使用正則表達(dá)式找出不包含特定字符串的條目

做日志分析工作的經(jīng)常需要跟成千上萬的日志條目打交道，為了在龐大的數(shù)據(jù)量中找到特定模式的數(shù)據(jù)，常常需要編寫很多復(fù)雜的正則表達(dá)式。例如枚舉出日志文件中不包含某個特定字符串的條目，找出不以某個特定字符串打頭的條目，等等。

使用否定式前瞻

正則表達(dá)式中有前瞻（Lookahead）和后顧（Lookbehind）的概念，這兩個術(shù)語非常形象的描述了正則引擎的匹配行為。需要注意一點，正則表達(dá)式中的前和后和我們一般理解的前后有點不同。一段文本，我們一般習(xí)慣把文本開頭的方向稱作“前面”，文本末尾方向稱為“后面”。但是對于正則表達(dá)式引擎來說，因為它是從文本頭部向尾部開始解析的（可以通過正則選項控制解析方向），因此對于文本尾部方向，稱為“前”，因為這個時候，正則引擎還沒走到那塊，而對文本頭部方向，則稱為“后”，因為正則引擎已經(jīng)走過了那一塊地方。如下圖所示：

所謂的前瞻就是在正則表達(dá)式匹配到某個字符的時候，往“尚未解析過的文本”預(yù)先看一下，看是不是符合/不符合匹配模式，而后顧，就是在正則引擎已經(jīng)匹配過的文本看看是不是符合/不符合匹配模式。符合和不符合特定匹配模式我們又稱為肯定式匹配和否定式匹配。

現(xiàn)代高級正則表達(dá)式引擎一般都支持都支持前瞻，對于后顧支持并不是很廣泛，因此我們這里采用否定式前瞻來實現(xiàn)我們的需求。

實現(xiàn)

測試數(shù)據(jù)：

例如上面這幾條簡單的日志條目，我們想實現(xiàn)兩個目標(biāo)：

1. 把8號的數(shù)據(jù)過濾掉
2. 把那些不包含robots.txt字符串的條目給找出來（只要Url中包含robots.txt的都給過濾掉）。

前瞻的語法是：

(?!匹配模式)我們先來實現(xiàn)第一個目標(biāo)——匹配不以特定字符串開頭的條目。

這里我們因為要排除一段連續(xù)的字符串，因此匹配模式非常簡單，就是2009-07-08。實現(xiàn)如下：

用Expresso我們可以看到結(jié)果確實過濾掉8號的數(shù)據(jù)。

接下來，我們來實現(xiàn)第二個目標(biāo)——排除包含特定字符串的條目。

按照我們上面寫法，我照葫蘆畫瓢了一下：

這段正則用大白話描述就是：開頭任意字符，然后后面不要跟著robots.txt連續(xù)字符串，然后再跟著任意個字符，字符串結(jié)尾。
運行測試，結(jié)果發(fā)現(xiàn)：

沒有達(dá)到我們想要的效果。這是為什么呢？我們給上面的正則表達(dá)式加上兩個捕獲分組調(diào)試一下：

測試結(jié)果：

我們看到，第一個分組啥都沒有匹配到，而第二個分組卻匹配了整個字符串。再回過頭來好好分析一下剛才那個正則表達(dá)式。實際上，當(dāng)正則引擎解析到A區(qū)域的時候，就已經(jīng)開始執(zhí)行B區(qū)域的前瞻工作。這個時候發(fā)現(xiàn)當(dāng)A區(qū)域為Null的時候匹配成功——.*本來就允許匹配空字符，前瞻條件又滿足，A區(qū)域后面緊跟著的是“2009”字符串，而并不是robots。因此整個匹配過程成功匹配到所有條目。

分析出原因之后我們對上述的正則進(jìn)行修正，將.*?移入前瞻表達(dá)式，如下：

測試結(jié)果:

完成

php中用正則實現(xiàn)不包括某個字符串的實現(xiàn)方法

preg_match("/^((?!abc).)*$/is", $str);

完整代碼示例

結(jié)果為：false，含有abc！

同時匹配，包含字符串 "abc"，而且不包含字符串 "xyz"的正則表達(dá)式：

preg_match("/(abc)[^((?!xyz).)*$]/is", $str);

該方法有效,本人使用方法如下:

(?:(?!\/div>).|\n)*? //匹配不含/div>的一個字符串

但最終使用中結(jié)果是發(fā)現(xiàn),該方法效率極其低下,在處理非常短文字(要匹配該正則式的相同部分的有十幾個字,或者最多幾十個)時間可以考慮使用,但當(dāng)用于大篇幅文章解析或多處需要改種匹配時間應(yīng)不使用,考慮用其他方法替代(如:先解析出要匹配該段正則式的文字,然后驗證其中是否存在某段文字),正則表達(dá)式對于匹配不含特定字符串的文字段時并不是非常有效的方法.