正则表达式学习第五天

转载 2007年09月27日 16:48:00

昨天下午,部门对正则表达式的学习情况作了个笔试。考得比较简单,不过还是有个题考虑的不周,应该说没有练习到,所以应该错了。其他应该八九不离十。今天上午又参加了个上机测试,总算磕磕碰碰的完成了。总体感觉这次培训和验收对自己还是蛮有收获的。以前就知道学习一下正则表达式很有用,但是总觉得看这些稀奇古怪的元字符,记住他们的含义是很麻烦的事情,总是懒得下功夫去看。这下好,为了应付部门考核终于整个学了一遍。虽然还不是很透彻,不过以后再碰到可是使用的地方,就会尝试着深入地用这个工具去解决问题。也算自己有了个收获吧。

好了,废话少说,赶紧上正餐!

注释

小括号的另一种用途是能过语法(?#comment)来包含注释。例如:2[0-4]/d(?#200-249)|25[0-5](?#250-255)|[01]?/d/d?(?#0-199)

要包含注释的话,最好是启用“忽略模式里的空白符”选项,这样在编写表达式时能任意的添加空格,Tab,换行,而实际使用时这些都将被忽略。启用这个选项后,在#后面到这一行结束的所有文本都将被当成注释忽略掉。

例如,我们可以前面的一个表达式写成这样:

      (?<=    # 断言要匹配的文本的前缀
      <(/w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
      )       # 前缀结束
      .*      # 匹配任意文本
      (?=     # 断言要匹配的文本的后缀
      <///1>  # 查找尖括号括起来的内容:前面是一个"/",后面是先前捕获的标签
      )       # 后缀结束
    

贪婪与懒惰

当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的字符。考虑这个表达式:a.*b,它将会匹配最长的以a开始,以b结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配。

有时,我们更需要懒惰匹配,也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式,只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧:

a.*?b匹配最短的,以a开始,以b结束的字符串。如果把它应用于aabab的话,它会匹配aabab(为什么第一个匹配是aab而不是ab?简单地说,因为正则表达式有另一条规则,比懒惰/贪婪规则的优先级更高:最先开始的匹配最有最大的优先权——The Match That Begins Earliest Wins)。

表5.懒惰限定符
*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复

处理选项

上面介绍了几个选项如忽略大小写,处理多行等,这些选项能用来改变处理正则表达式的方式。下面是.Net中常用的正则表达式选项:

表6.常用的处理选项
名称 说明
IgnoreCase(忽略大小写) 匹配时不区分大小写。
Multiline(多行模式) 更改^$的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配/n之前的位置以及字符串结束前的位置.)
Singleline(单行模式) 更改.的含义,使它与每一个字符匹配(包括换行符/n)。
IgnorePatternWhitespace(忽略空白) 忽略表达式中的非转义空白并启用由#标记的注释。
RightToLeft(从右向左查找) 匹配从右向左而不是从左向右进行。
ExplicitCapture(显式捕获) 仅捕获已被显式命名的组。
ECMAScript(JavaScript兼容模式) 使表达式的行为与它在JavaScript里的行为一致。

一个经常被问到的问题是:是不是只能同时使用多行模式和单行模式中的一种?答案是:不是。这两个选项之间没有任何关系,除了它们的名字比较相似(以至于让人感到疑惑)以外。

平衡组/递归匹配

注意:这里介绍的平衡组语法是由.Net Framework支持的;其它语言/库不一定支持这种功能,或者支持此功能但需要使用不同的语法。

有时我们需要匹配像( 100 * ( 50 + 15 ) )这样的可嵌套的层次性结构,这时简单地使用/(.+/)则只会匹配到最左边的左括号和最右边的右括号之间的内容(这里我们讨论的是贪婪模式,懒惰模式也有下面的问题)。假如原来的字符串里的左括号和右括号出现的次数不相等,比如( 5 / ( 3 + 2 ) ) ),那我们的匹配结果里两者的个数也不会相等。有没有办法在这样的字符串里匹配到最长的,配对的括号之间的内容呢?

为了避免(/(把你的大脑彻底搞糊涂,我们还是用尖括号代替圆括号吧。现在我们的问题变成了如何把xx <aa <bbb> <bbb> aa> yy这样的字符串里,最长的配对的尖括号内的内容捕获出来?

这里需要用到以下的语法构造:

  • (?'group') 把捕获的内容命名为group,并压入堆栈
  • (?'-group') 从堆栈上弹出最后压入堆栈的名为group的捕获内容,如果堆栈本来为空,则本分组的匹配失败
  • (?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话,继续匹配yes部分的表达式,否则继续匹配no部分
  • (?!) 零宽负向先行断言,由于没有后缀表达式,试图匹配总是失败

如果你不是一个程序员(或者你是一个对堆栈的概念不熟的程序员),你就这样理解上面的三种语法吧:第一个就是在黑板上写一个 "group",第二个就是从黑板上擦掉一个"group",第三个就是看黑板上写的还有没有"group",如果有就继续匹配yes部分,否则就匹配 no部分。

我们需要做的是每碰到了左括号,就在黑板上写一个"group",每碰到一个右括号,就擦掉一个,到了最后就看看黑板上还有没有--如果有那就证明左括号比右括号多,那匹配就应该失败。

<                         #最外层的左括号
    [^<>]*                #最外层的左括号后面的不是括号的内容
    (
        (
            (?'Open'<)    #碰到了左括号,在黑板上写一个"Open"
            [^<>]*       #匹配左括号后面的不是括号的内容
        )+
        (
            (?'-Open'>)   #碰到了右括号,擦掉一个"Open"
            [^<>]*        #匹配右括号后面不是括号的内容
        )+
    )*
    (?(Open)(?!))         #在遇到最外层的右括号前面,判断黑板上还有没有没擦掉的"Open";如果还有,则匹配失败
>                         #最外层的右括号

平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配嵌套的<div>标签<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.

还有些什么东西没提到

我已经描述了构造正则表达式的大量元素,还有一些我没有提到的东西。下面是未提到的元素的列表,包含语法和简单的说明。你可以在网上找到更详细的参考资料来学习它们--当你需要用到它们的时候。如果你安装了MSDN Library,你也可以在里面找到关于.net下正则表达式详细的文档。

表7.尚未详细讨论的语法
/a 报警字符(打印它的效果是电脑嘀一声)
/b 通常是单词分界位置,但如果在字符类里使用代表退格
/t 制表符,Tab
/r 回车
/v 竖向制表符
/f 换页符
/n 换行符
/e Escape
/0nn ASCII代码中八进制代码为nn的字符
/xnn ASCII代码中十六进制代码为nn的字符
/unnnn Unicode代码中十六进制代码为nnnn的字符
/cN ASCII控制字符。比如/cC代表Ctrl+C
/A 字符串开头(类似^,但不受处理多行选项的影响)
/Z 字符串结尾或行尾(不受处理多行选项的影响)
/z 字符串结尾(类似$,但不受处理多行选项的影响)
/G 当前搜索的开头
/p{name} Unicode中命名为name的字符类,例如/p{IsGreek}
(?>exp) 贪婪子表达式
(?<x>-<y>exp) 平衡组
(?im-nsx:exp) 在子表达式exp中改变处理选项
(?im-nsx) 为表达式后面的部分改变处理选项
(?(exp)yes|no) 把exp当作零宽正向先行断言,如果在这个位置能匹配,使用yes作为此组的表达式;否则使用no
(?(exp)yes) 同上,只是使用空表达式作为no
(?(name)yes|no) 如果命名为name的组捕获到了内容,使用yes作为表达式;否则使用no
(?(name)yes) 同上,只是使用空表达式作为no
 写在最后:很多东西我也只是大致浏览了一遍。个人觉得只要记住元字符及常用表达式的含义,再加上理解贪婪和非贪婪模式的区别,以及注意各种工具对正则表达式支持的程度,就可以满足自己的一大半的使用要求了。至于一定要研究多深,其实并不重要。重要的是更好地为我所用。好了,就废话这么多吧!

安卓集训营第五天---JAVA的Object类,String类和正则表达式

Object类 Object是所有类的父类,它本身本身无父类;   Object.getclass()得到对象的类型类(如果你知道一个实例,那么你可以通过实例的“getClass()...

第五天(循环和关系表达式)

昨天晚上做那个概率论与数理统计习题,做到4点多。恩……挺好,就是这种状态 2011-10-03(Loops and Relational Expressions) 1、由于bool...
  • fkanf
  • fkanf
  • 2011年10月03日 20:01
  • 162

正则表达式个人学习总结

  • 2017年12月06日 10:50
  • 318KB
  • 下载

PHP正则表达式学习笔记

preg_match 正则函数,以perl语言为基础preg_match ( mode, string subject , array matches )正则表达式中包括的元素(1)、原子(普通字符:...

学习正则表达式-Michael+Fitzgerald.pdf

  • 2017年07月25日 09:48
  • 3.15MB
  • 下载

php史上最全的正则表达式,供学习参考

平时做网站经常要用正则表达式,下面是一些讲解和例子,仅供大家参考和修改使用: "^\d+$"  //非负整数(正整数 + 0) "^[0-9]*[1-9][0-9]*$"  //正整数...
  • hai7425
  • hai7425
  • 2016年09月17日 17:38
  • 227

正则表达式基础篇-学习

  • 2010年09月25日 14:21
  • 32KB
  • 下载
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:正则表达式学习第五天
举报原因:
原因补充:

(最多只允许输入30个字)