perl和python正则表达式_Perl, Python和Emacs中正则表达式的比较

正则表达式非常方便，但是在不同场景下的实现不尽相同。本文将对正则表达式在Perl, Python和Emacs中的异同作一些总结，但不能做到面面俱到。

文中的提到“Python”正则，指的是2015年底re模块所实现的版本，据说还有一些更兼容Perl的选项，将来可能会被合并到官方版中。

此外，本文注重正则表达式的语法，而非如何使用。更多地关注于常见任务中正则表达式的比较，比如在Perl和Python中的搜索与替换。

Emacs, Python, Perl中正则表达式的共同特性

在所有的实现中，最基本的regex特征都是一致的：通配符(.)，量化符(*,+,?)，锚点(^,$)，[]内的字符和反向引用(\1,\2,\3)等。

最新的Emacs版本支持\b表示词边界(word boundaries)，\B表示非词边界(non-word boundaries)，\w表示单词字符(word characters)，\W表示非单词字符(non-word characters)。

通常Emacs只支持最古老的正则特性，但也支持相对较新的非贪婪量化符(non-greedy quantifiers)，如*?,+?,??。

Emacs中的基本特性都需要反斜杠(\)

替换符在Perl和Python中都是用|表示，但在Emacs中必须写成\|，类似地，括号在Emacs中也必须转义为\(和\)。同样的还有表示匹配次数的大括号\{和\}。

Emacs支持的一个新特性是非分组括号(non-grouping parentheses)，然而这也需要用反斜杠转义作：\(?:...\)。

Emacs特有的特性

语法类

Emacs中的语法类以\s打头，跟其他正则惯例一样，否定使用大写字母\S。

例如，\s.表示任意标点符号，而\S.表示任何非标点。Emacs还使用\s(和\s)表示定界符(分隔符，delimiters)的开始与结尾，\s表示注释的开头和结尾，等等。

需要注意的是，由于Emacs使用\s和\S表示语法类，所以就不能像Perl和Python一样来表示空格和非空格。因此，Emacs中空格表示为\s-，非空格表示为\S-。

字符类

字符类类似于语法类，但以\c和\C打头表示是或否。这类似于Perl中的Unicode属性\p{}和\P{}。

例如，\cg代表任意希腊字母，\Cg表示任意非希腊字母。可以通过运行M-x describe-categories查看更多字符类的信息。

Python和Perl中有，而Emacs没有的特性

Perl和Python都可以使用(?aimsx)对正则表达式进行修改。例如，(?i)可使正则不区分大小写。

也可以使用(?#...)引入注释。

Perl和Python使用相同的语法进行正向或反向查找：(?=), (?!), (?<=),和(?

Perl和Python都支持锚点\A和\Z，以及\d, \D, \s和\S。

这两种语言都使用(?P)和?P=name)来命名和引用一个capture。Perl亦有其自己的语法。

Perl中有，Python中没有的特性

Perl正则相比于Python，其拥有的最大特点是Unicode字符类。(即这篇文章撰写时，Python的remodule还不支持的。)使用\p{}和\P{}表示该类及其否定。

Perl中的\X是Unicode中.的变体，Programming Perl这样描述它：

\X可以匹配一个用户可见的字符(grapheme)，即使这需要几个程序员可见的字符(code-points)才能匹配。

Perl还有的一些特征是，用\Q和\E来引用，用\l和\u表示大小写，用\L或\U表示小写或大写的字符序列，用\E来结束。

Perl的正则表达式还有很多特性没有一一列出。

更多资源请见：