零宽断言

零宽断言

正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。 零宽断言用于查找在某些内容(但并不包括这些内容)之前或之后的东西，它们像 \b ^ $ < > 这样的锚定作用，用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。 断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。 zero width assertion 主要分为四种：

1. 先行断言 (?=exp)
2. 后发断言 (?<=exp)
3. 负向零宽先行断言 (?!exp)
4. 负向零宽后发断言(?<!exp)

先行断言

表示匹配表达式前面的位置 如匹配ing前的单词

echo cooking singing | grep -oP '\w+(?=ing)'

^ 表示position0； (?=<)表示<之前的位置，在这里同样是position0

echo "<div>antzone" | grep -oP '^(?=<)<[^>]+>\w+'

一个有趣的例子

从这里可以看到先行断言用于对断言前的表达式配置位置

echo abc | grep -oP 'a(?=b)c'   # not match
echo abc | grep -oP 'a(?=b)bc'   # not match

后发断言

匹配表达式后面的位置 获取内核版本 去除变量值

echo kernel-5.6 kernel-2.6 kernel-3.8 | grep -oP '(?<=kernel-)[0-9.]+'
echo 'aaa bbb CD="123"' | grep -oP '(?<=CD=")\d+'

grep -P

grep -P alternative

echo "abc: 123 def 456 ghi: 789" | grep -Po ':\s*\K\d+'

负向零宽先行断言

匹配第二个ab, 因为第一个ab后为A-Z

echo "abZW863ab88" | grep -oP 'ab(?![A-Z])'

负向零宽后发断言

匹配ABC后的abc，数字后的不能匹配

echo 123abcABCabc | grep -oP '(?<![0-9])abc'

应用

HTML标签内容

(?<=<(\w+)>).(?=</\1>) 匹配不包含属性的简单HTML标签内里的内容。(?<=<(\w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是)，然后是.(任意的字符串),最后是一个后缀(?=</\1>)。注意后缀里的/，它用到了前面提过的字符转义；\1则是一个反向引用，引用的正是捕获的第一组，前面的(\w+)匹配的内容，这样如果前缀实际上是的话，后缀就是了。整个表达式匹配的是和之间的内容(再次提醒，不包括前缀和后缀本身)。

echo '<b>hello</b>' | grep -oP '(?<=<(\w{1})>).*(?=<\/\1>)'