软件构造博客5.正则表达式梳理

在Lab3的实现过程中涉及到正则表达式的解析，本文就这个问题给出相关知识点的梳理。

首先我们先要了解什么是正则表达式。根据定义，正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为"元字符"）组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

在实际应用过程中我们使用grammar判断字符串是否合法，并解析成程序里使用的数据结构，通常是递归的数据结构。

url ::=‘http://’ hostname ‘/’
hostname ::= ‘mit.edu’ | ‘stanford.edu’ | ‘google.com’

其中，url是根节点（特殊的非终止符），与’google.com’相似的是终止符，hosname是非终止符

操作：

连接： x ::= y z（空格）
重复（0次或多次）：x::=y*
选择：x::= y|z
有无：x::= y?
重复（1次或多次）：x::= y+
区间：x::= [a-c] equals x::= ‘a’ | ‘b’ | ‘c’
x ::= [aeiou] equals x::= ‘a’ | ‘e’ | ‘i’ | ‘o’ | ‘u’
不包含区间：x::=[^a-c] equals x::= ‘d’ | ‘e’ | ‘f’ |…
*?+ 优先级最高，连接次之，|最低
而正则语法的定义为：简化之后可以表达为一个产生式而不包含任何非终止节点

正则表达式的语法规则为：