第十二章 正则表达式和基于它的字符串操作
一、什么是正则表达式
正则表达式可用于：在字符串中扫描某个模式的多次出现，进行字符串替换操作，基于匹配分界符将一个字符串分割为多个子字符串。
二、编写正则表达式
1. 正则表达式的字面构造方法
（1）字面构造方法就是一对正斜杠：//
（2）可以从两个方向使用 match：正则表达式对象和字符串对象都可以响应 match方法
puts "Match!" if /abc/.match("The alphabet starts with abc.")
puts "Match!" if "The alphabet starts with abc.".match(/abc/)
Ruby 还提供了模式匹配操作符 =~（等号加波浪号）
puts "Match!" if /abc/ =~ "The alphabet starts with abc."
puts "Match!" if "The alphabet starts with abc." =~ /abc/
（3）match 与 =~ 的主要不同之处在于匹配时的返回值不同：
=~ 返回匹配开始处的字符在字符串中的数值索引，而 match 返回 MatchData 类的实例
>> "The alphabet starts with abc" =~ /abc/
=> 25
>> /abc/.match("The alphabet starts with abc.")
=> #<MatchData:0x1b0d88>
2. 构造一个模式
（1）可以来构造正则表达式的组件包括以下几个：
■ 字面字符，表示“与该字符匹配”
■ 圆点通配符（.），表示“与任意一个字符匹配”
■ 字符类，表示“与这些字符中的某一个匹配”
（2）特殊字符
对于有特殊意义的字符来说，要匹配这些特殊字符本身，需要使用反斜杠（\）来对它们进行转义：^, $, ? , ., /, \, [, ], {, }, (, ), +, *
（3）通配字符.（圆点）：匹配除换行以外的任意一个的字符
（4）字符集：/[dr]ejected/ 匹配 d 或 r，其后接 ejected
在字符集中可以插入字符范围：/[a-z]/
为了与一个十六进制数字匹配，需要在字符集中使用多个字符范围：/[A-Fa-f0-9]/
非十六进制数字匹配的字符集，使用补集：/[^A-Fa-f0-9]/
（5）常见字符集的特殊转义序列
\d 与任何数字相匹配
\w 与任何数字、字母或下划线相匹配
\s 与任何空白字符（空格、制表符、换行符）相匹配
这些预定义字符集每一个都有一个补集
\D 与任何一个非数字相匹配
\W 与任何数字、字母或下划线之外的任何一个相匹配
\S 与任何一个非空白字符相匹配
三、关于匹配和 MatchData 的更多内容
1. 正则表达式构造的最重要技术之一是使用小括号来指定“捕获”，为了对字符串的某部分做些处理，捕获记法可以分离出与特定的子模式匹配的字符串并保存
str = "Peel,Emma,Mrs.,talented amateur"
/([A-Za-z]+),[A-Za-z]+,(Mrs?\.)/.match(str)
puts $1 # 输出：Peel
puts $2 # 输出：Mrs.
Ruby 自动填写了这些变量为全局变量，它们以数字作为名字：$1, $2 等等。
2. 匹配成功和匹配失败
（1）匹配一个电话号码并查询作为结果的 MatchData 对象
string = "My phone number is (123) 555-1234."
phone_re = /\((\d{3})\)\s+(\d{3})-(\d{4})/
m = phone_re.match(string)
unless m
end
print "The whole string we started with: "
puts m.string
print "The entire part of the string that matched: "
puts m[0]
puts "The three captures: "
3.times do |index|
end
puts "Here's another way to get at the first capture:"
print "Capture #1: "
puts m[1]
下面是代码输出结果
The whole string we started with: My phone number is (123) 555-1234.
The entire part of the string that matched: (123) 555-1234
The three captures:
Capture #1: 123
Capture #2: 555
Capture #3: 1234
Here's another way to get at the first capture:
Capture #1: 123
（2）获取子匹配的两种方法
从 MatchData 对象中获取子匹配的一种方式是直接索引对象，就像数组那样
完整匹配：m[0]
第一个捕获：m[1]
第二个捕获：m[2]
从 1 开始的这些索引值对应于包含捕获的子字符串的全局变量 $n 中的 n。
MathData 对象还有一个名为 captures 的方法，并且以下等式成立
m[1] == m.captures[0]
m[2] == m.captures[1]
（3）MatchData 的其它信息（电话号码匹配操作的补充代码）
print "The part of the string before the part that matched was:"
puts m.pre_match
print "The part of the string after the part that matched was:"
puts m.post_match
print "The second capture began at character "
puts m.begin(2)
print "The third capture ended at character "
puts m.end(3)
这段代码的输出如下
The string up to the part that matched was: My phone number is
The string after the part that matched was: .
The second capture began at character 25
The third capture ended at character 33
四、更多正则表达式技术
1. 量词和贪婪性
（1）表示“0个或1个”的特殊字符：问号（?）
/Mrs?\.?/ 它将匹配 ”Mr”, “Mrs”, “Mr.”, “Mrs.”
（2）表示“0个或多个”的特殊字符：星号（*）
</p>
< /p>
</
</p
>
要匹配 HTML 文档中的闭标签 </p>：/<\s*\/\s*p\s*>/
（3）表示“1个或多个”的特殊字符：加号（+）
/\d+/ 匹配一个或多个连续的数字构成的任意序列
（4）贪婪量词和不贪婪量词
量词 * （0个或多个）和 + （1个或多个）是贪婪的：它们会匹配尽可能多的字符
string = "abc!def!ghi!"
match = /.+!/.match(string)
puts match[0] # 输出：abc!def!ghi!
可以通过在后面放置一个问号，使它们成为不贪婪量词
string = "abc!def!ghi!"
match = /.+?!/.match(string)
puts match[0] # 输出：abc!
（5）特定次数的重复
通过将一个数放在大括号 {} 中来达到此目的
/\d{3}-\d{4}/ 将匹配 555-1212
也可以指定一个范围，如 1～10个连续数字的任意字符
/\d{1,10}/
如果要匹配“三次或更多的数字”可以使用
/\d{3,}/
匹配五次连续出现“一个大写字母和一个数字”的模式
/([A-Z]\d){5}/
2. 锚和前视断言
（1）最常见的锚是行首（^）和行尾（$）
要确定哪些行是注释行，可以使用下面的正则表达式：/^\s*#/
（2）正则表达式的锚
| 记法 | 描述 | 示例 | 匹配的字符串示例 |
| ^ $ \A \z \Z \b | 行首 行尾 字符串的开始 字符串的结尾 字符串的结尾（不含换行） 单词边界 | /^\s*#/ /\.$/ /\AFour score/ /from the arth.\z/ /from the arth.\Z/ /\b\w+\b/ | “ “one\ntwo\nthree.\nfour” “Four score” “from the earth.” “from the earth\n” “!!!word***”(匹配 word ) |
（3）前视断言
假设要匹配一个数的序列，该序列以一个圆点结束。但是并不想把这个圆点本身作为匹配的一部分。实现该功能可以使用前视断言
str = "123 456. 789"
m = /\d+(?=\.)/.match(str)
现在 m[0] 是 “456”：字符串中其后面紧跟着一个圆点的那个数序列。
下面是对其中一些术语的解释：
■ 零宽度（zero-width）：该断言不会消耗字符串的任何字符。如果是模式继续的话，还可以对圆点进行匹配。
■ 肯定的（positive）意味着想要规定圆点存在（?=…），否定的前视断言（?!...）。
■ 前视断言（lookahead assertion）表示想要知道下一个指定的是什么，但并不匹配。
3. 修饰语：在正则表达式最后加入一个字母：/abc/i
修饰语 i 使该正则表达式的匹配操作是大小写不敏感的。
修饰语 m 使圆点通配符可以与任何字符相匹配，包括换行符。
str = "This (including\nwhat's in parens\n) takes up three lines."
m = /\(.*?\)/m.match(str)
匹配结果为
(including
what's in parens
)
4. 字符串与正则表达式之间的转换
>> str = "def"
=> "def"
>> /abc#{str}/
=> /abcdef/
在把字符串放入正则表达式之前，可以转义字符串中的特殊字符
>> Regexp.escape("a.c")
=> "a\.c"
>> Regexp.escape("^abc")
=> "\^abc"
将正则表达式转换成字符串：str = /abc/.inspect
五、使用正则表达式的常见方法
1. 要从一个字符串数组中找出所有至少有10个字符而且其中至少有一个数字的字符串：
array.find_all {|e| e.size > 10 and /\d/.match(e) }
2. String#scan
scan 方法扫描一个字符串，重复地进行测试以寻找指定模式的各个匹配，结果返回到一个数组中
>> "testing 1 2 3 testing 4 5 6".scan(/\d/)
=> ["1", "2", "3", "4", "5", "6"]
如果在传递给 scan 的正则表达式中使用了小括号分组，它会返回一个数组的数组
>> str = "Leopold Auer was the teacher of Jascha Heifetz."
=> "Leopold Auer was the teacher of Jascha Heifetz."
>> violinists = str.scan(/([A-Z]\w+)\s+([A-Z]\w+)/)
=> [["Leopold", "Auer"], ["Jascha", "Heifetz"]]
3. String#split
split 方法会将一个字符串分割为几个子字符串
line = "first_name=david;last_name=black;country=usa"
record = line.split(/=|;/)
4. sub/sub! 和 gsub/gsub!
gsub（全局替代）：会遍历整个字符串进行修改；
sub：最多只进行一次替代；
（1）sub 接受两个参数，一个正则表达式（或者字符串）和一个替代字符串
>> "typigraphical error".sub(/i/,"o")
=> "typographical error"
可以使用代码块来取代替代字符串参数
>> "capitalize the first vowel".sub(/[aeiou]/) {|s| s.upcase }
=> "cApitalize the first vowel"
（2）gsub ，与 sub 类似，只要字符串的剩余部分还能够与模式匹配就会继续替代
>> "capitalize every word".gsub(/\b\w/) {|s| s.upcase }
=> "Capitalize Every Word"
（3）在替代字符串中使用子匹配
要修正小写字母后面跟着大写字母这样的错误，可以这样做：
>> "aDvid".sub(/([a-z])([A-Z])/, '\2\1')
=> "David"
如果想将字符串的每一个单词都重复一遍，可以这样写
>> "double every word".gsub(/\b(\w+)/, '\1 \1')
=> "double double every every word word"
5. grep：直接基于正则表达式参数进行选择操作
>> ["USA", "UK", "France", "Germany"].grep(/[a-z]/)
=> ["France", "Germany"]
实际上可以使用 select 完成同样的事
["USA", "UK", "France", "Germany"].select {|c| /[a-z]/.match(c) }
选择一些国家后，将它们转换成大写并放到一个数组中返回
>> ["USA", "UK", "France", "Germany"].grep(/[a-z]/) {|c| c.upcase }
=> ["FRANCE", "GERMANY"]
扫一扫
1793
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
