|
前言：
半年前我對正則表達(dá)式產(chǎn)生了興趣，在網(wǎng)上查找過不少資料，看過不少的教程，最后在使用一個(gè)正則表達(dá)式工具RegexBuddy時(shí)發(fā)現(xiàn)他的教程寫的非常好，可以說是我目前見過最好的正則表達(dá)式教程。于是一直想把他翻譯過來。這個(gè)愿望直到這個(gè)五一長假才得以實(shí)現(xiàn)，結(jié)果就有了這篇文章。關(guān)于本文的名字，使用“深入淺出”似乎已經(jīng)太俗。但是通讀原文以后，覺得只有用“深入淺出”才能準(zhǔn)確的表達(dá)出該教程給我的感受，所以也就不能免俗了。
本文是Jan Goyvaerts為RegexBuddy寫的教程的譯文，版權(quán)歸原作者所有，歡迎轉(zhuǎn)載。但是為了尊重原作者和譯者的勞動，請注明出處！謝謝！
1.什么是正則表達(dá)式
基本說來，正則表達(dá)式是一種用來描述一定數(shù)量文本的模式。Regex代表Regular Express。本文將用<<regex>>來表示一段具體的正則表達(dá)式。
一段文本就是最基本的模式，簡單的匹配相同的文本。
2.不同的正則表達(dá)式引擎
正則表達(dá)式引擎是一種可以處理正則表達(dá)式的軟件。通常，引擎是更大的應(yīng)用程序的一部分。在軟件世界，不同的正則表達(dá)式并不互相兼容。本教程會集中討論P(yáng)erl 5 類型的引擎，因?yàn)檫@種引擎是應(yīng)用最廣泛的引擎。同時(shí)我們也會提到一些和其他引擎的區(qū)別。許多近代的引擎都很類似，但不完全一樣。例如.NET正則庫，JDK正則包。
3.文字符號
最基本的正則表達(dá)式由單個(gè)文字符號組成。如<<a>>，它將匹配字符串中第一次出現(xiàn)的字符“a”。如對字符串“Jack is a boy”�！癑”后的“a”將被匹配。而第二個(gè)“a”將不會被匹配。
正則表達(dá)式也可以匹配第二個(gè)“a”，這必須是你告訴正則表達(dá)式引擎從第一次匹配的地方開始搜索。在文本編輯器中，你可以使用“查找下一個(gè)”。在編程語言中，會有一個(gè)函數(shù)可以使你從前一次匹配的位置開始繼續(xù)向后搜索。
類似的，<<cat>>會匹配“About cats and dogs”中的“cat”。這等于是告訴正則表達(dá)式引擎，找到一個(gè)<<c>>，緊跟一個(gè)<<a>>，再跟一個(gè)<<t>>。
要注意，正則表達(dá)式引擎缺省是大小寫敏感的。除非你告訴引擎忽略大小寫，否則<<cat>>不會匹配“Cat”。
· 特殊字符
對于文字字符，有11個(gè)字符被保留作特殊用途。他們是：
[ ] \ ^ $ . | ? * + ( )
這些特殊字符也被稱作元字符。
如果你想在正則表達(dá)式中將這些字符用作文本字符，你需要用反斜杠“\”對其進(jìn)行換碼 (escape)。例如你想匹配“1+1=2”，正確的表達(dá)式為<<1\+1=2>>.
需要注意的是，<<1+1=2>>也是有效的正則表達(dá)式。但它不會匹配“1+1=2”，而會匹配“123+111=234”中的“111=2”。因?yàn)椤?”在這里表示特殊含義（重復(fù)1次到多次）。
在編程語言中，要注意，一些特殊的字符會先被編譯器處理，然后再傳遞給正則引擎。因此正則表達(dá)式<<1\+2=2>>在C++中要寫成“1\\+1=2”。為了匹配“C:\temp”，你要用正則表達(dá)式<<C:\\temp>>。而在C++中，正則表達(dá)式則變成了“C:\\\\temp”。
·不可顯示字符
可以使用特殊字符序列來代表某些不可顯示字符：
<<\t>>代表Tab(0x09)
<<\r>>代表回車符(0x0D)
<<\n>>代表換行符(0x0A)
要注意的是Windows中文本文件使用“\r\n”來結(jié)束一行而Unix使用“\n”。
4.正則表達(dá)式引擎的內(nèi)部工作機(jī)制
知道正則表達(dá)式引擎是如何工作的有助于你很快理解為何某個(gè)正則表達(dá)式不像你期望的那樣工作。
有兩種類型的引擎：文本導(dǎo)向(text-directed)的引擎和正則導(dǎo)向(regex-directed)的引擎。Jeffrey Friedl把他們稱作DFA和NFA引擎。本文談到的是正則導(dǎo)向的引擎。這是因?yàn)橐恍┓浅Ｓ杏玫奶匦�，如“惰性”量詞(lazy quantifiers)和反向引用(backreferences)，只能在正則導(dǎo)向的引擎中實(shí)現(xiàn)。所以毫不意外這種引擎是目前最流行的引擎。
你可以輕易分辨出所使用的引擎是文本導(dǎo)向還是正則導(dǎo)向。如果反向引用或“惰性”量詞被實(shí)現(xiàn)，則可以肯定你使用的引擎是正則導(dǎo)向的。你可以作如下測試：將正則表達(dá)式<<regex|regex not>>應(yīng)用到字符串“regex not”。如果匹配的結(jié)果是regex，則引擎是正則導(dǎo)向的。如果結(jié)果是regex not，則是文本導(dǎo)向的。因?yàn)檎齽t導(dǎo)向的引擎是“猴急”的，它會很急切的進(jìn)行表功，報(bào)告它找到的第一個(gè)匹配 。
·正則導(dǎo)向的引擎總是返回最左邊的匹配
這是需要你理解的很重要的一點(diǎn)：即使以后有可能發(fā)現(xiàn)一個(gè)“更好”的匹配，正則導(dǎo)向的引擎也總是返回最左邊的匹配。
當(dāng)把<<cat>>應(yīng)用到“He captured a catfish for his cat”，引擎先比較<<c>>和“H”，結(jié)果失敗了。于是引擎再比較<<c>>和“e”，也失敗了。直到第四個(gè)字符，<<c>>匹配了“c”。<<a>>匹配了第五個(gè)字符。到第六個(gè)字符<<t>>沒能匹配“p”，也失敗了。引擎再繼續(xù)從第五個(gè)字符重新檢查匹配性。直到第十五個(gè)字符開始，<<cat>>匹配上了“catfish”中的“cat”，正則表達(dá)式引擎急切的返回第一個(gè)匹配的結(jié)果，而不會再繼續(xù)查找是否有其他更好的匹配。
出處：摩詰
責(zé)任編輯：moby
上一頁 下一頁 深入淺出之正則表達(dá)式 [2]
◎進(jìn)入論壇網(wǎng)絡(luò)編程版塊參加討論
|
第 1 頁 深入淺出之正則表達(dá)式 [1]
第 2 頁 
