正则表达式匹配空值_正则表达式学习笔记（三）：元字符

前言

上一篇文章中我们研究了行的起止符、字符组和点号等正则表达式的元字符，有的同学可能注意到，在第一篇学习笔记中提到的(.*?)正则表达式的含义还是不明朗，因为*?这两个符号到目前为止，我们还没有分析过。 这一篇文章中，我们继续来研究其它的元字符，之后用学到的知识来给(.*?)做出解释。

多选分支

我们已经知道字符组是由中括号[]括起来的，而多选结构则是由小括号()括起来的，从匹配字符的数量来看，字符组相当于多选结构的特殊形式，因为字符组提供了单个字符的备选匹配，事实上，多选结构也可以完成单个字符的备选匹配，只不过需要在备选的字符之间用|进行分割，下面给出Perl代码演示：

$value = 'Hello world! Hella world!';while ($value =~ m/Hell(o|a)/){    print "匹配到的字符：$& \n";    $value = $'}

在上述代码中， (o|a) 就是所谓的多选结构，它可以用字符组 [oa] 代替，对它运行的结果如下：

和字符组不同的是，多选结构可以容纳更多字符的备选，将上面例子中的正则表达式修改为Hel(lo|la)，同样可以匹配到一样的结果，我们用Python来实现如下：

忽略大小写

在匹配字符串的时候，有时我们是需要忽略大小写的，比如给出的字符串是Hello world! Hella world!，若我们所写的正则表达式hell(o|a)需要对该字符串进行匹配，就需要用到忽略大小写开关，在Perl中是这样写的：

$value = 'Hello world! Hella world!';while ($value =~ m/hel(lo|la)/i){    print "匹配到的字符：$& \n";    $value = $'}

上述代码中的 i 即是忽略大小写的开关，运行代码如下：

在Python中，忽略大小写的开关是添加flags=re.IGNORECASE，代码如下：

单词分界符

在英文中，单词是以空格进行区分的，这就牵扯到单词的分界符问题，在Perl中，单词的分界符是\b，将要匹配的字符串放在两个\b之间，就意味着必须要对一个单词进行匹配，示例如下：

$value = 'Hello world! Helloo world! Hella world!';while ($value =~ m/\bhel(lo|la)\b/i){    print "匹配到的字符：$& \n";    $value = $'}

在上述代码中，我们添加了一些单词，当正则表达式中不含单词定界符时，它会输出三个结果，但加上定界符后，运行结果只有两个字符串，如下图所示：

在Python中的单词定界符也是\b，但要注意，当为正则表达式添加\b时，该字符串前要添加r字母，r的意思是保持字符串的原生态，这样转义字符就会保持原来的意义：

量词的应用

所谓的量词指的是在正则表达式中出现的字符应该重复的次数，一般我们有三个量词符号，分别是?、+和*，它们的表示次数如下图所示：

比如我们有这样一个字符串： Hello world! hell world! ，现在我察觉到其中一个 hello 少写了一个 o ，但它确实应该是 hello ，因此需要将所有应该是 hello 的字样找到，这时需要用到 ? 量词：

$value = 'Hello world! hell world!';while ($value =~ m/\bhello?\b/i){    print "匹配到的字符：$& \n";    $value = $'}

执行结果如下：

再来看一下+的用法，现给出一字符串H1 H12 H123 H566 H H78，要将该字符串中H后面至少带一位数字的单词找出来，用Perl代码应该这样写：

$value = 'H1 H12 H123 H566 HR2 H H78';while ($value =~ m/\bH[0-9]+\b/i){    print "匹配到的字符：$& \n";    $value = $'}

从上述输出结果来看，给定字符串中的HR2和H没有匹配到，这符合我们的要求，如果我们需要将首字母是H开头的单词找出来，哪怕只有一个H字母也要搜索到，则应该这样写代码：

$value = 'H1 H12 H123 H566 HR2 H H78';while ($value =~ m/\bH[0-9A-Za-z]*\b/i){    print "匹配到的字符：$& \n";    $value = $'}

好了，到目前为止，我们已经学完了第一篇文章中提到的那个正则表达式m/^hello (.+?)$/i中所有的信息，现在可以来解释一下它所表达的意思：m/.../是Perl专用的表示正则表达式的格式，i是忽略大小写，^是行起首，$是行结尾，hello是进行原字符串匹配，(.+?)是一个字符组，它里面的.表示任意字符，紧随其后的+是指这个字符至少要匹配一次，而再随其后的?则是指前面的那个字符最多可重复1次，按这样的解释，我们来对下面一些字符串测试一下匹配效果，以下用Python测试：

从上面的测试结果可以看出，(.+?)这个正则表达式可以匹配一个空格，也可以匹配任意长度的字串。这样看起来，它与(.*)应该是一样的，但却有以下区别：

从上面对比可以看出，(.+?)在无法遇到一个字符时，它返回一个空值，但(.*)即使无法遇到字符，它也会返回一个空字符串。这一点值得注意。Perl语言中有同样的情况，即对于Hello 而言，'^hello (.+?)$'无法匹配到任何字符，匹配失败，但'^hello (.*)$'会匹配到一个空字符，匹配成功。 对这个问题的解释是这样的：.+本身确保了该位置至少要有一个字符，而其后的?只是说明该字符存在0次还是1次，当一个字符都没有时，.+就匹配失败了，?无法发挥作用；.*的意思则是该位置可以有字符也可以没有字符，当没有字符时，显示空字符。 另一点要注意的是，尽管正则表达式只有(.+?)，但它是一个字符一个字符连续进行匹配的，因此可以一直匹配到行尾。

小结

本文继续对正则表达式中的元字符进行了分析研究，并对第一篇学习笔记中的正则表达式含义进行了解释。从测试结果来看，同学们应该能感觉到正则表达式功能的强大。