正则表达式高阶使用：负向零宽度断言

date
Dec 31, 2021
slug
regex-lookaround
status
Published
tags
summary
type
Post
当我在写Surge的规则配置文件时，我发现我需要通过正则表达式使用 policy-regex-filter 进行过滤，具体的需求是：排除包含指定字符串的节点，过滤获得没有包含指定字符串的节点。
这是个难题，平时使用正则表达式主要是“匹配”的思想，这次要使用“否定排除”的思想。
零宽度断言 (zero-width-assertions) 解决了这个问题。 我们这里讨论的是否定的断言。 零宽度断言所匹配到的内容并不会保存到结果中去。
^((?!hede).)*$
上面的正则表达式是用来匹配排除包含
hede
的结果。
一个字符串包含 n 个字符的 list，在每个字符的前后都包涵一个空的字符串，因此含有 n 个字符的 list 拥有 n+1 个空字符串。 我们来看下这个字符串 "ABhedeCD" :
    ┌──┬───┬──┬───┬──┬───┬──┬───┬──┬───┬──┬───┬──┬───┬──┬───┬──┐
S = │e1│ A │e2│ B │e3│ h │e4│ e │e5│ d │e6│ e │e7│ C │e8│ D │e9│
    └──┴───┴──┴───┴──┴───┴──┴───┴──┴───┴──┴───┴──┴───┴──┴───┴──┘
index    0      1      2      3      4      5      6      7
其中，e们都是空字符串，表达式 (?!hede). 会检查每个的e的后面有没有 “hede” 子字符串，如果没有，. 会匹配任意一个字符（除了换行符），这种行为称为“零宽度断言”，因为他们没有消耗任何字符，仅仅只是在断言或证实某些东西。 因此，在上面的例子中，对于每个空字符串都会被验证其之后有无 “hede”，之后再与 . 匹配。 表达式 (?!hede). 只会进行一次上面的验证，因此，我们将其成组重复多次：((?!hede).)*。 最后，我们锚定首尾：^((?!hede).)*$。
"ABhedeCD" 最终会在 e3 处失败，因为 e3 之后存在字符串 “hede”。
我们再将其拓展一下，可以匹配排除包含多个指定字符串的节点：
^((?!(本站|流量|过期|下架|用户群|官网|精简)).)*$
准确来说，上面使用的属于“正向否定查找”，常规用法是：x(?=y)，含义是仅仅当’x’后面不跟着’y’时匹配’x'。
例如，仅仅当这个数字后面没有跟小数点的时候，\d+(?!\.) 匹配一个数字。正则表达式 \d+(?!\.) 匹配‘141’而不是‘3.141’。
但 (?!hede). 的这种用法属实少见，其思想是将其匹配字符之前的部分看作是一个字符串（空字符串）（[空字符串](?!hede).），而检查是这个空字符串的后面是否匹配(?!hede)。

© SunBK201 2020 - 2026