正则表达式中零宽断言?=和?!的区别

正则在工作中经常用到，可是关于什么零宽断言的，总是看了又忘，几个问号傻傻分不清。今天找出个规律来，争取把它给牢牢记住。

PHP在线执行： http://www.dooccn.com/php/，为方便测试学习，大家可以使用我推荐的这个php在线执行工具。

关于?=、?:的这些叫法，曾经看到有好多种，有前瞻、后顾，也有正反向零宽断言啥的，感觉完全搞复杂化了。

这里暂时先摒弃这些叫法，只关注什么符号对应什么用途，并如何牢牢记住它们，而不容易混淆。

先来个小的汇总：

exp1(?=exp2)    查找exp2前面的exp1
(?<=exp2)exp1   查找exp2后面的exp1
exp1(?!exp2)    查找后面不是exp2的exp1
(?<!=exp2)exp1  查找前面不是exp2的exp1 

记忆诀窍：

1. 首先都是由问号带头的。我指的是上面四行表达式中括号里的部分。
2. 区分什么时候放左边，把<=看成左箭头，就是(?<=exp2)是放在exp1左边的。 相反，没有左箭头的(?=exp2),我们就知道是放在exp1的右边了。
3. 按照第2点，第3行和第4行的位置也同样好记住了。
4. 第4行中(?<!=exp2)怎么避免写成(?<=!exp2),感叹号!在数学中有非的意思，!=即意味着不等于，这样就不会写错了。

先就这四个我们操练一下。

例子1：获取浏览器cookie中的session_id。当模拟登录时就需要做这个工作。

//这是我随意粘贴的csdn上一篇博客的请求header里的数据
$str = 'accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3
accept-encoding: gzip, deflate, br
accept-language: zh-CN,zh;q=0.9
cache-control: max-age=0
cookie: uuid_tt_dd=10_18458393350-1559972832257-756853; 
dc_session_id=10_1559972832257.674318; 
Hm_ct_6bcd52f51e9b3dce32bec4a3997715ac=6525*1*10_18458393350-1559972832257-756853; 
_ga=GA1.2.226631537.1560048636; 
c-login-auto=13; dc_tos=ptemwv; 
Hm_lvt_6bcd52f51e9b3dce32bec4a3997715ac=1561043554,1561043566,1561044398,1561046143; 
Hm_lpvt_6bcd52f51e9b3dce32bec4a3997715ac=1561046143
referer: https://blog.csdn.net/csm0912/article/details/81206848
upgrade-insecure-requests: 1
user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.80 Safari/537.36';

preg_match('/(?<=dc_session_id=)[a-zA-Z\d._]+/', $str, $match);
var_dump($match);

结果：

array(1) {
  [0]=>
  string(23) "10_1559972832257.674318"
}

上面代码中[a-zA-Zd._]这里注意下，里面点号和下划线可不用转义，如果是破折号-，就需要\-这样子来转义

例子1中就是上文一开始列举的(?<=exp2)exp1情况，例子1中exp2是固定字符串dc_session_id=，那这里exp2可不可以继续用正则呢？

例子2：获取网页里所有的超链接地址和图片地址

//为了简化网页，下面字符串是我自己随便造的
$str = '<a class="link" href="http://www.zhai14.com">翟码农</a>
<img src="http://www.zhai14.com/media/upload/article/9671d518gy1g14y4dwe36j20ki08u758.jpg">';

preg_match_all('/(?<=[src|href]=")http:\/\/[\w/.]+(?=")/', $str, $match);
var_dump($match);

结果：

array(1) {
  [0]=>
  array(2) {
    [0]=>
    string(21) "http://www.zhai14.com"
    [1]=>
    string(79) "http://www.zhai14.com/media/upload/article/9671d518gy1g14y4dwe36j20ki08u758.jpg"
  }
}

上面正则表达式里，我同时用了(?<=exp2) 和(?=exp2)这两种，在(?<=exp2)里，可以看到exp2我继续用了正则[src|href]，这就回答了例子1结束时所问的问题了。

使用?<=或?<=这种时，有时正则表达式没写对会报如下错误：

lookbehind assertion is not fixed length at offset ...

这是因为上面这种正则符号后，跟上了不固定宽度的正则字符串。

如果在例子2中，[src|href]后面加上+或*，你就会看到这种错误提示。

在以前缀为条件的表达式后面，指定的字符串必须是固定长度，所以不可含*,+,{1,}等

例子3：公司年会抽奖，老板手机号以56结尾，规则安排以6结尾但倒数第二位不是5的手机号员工直接发奖品，不用参与抽奖。至于发放什么奖品，则按照手机号倒数第三位数字对应的奖品等级来发放。

$arr = array(
    '18018234576',
    '18308723897',
    '13243435679',
    '13476767736',
    //虽然6结尾，可惜倒数第二位跟老板相同，不好意思，你要去抽奖了
    '13389890656',  
);

$bonus_user = array();  //存储直接领取奖品的用户
foreach($arr as $mobile ){
    $t = preg_match('/(?<=[\d]{8})(\d)(?!5)\d6$/', $mobile, $match);
    if( !empty($match) ){
        $bonus_user[$mobile] = $match[1];
    }
    
}
var_dump($bonus_user);

以下正则表达式的解释：

(?<=[\d]{8})(\d)(?!5)\d6

开头(?<=[\d]{8})匹配8位数字，但是不捕获，就是结果不需要显示这8位。

中间(\d),代表手机号第9位，就是判定用户领取什么奖品的。用括号，表示分组，就是结果会单独显示这一位数据，避免进一步用代码处理。

(?!5), 表示匹配的第9位之后不能是紧跟着5的，也就是排除第十位是5的。

最后，\d6表示匹配手机号的最后两位，最后一位要求是6.

其实最后这两位我们也不需要捕获的，可我暂不清楚怎么写，所以只好在第9位用了分组（即加了括号），来获取我想要的数据。

结果：

array(2) {
  [18018234576]=>
  string(1) "5"
  [13476767736]=>
  string(1) "7"
}

18018234576, 13476767736这两位员工，就直接可以发放5等奖和7等奖的奖品了。

注意，这里(?!5)这部分，我一开始写成(?!=5), 看下面我重新描述的4种情况，唯独这一种是不带有等号=的。

第4种情况，暂时没想到好例子，就不举了，自行操练吧。

ok，想必你应该弄懂了，也记住了上面四种表达式，我们再顺便把他们的叫法也给理解一下。

网上搜了下，有下面这一种叫法：

零宽度正预测先行断言  exp1(?=exp2)    查找exp2前面的exp1
零宽度正回顾后发断言  (?<=exp2)exp1   查找exp2后面的exp1
零宽度负预测先行断言  exp1(?!exp2)    查找后面不是exp2的exp1
零宽度负回顾后发断言  (?<!=exp2)exp1  查找前面不是exp2的exp1

梳理一下，发现其实这种叫法也不难记，只是以前没沉下心来花心思而已：

记忆诀窍：所有都开头叫零宽度，就像表达式都是问号？带头的一样，意思就是不捕获结果。有感叹号！的，叫负，反之叫正。预测，就是放在右边的，回顾就是放在左边的。先行跟预测固定搭配，回顾跟后发固定搭配