如何使用正则匹配最后一个字符串详解

前几天遇到一个需求，输入的是

<user>
    <user>
        <name>a</name>
    </user>
    <user>
        <name>a</name>
    </user>
</user>
<password>123</password>

要求拿到

<user>
    <user>
        <name>a</name>
    </user>
    <user>
        <name>a</name>
    </user>
</user>

也就是去掉最后一个</user>后面的字符串。

方法有很多，我首先想到的是用正则匹配去掉</user>后面的字符串。

最后写出来的表达式是(?<=</user>)(?![\w\W]*</user>)[\w\W]+。

首先用(?<=</user>)匹配所有前面是</user>的位置，如图，总共有三个位置。

这里我们正则表达式(?<=</user>)的意思就是匹配的位置之前的字符串是</user>，也就是我们匹配到的位置在</user>之后。

这里用到了正则表达式语法中的断言，有的书上也称该语法为预查或者环视，都是一样的用法。有如下语法：
(?=pattern) 零宽正向先行断言 (?!pattern) 零宽负向先行断言 (?<=pattern) 零宽正向后行断言 (?<!pattern) 零宽负向后行断言

这里用到的是(?<=pattern),零宽表示它匹配的是在字符串中的位置，如同^匹配字符串串首，$匹配字符串串尾。正向代表它必须满足pattern。后行代表它匹配的位置在pattern之后。

其次，再这三个位置上进行筛选，能够看出这三个位置的区别是后面是否有</user>，如果没有的话那么它就是最后一个</user>后面的位置。在之前的表达式后面添上(?![\w\W]*?</user>)此时表达式变为(?<=</user>)(?![\w\W]*?</user>)。

能够看到得到了最后一个匹配结果。

这里的正则表达式(?!pattern) 是零宽负向先行断言，也就是它会往后匹配pattern，匹配到的位置在pattern之前，并且匹配到的字符串必须不满足pattern。

(?![\w\W]*?</user>)的意思是在匹配到的位置后面必须不是[\w\W]*?</user>,\w匹配的是[a-zA-Z0-9_]即匹配字母数字和下划线，而\W匹配的是[^a-zA-Z0-9_]即不是字母数字也不是下划线的字符，同时匹配这两个就相当于匹配任意字符。[\w\W]后面的*代表匹配0-任意多次，后面的?代表懒惰模式，即只要满足条件就立即返回。

最后，在之前的正则表达式后面加上[\w\W]+贪婪匹配即尽可能多的匹配该位置后面的字符串。最终的正则表达式是(?<=</user>)(?![\w\W]*?</user>)[\w\W]*

最后的最后用四张图简单地描述四种断言的不同之处。

这里输入的字符串都是123456。

(?=3),它匹配的位置是后面的字符为3的位置。

(?<=3),它匹配的位置是前面的字符为3的位置。

(?!3)匹配的位置是后面的字符不为3的位置,可以看到箭头所指的地方没有被匹配到,其他位置都被匹配到了。

(?<!3)匹配的位置是前面的字符不为3的位置,可以看到箭头所指的地方没有被匹配到,其他位置都被匹配到了。

总结