前面有一个“l”，所以它不匹配。

  像上面一样，你必须小心你把它放在之前。 a(?<=b) 永远不会匹配，因为它会检查下一个字符是 a，移动光标，然后检查前一个字符是 b。

• (?!...) 是“负前瞻”；它断言... 不会出现在光标之后。

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

  “child”匹配，因为接下来是空格，而不是“ren”。 “孩子”没有。

  这可能是我用得最多的一个；精细控制接下来不能发生的事情会派上用场。

• (?<!...) 是“消极的后视”；它断言... 不出现在光标之前。

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

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

  作为附加限制，大多数正则表达式引擎要求... 在这种情况下具有固定长度。所以你不能使用?、+、*或{n,m}。

你也可以嵌套这些，否则做各种疯狂的事情。我主要将它们用于一次性使用，我知道我永远不需要维护，所以我没有任何实用的实际应用程序的好例子；老实说，它们很奇怪，您应该先尝试以其他方式做您想做的事情。 :)

---

事后思考：语法来自Perl regular expressions，它使用(? 后跟各种符号来表示很多扩展语法，因为? 本身是无效的。所以<= 本身并没有任何意义； (?<= 是一个完整的标记，意思是“这是回顾的开始”。就像+= 和++ 是独立的运算符一样，尽管它们都以+ 开头。

不过，它们很容易记住：= 表示向前看（或者，实际上是“这里”），< 表示向后看，! 有其传统含义“不”。

---

关于你后面的例子：

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。这是使用前瞻的棘手之处：

1. 正则表达式引擎已经尝试了一些方法，但没有奏效，现在位于 fores|ight。
2. 它检查(?!s)。 之后的字符是光标s吗？不，是i！所以该部分匹配并且匹配继续，但是光标没有移动，我们仍然有fores|ight。
3. 它检查ight。 ight 是否出现在光标之后？嗯，是的，确实如此，所以移动光标：foresight|。
4. 我们完成了！

光标移到子字符串ight 上，所以这是完全匹配，这就是被替换的内容。

(?!a)b 是没用的，因为你是说：下一个字符不能是a，它必须是b。但这与匹配b!

这有时很有用，但您需要更复杂的模式：例如，(?!3)\d 将匹配任何不是 3 的数字。

这就是你想要的：

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

这断言s 不会出现在之前 ight。

Answer 2

在您意识到正则表达式匹配 位置 以及字符之前，很难理解零宽度断言。

当您看到字符串“foo”时，您自然会读到三个字符。但是，还有四个位置，在这里用竖线标记：“|f|o|o|”。前瞻或后瞻（也称为环视）匹配前面或后面的字符与表达式匹配的位置。

零宽度表达式与其他表达式的区别在于，零宽度表达式仅匹配（或“消耗”）位置。所以，例如：

/(app)apple/

将无法匹配“apple”，因为它尝试匹配“app”两次。但是

/(?=app)apple/

会成功，因为前瞻只匹配“app”后面的位置。它实际上不匹配“app”字符，允许下一个表达式使用它们。

外观描述

正向预测：(?=s)

假设您是一名教官，正在执行检查。您从队伍的最前面开始，打算走过每个私人并确保他们达到预期。但是，在这样做之前，您要一一向前看，以确保它们已按财产顺序排列。士兵的名字是“A”、“B”、“C”、“D”和“E”。 /(?=ABCDE)...../.match('ABCDE')。是的，他们都在场并被解释。

负前瞻：(?!s)

您执行检查并最终站在列兵 D。现在您将向前看，以确保来自其他公司的“F”没有再次意外滑入错误的队形。 /.....(?!F)/.match('ABCDE')。不，这次他没有溜进来，所以一切都很好。

正面观察：(?<=s)

完成检查后，中士在编队的末端。他转身向后扫视，以确保没有人偷偷溜走。 /.....(?<=ABCDE)/.match('ABCDE')。是的，每个人都在场并得到了说明。

负向回溯：(?<!s)

最后，军士长最后检查一下，确保二等兵 A 和 B 没有再次调换位置（因为他们喜欢 KP）。 /.....(?<!BACDE)/.match('ABCDE')。不，他们没有，所以一切都很好。

Answer 3

零宽度断言的含义是在匹配时使用零个字符的表达式。例如，在这个例子中，

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

匹配的是

foresight
    ^^^^^

因此结果将是

foreee

然而，在这个例子中，

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

匹配的是

foresight
     ^^^^

因此结果是

foresee

另一个零宽度断言的例子是 word-boundary 字符\b。例如，要匹配一个完整的单词，您可以尝试用空格将单词括起来，例如

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

得到

flightdarkplight

但是您看到在替换过程中匹配空格是如何删除它的吗？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，但实际上不匹配字符：它是零宽度。

也许对您的问题最简洁的回答是：前瞻和后瞻断言是一种零宽度断言。所有前瞻和后瞻断言都是零宽度断言。

---

以下是对您的示例的解释：

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

上面的意思是，“匹配下一个字符不是s，然后是i。”对于i，这总是正确，因为i 永远不是s，所以替换成功。

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

上面的意思是，“匹配下一个字符是s，然后是i。”这是从不正确的，因为i 永远不是s，所以替换失败。

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

上面，已经解释过了。 （这是正确的。）

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

以上，现在应该清楚了。在这种情况下，“firefight”将替换为“firefee”，但不能将“foresight”替换为“foresee”。