残阳似血的博客

正则表达式是代码中的常用技巧，主要用来匹配符合某种句法规则的字符串。常用的正则表达式本文不再赘述，详细可以参考wiki（Python，Java）。本文主要讨论的是非获取匹配的正则表达式。

常见的非获取匹配有以下几种：

(?:pattern) 主要用来匹配pattern但不获取结果。我们看下面的例子。

>>> re.match("win (7|vista)", "win 7").group()
'win 7'

>>> re.match("win (7|vista)", "win 7").groups()
('7',)

>>> re.match("win (?:7|vista)", "win 7").group()
'win 7'

>>> re.match("win (?:7|vista)", "win 7").groups()
()

可以看出，使用这种模式括号中匹配内容并没有存储供以后使用。它是比“win 7|win vista”更加简便的形式。

以上是Python的示例，Java代码如下（以后的例子不再赘述）：

Pattern ptn = Pattern.compile("win (7|vista)");
Matcher m = ptn.matcher("win 7");
while (m.find()) {
    for (int i = 0; i <= m.groupCount(); i++) {
        System.out.println(m.group(i));
    }
}

(?=pattern) 正向肯定预查。它在任何匹配pattern的字符串处查找字符串，它仅仅是检查是否匹配，而不将预查的结果包含其中。当然，它也是非获取匹配。看个例子就明白了。

>>> re.match("win (?=7|vista)", "win 7").group()
'win '

>>> re.match("win (?=7|vista)", "win 7").groups()
()

(?!pattern) 正向否定预查。例子如下：

>>> re.match("win (?!7|vista)", "win 8").group()
'win '

>>> re.match("win (?!7|vista)", "win 8").groups()
()

(?<=pattern) 反向肯定预查。查找某个字串之前是否满足pattern。

>>> re.search("(?<=95|98)win", "98win").group()
'win'

>>> re.search("(?<=95|98)win", "98win").groups()
()

(?<!pattern) 反向否定预查。

>>> re.search("(?<!95|98)win", "7win").group() 
'win'

>>> re.search("(?<!95|98)win", "7win").groups()
()

现在我们来看实际中的需求。现在我有一个字符串，这个字符串是由中文和英文组成，现在我要把这个字符串切成一个个只由中文或者英文组成的字串。比如说将“McCulloch与Pitts将神经系统”切成”McCulloch“、“与”、“ Pitts“、”将神经系统“。

首先要知道匹配中文的正则是”[\u4e00-\u9fa5]“，在Python中，我们可以使用findall方法：

reg = re.compile(u"[\u4e00-\u9fa5]+|[A-Za-z]+")
print "\t".join([w for w in reg.findall(u"McCulloch与Pitts将神经系统")])

对于Java，除了使用这种方式匹配，我们还使用刚刚说过的非获取匹配来达到同样的效果。对于需求的句子，可以看到要切分的地方，要么是中文接英文，要么是英文接中文。所以我们在反向肯定预查到中文然后正向肯定预查到英文处调用split操作，或者在反向肯定预查到英文正向肯定预查到中文处调用同样的操作。于是有：

Pattern ptn = Pattern.compile(
    "(?<=[\u4e00-\u9fa5])(?=[A-Za-z])|(?<=[A-Za-z])(?=[\u4e00-\u9fa5])", 
    Pattern.UNICODE_CASE);
String[] words = ptn.split("McCulloch与Pitts将神经系统");
for(String word: words) {
    System.out.print(word + "\t");
}

可以看到达到了一样的效果，但是，在我的测试中，此法对Python中的正则库中的split方法并不适用。所以我们解决问题确实需要灵活多变的策略。

最后，我们再讨论以下js的实现。对于js来说，由于js不支持反向预查。所以，用和Python方法类似的简单策略。我们使用加上“g“修饰符的match方法（表示全局匹配，而不是只匹配一次）。

var testStr = "McCulloch与Pitts将神经系统";
var regExp = /[\u4e00-\u9fa5]+|[A-Za-z]+/g;

testStr.match(regExp).forEach(function(i){
    document.write(i+"  ");
});