VIM正则表达式再研究

使用正则表达式已经有好几年了，本不想细读VIM的pattern.txt，不过发现好些东西不明白，回过头来边看pattern.txt，边总结一下。

1、vim的正则表达式的构成：若干atom组成piece，若干piece组成concat，若干concat组成branch，若干branch组成pattern

1）atom是基础单位，比如单个字符（如a）就是一个atom，字符集（如\w和[a-z]）也是一个atom，甚至用括号把一个pattern变成atom，如\(\w\+\)。

2）piece一般由atom加上重复次数组成，如a\+，匹配至少一个a。

3）concat由多个piece拼接而成，如a*b\+[cd]*。匹配顺序从左到右，先匹配a*，匹配成功后再匹配b\+，最后匹配[cd]*。

4）branch由多个concat组成，concat间用\&分隔。这个分隔符很有意思，必须前面的concat匹配上了，才会匹配下一个concat。而且下个匹配也是从上一个匹配到的地方开始匹配（这也有zero width的味道，下一节会说明）。匹配的结果以最后一个concat匹配到的内容为准。例如：

      foobar\&...当匹配上了foobar后，才会匹配\&后面的...，这也是从foobar匹配到的地方开始匹配，并且匹配结果是...对应的字符串，即foo。

5）pattern由多个branch组成，branch间用\|分隔。\|代表或的关系，如果有多个branch都匹配上了，优先用第一个匹配上的。

      例如，/foo$\|foo[^b]匹配以foo结束的行或者foo后不是b的行。

2、零宽度匹配：\@=、\@!、\@<=、\@<!、\zs、\ze和\@>

       \@=表示以零宽度（zero width）匹配\@=前的atom。atom上一节已经介绍过了，那么零宽度是什么意思呢？零宽度是指本次匹配不改变搜索本文的偏移位置，下次匹配还从这次匹配的位置开始匹配。还不明白？看个例子：

       foo\(bar\)\@=..首先匹配foo，然后匹配bar，再匹配..的时候是从bar的位置开始匹配的，所以..的匹配结果是ba，整个pattern的匹配结果是fooba。所以这个pattern匹配的是foobar中的fooba。

      \@=的用法跟\&非常相似。上面这个例子也可以用\&来匹配：foobar\&.\{5}。

      \@!就是\@=的反面，即\@!表示以零宽度不匹配前面的atom。例如有如下文本：

foobar
foo
footest
bar
barfoo
bartest
test for sth.

      foo\(bar\)@!...表示匹配foo后面跟了三个不是bar的字符串，也就是匹配footest中的footes，其它都匹配不上。

      \@=和\@!有个限制，在它们前面必须先有其它atom匹配上了。比如用\(foo\)\@=bar匹配上面的文本，什么都匹配不了。 

      于是，bram为我们带来了\@<=和\@<!。这两个可以放到pattern的第一个atom的后面。例如：

       \(foo\)\@<=bar匹配foobar中的bar。

       \(foo\)\@<!bar匹配bar、barfoo和bartest。

       这两个符号有个奇怪的用法，可以把\1放到最前面：

       \1\@<=,\([a-z]\+\)匹配foo,foo中的,foo。

       这从一个侧面验证了我的猜想：\@<=和\@<!并不是最开始匹配的，而是等到后面的piece匹配上了，再回过头要看\@<=和\@<!对应的piece能否匹配。

       于是第二个问题就出现了：反向搜索要搜索要哪里才算完？如果一直要搜索到文本的第一个字符，搜索效率肯定会下降很大。有矛盾，就有妥协。默认反向搜索是从\@<=或\@<!后面的piece匹配所在行开始，到上一行结束。当然，这也是可以定制的，比如<\@1<span当匹配到span后，只会向前检查一个字节，看看是不是<。好像是从7.4才开始支持指定反向搜索的字节数。

        

       鉴于效率问题，bram又给了一个替代方案：\zs和\ze。\zs表示匹配的开始start，\ze表示匹配的结束end。

       foo\(bar\)\@=的替代方案是foo\zebar，都是匹配foobar中的foo。

       \(foo\)\@<=bar的替代方案是foo\zsbar，都是匹配foobar中的bar。

       \@>则走的完全不同的路线，它表示更贪婪。什么意思？请看下文分解：

       a*b和a*ab都能匹配上aaab，但是两个a*匹配的内容不同，前者匹配的是aaa，后者匹配的是aa。*的贪婪是有节制的，是顾全大局的。

       但是\(a*\)\@>ab匹配不了aaab。为什么？因为\@>的贪婪是没有节制的，是不顾全大局的。\(a*\)\@>会匹配aaa，把ab的a抢了过去，所以ab就匹配不上了。

3、指定搜索的范围

1）按标记（mark）指定范围

       \%'abar从标记a处匹配bar，指定的位置不是范围，必须在标记a处就能匹配上。例如在foobar中的第二个o处执行ma，将此处标记为a。前面的pattern匹配不了。如果在foobar中的b处标记为a，这个pattern就能匹配上。

       如果要指定范围，可以用\%<'a和\%>'a。如上将foobar的第二个o标记为a，要匹配bar，可以用\%>'abar，指定的搜索范围是从标记a处开始到文本结束。如果要匹配标记a以前的bar，可以用\%<'abar。要匹配标记a和b之间的bar，可以用\%>'abar\%<'b。

2）按行指定范围

      也有三种：

       在某一行内搜索：\%5lbar，即在第五行内匹配bar。

       在某行前搜索：\%<5lbar，即从文本开始到第四行内（包括第四行）匹配bar。

       在某行后搜索：\%>5lbar，即从第六行到文本结束内（包括第六行）匹配bar。

       在某两行之间搜索：\%>3lbar\%<6l，即在第四行和第五行内（包括第四行和第五行）匹配bar。

3）按列指定范围

       同样也有三种：

       在某一列内搜索：\%3cr，即在第3列匹配r。虽说是按列搜索，其实是按字节数搜索，前面的例子其实是在每行的第三个字符处搜索。这就有一个问题，每个字符是不是等宽的呢？字母和数字都是等宽的，但是不要忘了还有\t这样的异类。如果有些行有\t，有些行没有\t，列内搜索的结果就有点怪异了。所以按列搜索适用在格式表格内搜索。还有一点要注意的，如果搜索超过一个字符会怎么样呢？比如\%4cbar，可以匹配foobar中的bar。也就是说，如果搜索超过一个字符，它会自动向后搜索。

       在某列前搜索：\%<3cbar，即从第一列和第二列搜索bar。大家一定会问：在两列中怎么能搜索3个字符呢？就像\%4cbar一样，这里也会自动延长匹配范围，它能匹配barfoo中的bar。但是延长是有条件的，比如用\%<3crf匹配第二节中的7行文本，结果什么都匹配不了。为什么？因为在第一列和第二列中没有r。所以延长范围的条件是，必须在指定的列范围里匹配上pattern的前一部分。

        在某列后搜索：\%>3ctest，即从第四列开始搜索test(包括第四列)。这里只需要注意一点，即不包括第三列。

        在某两列间搜索：用\%>3cba\%<7c搜索第二节的文本，即从第四列和第六列之间（包括这两列）匹配到ba。很可怪的是，\%>3cba\%<6c，什么都匹配不了。也就是说，如果要在N列间搜索长度为M字符串S，列数和字符串长度必须满足以下条件：N>=M+1。

        除了在真实列搜索后，还可以在虚拟列（virtual column）上搜索。把上面的c改成v，就可以在虚拟列上搜索。虚拟列的用法可以参考《vim用户手册》25.5节。

4、匹配后的替换动作

      :%s/pattern/string：string除了是字符串外，还可以是函数。如%s/ba/\="\r#".submatch(0)."#\r"，可以把foobar变成：

foo
#ba#
r

5、括号与submatch

定义如下函数，将submatch的结果写到match.txt中。

function! RecordSubmatch()
	redir! >> match.txt
	echo "submatch(0):" submatch(0)
	echo "submatch(1):" submatch(1)
	echo "submatch(2):" submatch(2)
	echo "submatch(3):" submatch(3)
	redir END
	return submatch(0)
endfunction

文本如下：

fooxxxbarbar

执行如下命令

%s/\(\(foo\)[^bar]\+\|\(bar\)\+\)/\=RecordSubmatch()/

       |<---------------------------->|   第一个括号

          |<--->|                                  第二个括号

                                   |<--->|         第三个括号
match.txt内容如下：

submatch(0): fooxxx
submatch(1): fooxxx
submatch(2): foo
submatch(3): 
submatch(0): barbar
submatch(1): barbar
submatch(2): 
submatch(3): bar

共匹配了两次，submatch(0)是每次匹配到的全部字符串，submatch(1)是第一个括号内匹配的字符串，submatch(2)是第二个括号内匹配的字符串，submatch(3)是第三个括号内匹配的字符串。

submatch(0)就是\0，submatch(1)就是\1，submatch(2)就是\2。。。

未完待续。。。

4、指定搜索行的范围

5、指定搜索mark的范围

6、指定搜索列的范围

7、指定匹配的开始和结束位置

8、贪婪匹配和非贪婪匹配

9、匹配后调用函数