一个断言就是一个对当前匹配位置之前或之后的字符的测试, 它不会实际消耗任何字符。简单的断言代码有\b、\B、 \A、 \Z、\z、 ^、$ 等,在 转义序列(反斜线) 中有描述。 更加复杂的断言以子组的方式编码。 它有两种类型: 前瞻断言(从当前位置向前测试)和后瞻断言(从当前位置向后测试)。
一个断言子组的匹配还是通过普通方式进行的,
不同在于它不会导致当前的匹配点发生改变。
前瞻断言中的正面断言(断言此匹配为真)以 ”(?=” 开始,消极断言以 ”(?!” 开头。比如,
\w+(?=;)
匹配一个单词紧跟着一个分号但是匹配结果不会包含分号,
foo(?!bar)
匹配所有后面没有紧跟 ”bar” 的 ”foo” 字符串。
注意一个类似的模式
(?!foo)bar
它不能用于查找之前出现所有不是 ”foo” 的 ”bar” 匹配,
它会查找到任意的 ”bar” 出现的情况,
因为 (?!foo) 这个断言在接下来三个字符时 ”bar” 的时候是永远都 true
的。
前瞻断言需要达到的就是这样的效果。
后瞻断言中的正面断言以”(?<=”开始, 消极断言以”(?<!”开始。比如,
(?<!foo)bar
用于查找任何前面不是 ”foo” 的 ”bar”。
后瞻断言的内容被严格限制为只能用于匹配定长字符串。但是,如果有多个可选分支,
它们不需要拥有相同的长度。比如
(?<=bullock|donkey)
是允许的,
但是
(?<!dogs?|cats?)
将会引发一个编译期的错误。在最上级分支可以匹配不同长度的字符串是允许的。
相比较于 perl 5.005 而言,它会要求多个分支使用相同长度的字符串匹配。
(?<=ab(c|de))
这样的断言是不允许的,
因为它单个的顶级分支可以匹配两个不同的长度,
但是它可以接受使用两个顶级分支的写法
(?<=abc|abde)
这样的断言实现,
对于每个可选分支,暂时将当前位置移动到尝试匹配的当前位置之前的固定宽度处。
如果在当前没有足够的字符就视为匹配失败。后瞻断言与一次性子组结合使用可以用来匹配字符串结尾;
一个例子就是在一次性子组上给出字符串结尾。
多个断言(任意顺序)可以同时出现。
比如
(?<=\d{3})(?<!999)foo
匹配前面有三个数字但不是 ”999” 的字符串 ”foo”。注意,
每个断言独立应用到对目标字符串该点的匹配。 首先它会检查前面的三位都是数字,
然后检查这三位不是 ”999”。
这个模式不能匹配 ”foo” 前面有三位数字然后紧跟 3 位非 999 共 6 个字符的字符串,比如,
它不匹配 ”123abcfoo”。
匹配 ”123abcfoo” 这个字符串的模式可以是
(?<=\d{3}…)(?<!999)foo
。
这种情况下,第一个断言查看(当前匹配点)前面的 6 个字符,检查前三个是数字, 然后第二个断言检查(当前匹配点)前三个字符不是 ”999”。
断言可以以任意复杂度嵌套。
比如
(?<=(?<!foo)bar)baz
匹配前面有 ”bar” 但是 ”bar” 前面没有 ”foo” 的 ”baz”。
另外一个模式
(?<=\d{3}...(?<!999))foo
则匹配前面有三个数字字符紧跟 3 个不是 999 的任意字符的 ”foo”。
断言子组时非捕获子组,并且不能用量词修饰, 因为对同一件事做多次断言是没有意义的.如果所有的断言都包含一个捕获子组, 那么为了在整个模式中捕获子组计数的目的,它们都会被计算在内。然而, 子字符串的捕获仅可以用于正面断言,因为对于消极的断言是没有意义的。
将断言计算在内,可以拥有的最大子组数量是 200 个。