专业排版 | 跟我一起学方正书版-第二十五弹-正则表示式在方正书版中的应用

方正书版本身并不直接使用标准的Perl或Python风格的正则表达式，而是使用其内置的查找替换功能，该功能支持通配符，其理念和核心作用与正则表达式高度相似，可以理解为一种“类正则”或“简化版正则”的功能。

正则表达式，又称规则表达式,（Regular Expression，在代码中常简写为regex、regexp或RE），它是一种文本模式，同时也是计算机科学的一个概念，其中包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。

掌握正则表达式，首先需要掌握正则表达式元字符，即在正则表达式中不表示自己字面上的字符，而是用来控制匹配规则的逻辑和行为。

核心元字符及其功能：

最外层“[]”仅为方便观看，无任何含义

一、重复限定符

1.[*]：匹配前面的子表达式零次或多次。示例：\d*可以匹配任何数字组成的字符串，包括空字符串。例如，“123”，“”，“000”。

2.[+]:匹配前面的子表达式一次或多次。示例：【a-z】+会匹配至少一个小写字母，如“hello”，但不匹配空字符串。

3.[?]：匹配前面的表达式零次或一次。示例：colou?r匹配“color”或“colour”,表示“u”可以出现也可以不出现。

4.[{m}]：精确匹配m次。示例：\d{3}仅匹配三个数字，如“123，但不匹配“12”或者“1234”。

5.[{m,n}]：匹配前面的子表达式至少m次，但不超过n次。示例：[A-Z]{2,4}匹配2到4个大写字母，如“AB”，“ABC”,"ABCD"，但不匹配单个字母或超过四个字母的字符串。

二、位置匹配

1.[^]:在模式开始处匹配，如果在方括号内，则表示取反。示例：^Hello在多行模式下，匹配每行开头为为“Hello”的行。

2.[$]：在模式结束处匹配。示例：world$ 在多行模式下，匹配每行结尾为“world”的行。

3.[\b]:匹配单词边界。示例：\bthe\b 只匹配独立的单词“the”，不匹配“there”中的“the”。

4.[\A]：匹配字符串的开始。示例：\AStart 确保整个字符串从“Start”开始。

5.[\Z]：匹配字符串的结束，或在行尾前的结束。示例：在多行模式下，End\Z 确保字符串或每行的结束是“End”。

三、字符集与否定

1.[[abc]]: 匹配任何一个在方括号内的字符。示例：[abc]at 匹配“cat”，“bat”，“cat”。

2.[[^abc]]: 匹配任何不在方括号内的字符。示例：[^abc]at 匹配除了“a”、“b”、“c”之外的任何字符紧跟“at”，如“dat”。

3.[[0-9]]: 等同于\d，匹配数字。示例：等同于\d，[0-9]{2} 匹配任意两位数字，如“12”。

4.[[a-zA-Z]]: 匹配任何字母。示例：匹配任何单个字母，如“a”到“z”或“A”到“Z”。

四、特殊字符

1.[.]: 匹配除换行符之外的任意单个字符。示例：. 匹配除换行符外的任意字符，.com 会匹配任何以“.com”结尾的字符串，如“example.com”。

2.[\]: 用于转义特殊字符，使其失去特殊含义，如\.匹配点号本点号本身。示例：\. 匹配点号本身，而不是任何字符，如\.\d匹配点后跟着数字，如“1.2”。

3.[|]: 用于选择，表示“或”，匹配左边或右边的表达式之一。示例：red|blue 匹配“red”或“blue”。

五、分组与引用

1.[( )]: 分组，将括号内的表达式作为整体处理，也可以用于后向引用。

示例：(abc)\1 匹配“abcabc”，其中\1引用第一个括号内的内容。

2.[\1, \2, ...]: 引用前面分组的内容，用于重复匹配。

示例：(.\d+)(.\d+)\2\1 匹配两个数字序列并确保它们按相同的顺序重复，如“12321”。

六、前瞻与后顾

1.[(?=...)]: 正向前瞻，确保后面跟的是...但不消耗字符。示例：word(?=ing) 匹配“word”仅当其后紧跟“ing”，但不包括“ing”。

2.[(?!...)]: 负向前瞻，确保后面不跟的是...。示例：word(?!ing) 匹配“word”但不匹配其后紧跟“ing”的情况。

3.[(?<=...)]: 正向后顾，确保前面是...但不消耗字符。示例：(?<=\d)th 匹配任何数字后的“th”，确保“th”前有数字，但不包括数字。

4.[(?<!...)]: 负向后顾，确保前面不是...。示例：(?<!\d)th 匹配“th”，但确保它前面不是数字。

零宽度断言（前后预查）

零宽度断言（Zero-Width Assertions）是正则表达式中一种特殊的技术，它们用于匹配特定的位置，而不消耗或匹配任何实际的字符。这意味着它们不会成为匹配结果的一部分，但可以帮助控制匹配的上下文条件。零宽度断言分为两大类：前瞻断言（Lookahead Assertions）和后顾断言（Lookbehind Assertions）。

一、前瞻断言

前瞻断言允许你指定一个位置，该位置之后必须满足某个条件，但不包括这个条件本身在匹配结果中。

1.正向肯定预查 (?=...)：确保紧跟当前匹配点之后的模式存在，但不匹配它。示例：\w+(?=\s*=\s*"[^"]*") 会匹配URL参数前的关键词，如在keyword="value"中匹配keyword，但不包括等号及引号内的内容。

2.正向否定预查 (?!...)：确保紧跟当前匹配点之后的模式不存在。示例：^.*(?!\.)$ 会匹配不以点号结尾的行。

二、后顾断言

后顾断言检查匹配点之前的文本是否满足某个条件，同样不消耗字符。

1.负向后顾预查 (?<!...)：确保匹配点之前不出现某个模式。示例：\b(?<!\d)\d+\b 匹配独立的数字，但不匹配数字串中的数字，如在“123abc456”中匹配“123”和“456”。

2.正向后顾预查 (?<=...)：确保匹配点之前确实出现了某个模式。示例：(?<=\d)\D 会匹配任何非数字字符，但仅当其前是一个数字时。

方正书版中的应用案例

案例一：批量添加大题题号注解