软件构造学习笔记：正则表达式学习

1.元字符

正则表达式由一些普通字符和一些元字符（metacharacters）组成

普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，相关含义如下表所示：

元字符	含义
\	转义字符。例如，“n”会匹配小写字母n，但是“\n”则会匹配换行符\n
^	匹配行首
$	匹配行尾
*	匹配前面的子表达式任意次(大于等于0次)。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次)。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式0次或1次。例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。
{n}	表示匹配规定的n次，其中n是一个非负整数。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	*表示至少匹配n次，其中n是一个非负整数。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o”。
{n,m}	表示最少匹配n次且最多匹配m次，其中m和n均为非负整数，其中n<=m。例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?（很神奇）	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 [‘o’, ‘o’, ‘o’, ‘o’]
.	匹配除“\n”和"\r"之外的任何单个字符。**要匹配包括“\n”和"\r"在内的任何字符，请使用像“[\s\S]”的模式。
x	y
[xyz]	字符集合。**匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。**匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”任一字符。
[a-z]	字符范围。**匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。**匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“\b1_”可以匹配“1_23”中的“1_”，但不能匹配“21_3”中的“1_”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx	**匹配由x指明的控制字符。**例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\d	匹配一个数字字符。**等价于[0-9]。grep 要加上-P，perl正则支持
\D	匹配一个非数字字符。**等价于[^0-9]。grep要加上-P，perl正则支持
\f	匹配一个换页符。**等价于\x0c和\cL。
\n	匹配一个换行符。**等价于\x0a和\cJ。
\r	匹配一个回车符。**等价于\x0d和\cM。
\s	匹配任何不可见字符，包括空格、制表符、换页符等等。**等价于[ \f\n\r\t\v]。
\S	匹配任何可见字符。**等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。**等价于\x09和\cI。
\v	匹配一个垂直制表符。**等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。**类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
\W	匹配任何非单词字符。**等价于“[^A-Za-z0-9_]”。

2.匹配模式

这里专门开一小节讨论一下匹配模式：

Greedy	Reluctant	Possessive	Meaning
X?	X??	X?+	X, once or not at all
X*	X*?	X*+	X, zero or more times
X+	X+?	X++	X, one or more times
X{n}	X{n}?	X{n}+	X, exactly n times
X{n, }	X{n, }?	X{n, }+	X, at least n times
X{n, m}	X{n, m}?	X{n, m}+	X, at least n but not more than m times

这三种匹配模式是完全不一样的：

• Greedy：匹配器强制要求第一次尝试匹配时读入整个输入串，如果第一次匹配失败，则从后往前逐个字符回退并尝试再次匹配，直到匹配成功或没有字符可以回退
• Reluctant：从输入串的首字符位置开始，再一次尝试匹配查找中指勉强地读一个字符，直到尝试读完整个字符串
• Possessive：直接匹配整个字符串，如果完全匹配就匹配成功，否则失败
  举例：正则语法：.*foo
  输入字符串：xfooxxxxxxfoo
  匹配结果：
• Greedy
• • I found the text “xfooxxxxxxfoo” starting at index 0 and ending at index 13.
• Reluctant
• • I found the text “xfoo” starting at index 0 and ending at index 4.
• • I found the text “xxxxxxfoo” starting at index 4 and ending at index 13.
• Possessive
• • No match found.

3.

很喜欢发改局马科长的一句话，“别说了别说了”。光说不练假把式，下面我们做一道例题来检验学习成果

答案是C

A：

1. 不可以表示cbcbcbc（两个b串中间至少隔两个c）
2. 可以表示cbcbcbc

B：

（这里的?就是’?'的意思），由\w代表字符，我们姑且只看后面

1. 可以表示yyybyyy（第一个y串后的b数量可以比y少）
2. 不可以表示yyybyyy（第一个y串后的b数量≥y）

D：

何其之假，看开头很明显就不一样，第二个字符范围都不一样