Zjmainstay学习笔记

那么，什么是匹配溢出呢？
下面我们来看个例子：

源文本：<div>ABC</div><div>123</div>
目标匹配数据：<div>123</div>
正则：<div.*?>\d+</div>
实际匹配：<div>ABC</div><div>123</div>

这个例子，我们匹配的数据偏移了目标匹配数据，但却包含目标匹配数据，我们就可以认为，前面部分的正则，因为通配符.*?的限定范围比较大，对很多字符做了非预期匹配，也就是匹配溢出了。

对于这个问题，我们可以通过降低通配符的限定范围，从而使得它对于前面部分的匹配因为无法满足正则而退出，最终匹配到我们的目标数据。
因此，上面正则表达式可以修改为：

<div[^>]*?>\d+</div>

这样修改之后，通配部分最多只能匹配div标签里的到达>前的字符，就不会怕它因为通配匹配掉下一个<div>标签了。

因为上面式子中是对>做了排除匹配，它无论如何也不会超出>字符的范围，因此，上面正则从性能角度可以修改为：

<div[^>]*>\d+</div>

因为，假如<div>标签当中还有其他的噪点数据如<div class="xxx">，我们使用非贪婪模式，就会形成多次的回溯，降低性能。此时适当使用贪婪模式，可以让它里面匹配到<div之后，>之前的所有噪点数据，无需回溯，性能会有所提升。

上面例子是针对单字符，使用排除特定字符方法，限定通配符的匹配范围。而我们应用过程中，还经常会遇见多字符的排除匹配情况，下面我们来看看。

源文本：
http://www.zjmainstay.cn
http://www.baidu.com
http://www.qq.com
目标数据：每行一个域名，取出不是百度的域名
正则：/^http:\/\/((?!baidu).)+$/m
匹配结果：
http://www.zjmainstay.cn
http://www.qq.com
说明：正则里/m的m表示多行模式

可能很多人看到((?!baidu).)+就立马懵逼了。其实，这个表达式也没那么难，大家可以这么理解：
假设是排除一个单字符>，至少有一个字符，你是不是会写：[^>]+
没错，那我要求你一定要用否定正向环视去做呢？你会写成：(?!>).
限制当前位置后面的字符不能是>，完全没有问题，上面两个是等价的。
那么，假设我限定当前位置后面不是baidu呢？这时候，很明显对于单字符排除就不太好写了，因为我们知道正则是单字符匹配的，用单字符匹配就是排除各种b、a、i、d、u的组合，想想都不可完成。但我们可以用否定正向环视轻松解决：(?!baidu).
那么问题来了，我要匹配这一串字符中每个位置都不能是baidu，也就是：

(?!baidu).(?!baidu).(?!baidu).(?!baidu).(?!baidu).(?!baidu).(?!baidu).(?!baidu).(?!baidu).

谁知道有几个位置呢？（上面的(?!baidu).个数仅做示例）
因此，根据题目，至少会有一个(?!baidu).吧，因此，正则修改为：

((?!baidu).)+

也就得到了我们上面的式子了。此时的(?!baidu).其实可以看做一次匹配，就是匹配.，(?!baidu)限定它与其后其他字符不能构成baidu。
而((?!baidu).)的括号只是把这个整体框起来，用于次数限定而已。

更多关于正则表达式入门的内容，请参考本站博客《我眼里的正则表达式入门教程》
更多关于正则表达式高级的内容，请参考本站博客《深入讲解正则表达式高级教程》
Windows正则表达式测试工具请从《正则表达式测试工具RegexBuddy-4.1.0》下载
Mac正则表达式测试工具请从《Mac正则表达式测试工具》下载