5句话，让你的正则表达式水平突飞猛进!（第3-5句)

上一篇文章我们说了：

在正则表达式眼中，字符串由位置和字符组成。正则表达式就是去匹配字符或位置。

文章链接：

• 5句话，让你的正则表达式水平突飞猛进！（第1-2句）

对于正则的初学者来说，匹配位置通常比匹配字符更难理解一些。所以，这五句话都是围绕位置来讲解的。

接上篇，我们继续

第3句

位置相当于空字符

上一篇文章我们介绍了字符串是由字符和位置组成，

比如字符串“Excel“每个字符前后都有一个位置。

我们通常说“位置”，一般认为它是有顺序的，但正则表达式中的“位置”并不能用第几个位置来指称。我们可以将正则表达式中的位置理解成空字符。

在Excel中文本需要用双引号括起来，双引号中间没有内容，就是空字符。用""表示空字符。也就是说，在正则表达式眼中“Excel”相当于:

""+E+""+x+""+c+""+e+""+l+""

来测试一下是否如此

证明1：

用REGEXP的替换模式，将位置替换为@字符看效果

=REGEXP(B1,"",2,"@")

插入字符的更多写法见文后的图片。

证明2：

提取字符串中的所有字符（含位置）

公式：

=REGEXP(B1,".*?")

正则表达式解释：

正则表达式.*?是一个非贪婪（懒惰）匹配的模式，它的含义是：

.：匹配任意单个字符（除了换行符）。

*：匹配前面的字符零次或多次，即匹配任意数量的字符。

?：问号“?”放在*星号和+加号等量词后是一个非贪婪修饰符，表示尽可能少地匹配字符。

要点：

• 非贪婪的 .*? 会尝试匹配最少的字符，所以在第一次应用时，它会首先去匹配零个字符（即不匹配任何字符），零个字符匹配不上，再匹配1个字符……。当匹配零个字符时，就会将位置（空字符）匹配上。

龙逸凡：这堆文字看起来比较绕、比较上头，理解后会大大提升你的正则……

偷懒读者：打住！说关键的，有什么用？

龙逸凡：我们来看一个实战案例，一个你肯定用得上的案例。用这方法可以在每个字符间插入一个你喜欢的符号，比如：长得象雪花的星号*。

公式：

=REGEXP(B3,"",2,"*")

偷懒读者：然后呢？拎瓶雪花勇闯天涯？

龙逸凡：不，这些雪花能帮你找到意中人去风花雪月年年暮暮朝朝。将上面的公式放到VLOOKUP函数的第一参数，实现你梦寐以求的查找功能：根据不连续简称查全称

偷懒读者：？？？

龙逸凡：看图说话

偷懒读者：哇……！太棒了，的确梦寐以求！这公式是我一直寻找的。众里寻它千百度，蓦然回首，公式却在，偷懒公号处。只是，我看不懂这公式，能否解释一下？

龙逸凡：星号在正则表达式中是量词，表示0个及多个，但在Excel函数中，它是通配符，表示任意多个任意字符（但不代表星号本身）。函数REGEXP(B3,"",2,"*")的计算结果是“*偷*懒*1*”。用它做Vlookup函数的第一参数，意思是在去查找符合这样规则的字符串：

在“偷”、“懒”，“1”三个字符中间有若干个其他字符的文本。

在E列的名称列表中，符合这种格式的文本就是“《“偷懒”的技术1：打造财务Excel达人》”。所以VLOOKUP将它做为查找结果。

偷懒读者：明白了，很巧妙。

龙逸凡：在理解“位置就是空字符”后，大家应该就能理解正则表达式专业术语“零宽断言”中的“零宽”了。位置相当于空字符，它是没有宽度（字符数）的，所以说是零宽。

偷懒读者：我好象理解“位置就是空字符”了。

龙逸凡：不，你没有。

偷懒读者：为什么？

龙逸凡：来做个小测试，公式=REGEXP("Excel","^^^",2,"@")，将字符串开始的位置（连续三个）替换为@符号，其计算结果是什么？备选答案：

A、会显示出错；B、@@@Excel；C、@Excel

偷懒读者：字符的开始处只有一个，用三个^去匹配肯定匹配不上，不够用啊。所以肯定是A，当然，不排除是B。

龙逸凡：我们看完第五句话再来做这道题。先看第四句。

第四句

正则表达式还可用字符来确定位置，比如“前面是XX（在XX后面）”、“前面不是XX（不在XX后面）”、“后面是XX（在XX前面）”、“后面不是XX（不在XX前面）”。

用此方法时，请屏蔽掉那些装逼拗口晦涩难懂的专业术语“零宽断言、正向预查、反向预查、顺序肯定环视、逆序否定环视、零宽度正预测先行断言、零宽度负回顾后发断言”。

正则表达式写法及其作用见下表：

助记方法：

• ？ 通常用于表示是某种模式，比如上一篇文章用到的(?m)多行模式、还有(?i)忽略大小写的模式。

• = 是；

• ! 表示排除、否定，不是；

• < 指向左边，也就是前面

合起来看

“?<=”左边是，也就是“前面是，在XX后面”，

“?<!”左边不是。

龙逸凡：是不是很好理解？

偷懒读者：理解了，不会再用错了

案例：

来看个小案例深入理解一下。比如字符串"Excel"中X和C之间的那个位置，我们可以描述为“在C前面”或“在x后面”

老办法，还是用正则函数的替换模式将“位置”替换为@符号，让位置可视化，更直观。

需求：

在字母"c"之前插入一个@号：

公式：

=REGEXP(B1,"(?=c)",2,"@")

在字母"x"之后插入一个@号

公式：

=REGEXP(B1,"(?<=x)",2,"@")

字符串"Excel"的其他位置，可以描述为不在c之前，不在x后。

在“不在c前面”的位置插入一个@号

公式：

=REGEXP(B1,"(?!c)",2,"@")

在“不在x后面”的位置插入一个@号

公式：

=REGEXP(B1,"(?<!x)",2,"@")

来看几个实战案例吧

案例1：

提取“本”字前面的册数、提取“元”字前面的金额（含小数点），将其转为数值然后求和。

龙逸凡：Regexp函数是文本函数，运算结果是文本，前面放两个负号，负负得正，四则运算一下，即可将文本数字转为数值，以方便求和。

偷懒读者：这个知识点我知道。我不明白的是字符串中的“234本”，只有4后面有“本”字，2和3后面并没有“本”字，它们为什么能提取出来。

龙逸凡：“\d+(?=本)”的意思是：前面是若干个连续数字，后面跟了个“本”字，也可理解为：“本”字前面的若干个连续数字。

偷懒读者：哦……终于明白了。

案例2：

提取中文逗号和#号之间的内容

案例3：

判断是否姓“龙”

=REGEXP(B3,"^(?!龙)",1)

^ 是开始的位置

(?!龙) 后面不是“龙”字

^(?!龙) 合起来就是“开始位置后不是“龙”，也就是不姓“龙”。

案例4：

提取主办、主管人员的姓名（不带职位）

公式：

=REGEXP(B1,"[一-龟]+(?=主办|主管)")

附：如果要提取主办、主管人员的姓名（带职位）

公式：

=REGEXP(B1,"[一-龟]+(主办|主管)")

案例5：

提取B列字符串中的数量

公式：

=REGEXP(B2,"(?<=\*)\d+")

=REGEXP(B2,"\d+(?=[桶缸罐坛]|$)")

案例6：

给银行账号每4位添加一空格

看起来好象没问题，如果换成逗号就会发现有问题

从前往后添加逗号的公式：

=REGEXP(B1,"(\d{4})",2,"\1,")

从后往前添加逗号的

=REGEXP(B1,"(?=(\d{4})+$)",2,",")

那怎么解决呢？

需要用到第五句话的知识。

第五句

字符只能被匹配一次，位置可以被多次匹配。

比如下面的示例：

公式：

=REGEXP(B1,".e",2,"@")

B1单元格内容是“eel”，用正则表达式".e"去匹配，首先用"."去匹配，第一个"e"能匹配上，被消耗掉（后面的正则表达式就不能再匹配此字符了）。然后用正则表达式中的"e"去匹配字符串中的第二个"e"，也能匹配上。

但是，位置被匹配后，并不会被消耗掉，还能被其他的正则表达式匹配。

比如公式：

=REGEXP(B1,"^(?=E)\A",2,"@")

首先用^去匹配，会被匹配到字符串的开头，这位置不会被消耗掉。

接着，用(?=E)去匹配，匹配到的还是"E"前面的位置，也就是字符串的开头。

接着，又去用\A去匹配，这是字符串的绝对开头，匹配的还是字符串的开始处。

也就是说字符串的“开始”这个位置被匹配了三次。

现在再来做=REGEXP("Excel","^^^",2,"@")这道题，你就知道其计算结果是“@Excel”了。

龙逸凡：现在你终于知道为什么找不到喜欢的人了吧？

偷懒读者：为啥？

龙逸凡：就三个备选答案，你都能完美地错过正确答案，你还指望能从14亿中准确地找到你喜欢的人？

偷懒读者：

注意，这个地方就不能去套第三句话“位置即空字符”。否则就会得出下面的推论：各字符中间的空字符（位置）可以是一个，也可以是任意多个。比如：“Excel”相当于:

""+E+""+x+""+c+""+e+""+l+""

也相当于

""+""+……""+E+""+x+""+……+""+c+""+e+""+l+""

这就让人理解不了，完全没法理解。

一头雾水，一面懵逼！

难道这表示位置的空字符是薛定谔家的？

所以，记住：

字符只能被匹配一次，位置可以被多次匹配。

我们来看看这个知识点的实战应用案例

案例7：

在前面的案例6给银行账号从后往前每4位添加逗号，当账号长度是4的倍数时，会在最前面多出一个逗号。如下图

如何避免这种情况呢？

我们只需在原正则表达式的基础上，再添加一个位置判断：

当是行首时，就不添加逗号。

换另一种表达：

当不是行首时，才添加逗号

完整的条件是：

从后往前，每四位所在的位置，并且不是行首的位置处，加一个逗号。

公式：

=REGEXP(B33,"(?!^)(?=(\d{4})+$)",2,",")

扩展案例1：

给字符串中的数字添加千位分隔符，但不能给年份添加。

公式：

=REGEXP(B1,"(?<=\d)(?=(?:\d{3})+($|[^\d年]))",2,",")

扩展案例2

密码校验：由数字字母下划线组成，长度不少于八位。且至少一个大写字母、一个小写字母、一个数字

公式：

=REGEXP(B5,"^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)\w{8,}$",1)

知识点：

• 至少包含1个大写字母：

(?=.*[A-Z])

• 至少包含1个小写英文字母

(?=.*[a-z])

• 至少包含1个数字

(?=.*[0-9])

扩展案例3

判断字符串中是否不包含XXX

公式

=REGEXP(B5,"^((?!52|1234).)*$",1)

知识点：

• 不包含XXX的正则表达式

^((?!字符串).)*$

利用位置可以被多次匹配的特性，还能解决“前面是 (?<=...)” 和“前面不是 (?<!...）”位置匹配模式下，不能使用不确定量词的问题。

案例7：

B列是一些订单数据，现在要求在其金额后添加“元”字，但不能在编号数字后添加“元”，已有“元”的也不再能添加。

分析：

由于数据不规范，“订单编码”也可能被写成“订单编号”，更麻烦的是，“编码”或“编号”字符后的冒号可能有，也可能没有。我们能想到的正则表达式是：

(?<!编[号码][:：]?)

标红的问号在此处表示[:：]是0个或1个。

【小总结：问号的作用有多种，①量词，0个或1个；②在量词后表示非贪婪匹配；③还可用于表示是某种匹配模式】

由于“前面是 “(?<=...) 和”前面不是“ (?<!...）【也就是反向环视】模式下不能使用不确定量词。所以，(?<!编[号码][:：]?)这种写法是错误的，我们可以利用位置可以被多次匹配的特点，写成：

(?<!编[号码])(?<!编[号码][:：])

完整的公式：

=REGEXP(B3,"(?<!编[号码])(?<!编[号码][:：])\b([0-9.]+)(\r|\n|$)",2,"\1元\2")

第五句不太好理解，大家慢慢消化。

附上在字符间各种花式插入星号的正则表达式

Excel偷懒的技术微信公众号还有正则表达式的更多文章，请点击下面的合集阅读：

正则表达式