揭开正则表达式语法的神秘面纱

原创 2002年12月30日 13:27:00

揭开正则表达式语法的神秘面纱<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

正则表达式(REs)通常被错误地认为是只有少数人理解的一种神秘语言。在表面上它们确实看起来杂乱无章,如果你不知道它的语法,那么它的代码在你眼里只是一堆文字垃圾而已。实际上,正则表达式是非常简单并且可以被理解。读完这篇文章后,你将会通晓正则表达式的通用语法。

支持多种平台

正则表达式最早是由数学家Stephen Kleene于1956年提出,他是在对自然语言的递增研究成果的基础上提出来的。具有完整语法的正则表达式使用在字符的格式匹配方面上,后来被应用到熔融信息技术领域。自从那时起,正则表达式经过几个时期的发展,现在的标准已经被ISO(国际标准组织)批准和被Open Group组织认定。

正则表达式并非一门专用语言,但它可用于在一个文件或字符里查找和替代文本的一种标准。它具有两种标准:基本的正则表达式(BRE),扩展的正则表达式(ERE)。ERE包括BRE功能和另外其它的概念。

许多程序中都使用了正则表达式,包括xsh,egrep,sed,vi以及在UNIX平台下的程序。它们可以被很多语言采纳,如HTML 和XML,这些采纳通常只是整个标准的一个子集。

比你想象的还要普通

随着正则表达式移植到交叉平台的程序语言的发展,这的功能也日益完整,使用也逐渐广泛。网络上的搜索引擎使用它,e-mail程序也使用它,即使你不是一个UNIX程序员,你也可以使用规则语言来简化你的程序而缩短你的开发时间。

正则表达式101

很多正则表达式的语法看起来很相似,这是因为你以前你没有研究过它们。通配符是RE的一个结构类型,即重复操作。让我们先看一看ERE标准的最通用的基本语法类型。为了能够提供具有特定用途的范例,我将使用几个不同的程序。

字符匹配

 

正则表达式的关键之处在于确定你要搜索匹配的东西,如果没有这一概念,Res将毫无用处。

每一个表达式都包含需要查找的指令,如表A所示。

Table A: Character-matching regular expressions

操作

解释

例子

结果

.

Match any one character

grep .ord sample.txt

Will match “ford”, “lord”, “2ord”, etc. in the file sample.txt.

[ ]

Match any one character listed between the brackets

grep [cng]ord sample.txt

Will match only “cord”, “nord”, and “gord”

[^ ]

Match any one character not listed between the brackets

grep [^cn]ord sample.txt

Will match “lord”, “2ord”, etc. but not “cord” or “nord”

 

 

grep [a-zA-Z]ord sample.txt

Will match “aord”, “bord”, “Aord”, “Bord”, etc.

 

 

grep [^0-9]ord sample.txt

Will match “Aord”, “aord”, etc. but not “2ord”, etc.


重复操作符

重复操作符,或数量词,都描述了查找一个特定字符的次数。它们常被用于字符匹配语法以查找多行的字符,可参见表B。

Table B: Regular expression repetition operators

操作

解释

例子

结果

?

Match any character one time, if it exists

egrep “?erd” sample.txt

Will match “berd”, “herd”, etc. and “erd”

*

Match declared element multiple times, if it exists

egrep “n.*rd” sample.txt

Will match “nerd”, “nrd”, “neard”, etc.

+

Match declared element one or more times

egrep “[n]+erd” sample.txt

Will match “nerd”, “nnerd”, etc., but not “erd”

{n}

Match declared element exactly n times

egrep “[a-z]{2}erd” sample.txt

Will match “cherd”, “blerd”, etc. but not “nerd”, “erd”, “buzzerd”, etc.

{n,}

Match declared element at least n times

egrep “.{2,}erd” sample.txt

Will match “cherd” and “buzzerd”, but not “nerd”

{n,N}

Match declared element at least n times, but not more than N times

egrep “n[e]{1,2}rd” sample.txt

Will match “nerd” and “neerd”

锚是指它所要匹配的格式,如图C所示。使用它能方便你查找通用字符的合并。例如,我用vi行编辑器命令:s来代表substitute,这一命令的基本语法是:

s/pattern_to_match/pattern_to_substitute/
 

Table C: Regular expression anchors

操作

解释

例子

结果

^

Match at the beginning of a line

s/^/blah /

Inserts “blah “ at the beginning of the line

$

Match at the end of a line

s/$/ blah/

Inserts “ blah” at the end of the line

/<

Match at the beginning of a word

s//</blah/

Inserts “blah” at the beginning of the word

 

 

egrep “/<blah” sample.txt

Matches “blahfield”, etc.

/>

Match at the end of a word

s//>/blah/

Inserts “blah” at the end of the word

 

 

egrep “/>blah” sample.txt

Matches “soupblah”, etc.

/b

Match at the beginning or end of a word

egrep “/bblah” sample.txt

Matches “blahcake” and “countblah”

/B

Match in the middle of a word

egrep “/Bblah” sample.txt

Matches “sublahper”, etc.

 

间隔

Res中的另一可便之处是间隔(或插入)符号。实际上,这一符号相当于一个OR语句并代表|符号。下面的语句返回文件sample.txt中的“nerd” 和 “merd”的句柄:

egrep “(n|m)erd” sample.txt

间隔功能非常强大,特别是当你寻找文件不同拼写的时候,但你可以在下面的例子得到相同的结果:

egrep “[nm]erd” sample.txt

当你使用间隔功能与Res的高级特性连接在一起时,它的真正用处更能体现出来。

一些保留字符

Res的最后一个最重要特性是保留字符(也称特定字符)。例如,如果你想要查找“ne*rd”和“ni*rd”的字符,格式匹配语句“n[ei]*rd”与“neeeeerd” 和 “nieieierd”相符合,但并不是你要查找的字符。因为‘*’(星号)是个保留字符,你必须用一个反斜线符号来替代它,即:“n[ei]/*rd”。其它的保留字符包括:

  • ^ (carat)

  • . (period)

  • [ (left bracket}

  • $ (dollar sign)

  • ( (left parenthesis)

  • ) (right parenthesis)

  • | (pipe)

  • * (asterisk)

  • + (plus symbol)

  • ? (question mark)

  • { (left curly bracket, or left brace)

  • / backslash

一旦你把以上这些字符包括在你的字符搜索中,毫无疑问Res变得非常的难读。比如说以下的PHP中的eregi搜索引擎代码就很难读了。

eregi("^[_a-z0-9-]+(/.[_a-z0-9-]+)*@[a-z0-9-]+(/.[a-z0-9-]+)*$",$sendto)

你可以看到,程序的意图很难把握。但如果你抛开保留字符,你常常会错误地理解代码的意思。

总结

在本文中,我们揭开了正则表达式的神秘面纱,并列出了ERE标准的通用语法。如果你想阅览Open Group组织的规则的完整描述,你可以参见:Regular Expressions,欢迎你在其中的讨论区发表你的问题或观点。

 

带你一步一步揭开Rxjava2.0的神秘面纱(7)

前言 上一节里我们学习了只使用Observable如何去解决上下游流速不均衡的问题, 之所以学习这个是因为Observable还是有很多它使用的场景, 有些朋友自从听说了Flowable之后就觉得...
  • jungle_pig
  • jungle_pig
  • 2017年02月15日 08:36
  • 604

揭开木马的神秘面纱

前言    离冰河二的问世已经快一年了,大家对于木马这种远程控制软件也有了一定的认识,比如:他会改注册表,他会监听端口等等,和一年前几乎没有人懂得木马是什么东西相比,这是一个质的飞跃。但是,在这个连“...
  • liaxiaosan
  • liaxiaosan
  • 2005年10月03日 19:04
  • 703

零基础汇编揭开CPU的神秘面纱(堆栈、CPU保护模式)

汇编语言是所有编程语言中难度最大最不容易理解的一种编程语言,每个同学对它都是敬而远之。但是它对真正掌握计算核心原理、理解操作系统真正奥妙有着不可替代的作用。    本视频讲师应用深入浅出的语言来...
  • maochengtao
  • maochengtao
  • 2014年09月21日 21:50
  • 1373

一窥究竟,揭开SAP ERP的神秘面纱

 【IT168 ERP】“为人不识王荆山,识尽天下也枉然”,同样的,搞ERP而不知道SAP,同样会发出如此感叹。盖因SAP的体系之博,SAP底蕴之厚,SAP功能之强也,它的这些优势不是开发一两年的企业...
  • xinxihua
  • xinxihua
  • 2007年11月25日 21:53
  • 378

带你一步一步揭开Rxjava2.0的神秘面纱(4)

前言 在上一节中, 我们提到了Flowable 和Backpressure背压, 本来这一节的确是想讲这两个东西的,可是写到一半感觉还是差点火候,感觉时机未到, 因此,这里先来做个准备工作, 先带...
  • jungle_pig
  • jungle_pig
  • 2017年02月06日 16:58
  • 571

带你一步一步揭开Rxjava2.0的神秘面纱(8)

前言 在上一节中, 我们学习了FLowable的一些基本知识, 同时也挖了许多坑, 这一节就让我们来填坑吧. 正题 在上一节中最后我们有个例子, 当上游一次性发送128个事件的时候是没有任何问题...
  • jungle_pig
  • jungle_pig
  • 2017年02月17日 09:06
  • 1193

揭开正则表达式语法的神秘面纱

http://www.81web.net/2006/11-29/15314.htm      正则表达式(REs)通常被错误地认为是只有少数人理解的一种神秘语言。在表面上它们确实看起来杂乱无章,如果你...
  • ak47mig
  • ak47mig
  • 2007年03月02日 22:12
  • 580

揭开正则表达式的神秘面纱

作者:阿赖 (Email: A at Lai.com.cn 主页:http://www.9499.net Blog: http://blog.csdn.net/laily/ )关键字:正则表达式  模...
  • Imain
  • Imain
  • 2006年09月18日 17:30
  • 1020

揭开正则表达式的神秘面纱!

引言    正则表达式(regular expression)就是用一个“字符串”来描述一个特征,然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+” 描述的特征是“一个 a 和 任意个...
  • myvv_net
  • myvv_net
  • 2007年05月24日 18:47
  • 300

揭开正则表达式的神秘面纱

      最近编程时遇到很多应用到正则表达式的地方,由于自己没有系统的学习正则很多地方不是很明白,在网上搜了很多都讲解的不够全面,大都注重正则表达式的应用,虽然知道有的地方要用到正则,但正则表达是究...
  • shao5155285
  • shao5155285
  • 2008年11月01日 14:46
  • 357
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:揭开正则表达式语法的神秘面纱
举报原因:
原因补充:

(最多只允许输入30个字)