正则表达式语法
整理了下别人的翻译(里面有些加了一些个人注解)
看着下面建议边看边练 打开Emacs,进入”*scratch*“ 模式,例如我写了个小程序如下
(defun the-the ()
(interactive)
(message "begin searchingor for duplicated world")
(if (re-search-forward
"^g" ;通过改变这一行,可以练习里面的正则表达式
nil t)
(message "fond")
(message "not fond")))
(global-set-key "\C-c\\" 'the-the)
正则表达式(regular expressions, 缩写为regexp)是由几个特殊字符和一些普通 字符组成,一个普通字符就是一个简单的正则表达式,仅仅可以匹配与自己相同的字
符。而特殊字符包括“$”,“^”,“.”,“*”,“+”,“?”,“[”,“]”以 及“\”。除非在一个字符前面有“\”,否则正则表达式中出现的任何其他字符都是
普通字符,(当你在 Lisp 程序中使用正则表达式时,每一个“\”都必须写成两个, 因为需要对字符串中的“\”转义,请看下面的例子。)
例如,“f”不是特殊字符,是普通字符,因此“f”是一个正则表达式,它仅仅 匹配串“f”。(不匹配“ff”。)同样“o”是仅匹配串“o”的正则表达式。(当不
区分大小写时,前面的两个式子也匹配“F”和“O”,而实际上,一般认为它们是 “同样的串”,并不是因为例外。) 两个任意的表达式 A 和 B 可以连接,其结果是能够匹配以 A 开始,其余部分是 B 的字符串的表达式。
举个简单的例子,我们将表达式“f”和“o”连接,得到表达式“fo”,仅匹配 串“fo”,很简单的。想做些不简单的,需要使用特殊字符。下面介绍这些特殊字符。
** 特殊字符
*** “. (Period)”
匹配除了换行符(newline)之外任何单个字符的特殊字符。通过“连接”,可以得 到如“a.b”的表达式,匹配所有的以“a”开始,以“b”结束的三个字符的字符
串。
*** “*”
自身不构成表达式的部分,作为后缀操作符,表示某个前导表达式可以任意次重复。比如,“o*”匹配任意个“o”连成的串(包括空串)。“*”总是作用于“最少的”可能的前导表达式。于是,“fo*”中,可以重复的 是“o”,而不是“fo”,匹配形如“f”, “fo”, “foo”的串等等。
匹配程序以迅速且尽可能多的找到重复部分来处理带“*”的结构。然后继续其他部分的处理。如果失败了,为了使剩余的部分能够尽可能的匹配,匹配程序会回 退,释放一些已经由“*”匹配的结构。
例如,在使用“ca*ar”来匹配串“caaar”时,“a*”首先试图匹配全部的三个“a”;但余下的部分是“ar”,不能匹配“r”,失败;接着选择是用“a*”匹配两个“a”,成功。
*** “+”
和“*”相似的后缀操作符,它表示前导表达式至少出现一次。例如,“ca+r”匹 配串“car”和“caaaar”,但不能匹配“cr”,然而“ca*r”却可以。
*** “?”
也是一个和“*”相似的操作符,它表示前导表达式至多出现一次。例如,“ca?r”仅仅匹配“car”或“cr”。
*** “*?, +?, ??”
是前面几个操作符的非贪心(non-greedy)的变体。正常的“*”, “+”, “?” 操作符是“贪心的(greedy)”,只要总体上能够匹配,这些操作符总是尽可能多 的匹配。当紧跟着“?”时,则是非贪心的:将尽可能少的匹配。
“ab*”和“ab*?”都能匹配串“a”和“abbbb”;但如果你试图用它们来匹配“abbbb”时,“ab*”将匹配全部(最长有效匹配),而“ab*?”将仅仅匹配
“a”(最短有效匹配)。
*** “\{N\}”
指定重复次数为 N 的后缀操作符,前导表达式必须恰好出现 N 次。例如“x\{4\}”仅匹配串“xxxx”。
*** “\{N,M\}”
指定重复次数在N和M之间的后缀操作符,就是说它的前导表达式的出现次数至少 是N 但不能超过 M。如果省略 M,表示没有上限,但它的前导表达式至少出现 N 次。“\{0,1\}”等于“?”。“\{0,\}”等于“*”。“\{1,\}”等于“+”。
*** “[ ... ]”
字符集,以“[”开始以“]”结束。最简单的例子,在两个方括号中间的字符就 是这个集合所能匹配的全部。 所以,“[ad]”仅匹配一个“a”或一个“d”,“[ad]*”匹配所有仅由“a”和“d”构成的串(和空串)。“c[ad]*r”匹配“cr”,“car”, “cdr”,“caddaar”,等等。
也可以用一个“-”放在一个开始字符和一个结束字符的中间,表示字符集中字符 的范围。“[a-z]”匹配所有小写 ASCII 字母。范围可以和单独的字符自由的组 合在一起,比如“[a-z$%.]”,匹配了任意的小写字母,或“$”,“%”,以及“.”。
注意,通常在字符集中的特殊字符不再特殊,而在字符集中的“]”,“-”和 “^”却是特殊字符。
如果想在字符集中包括字符“]”,必须放在第一个字符位置。例如,“[]a]”匹 配“]”或“a”。想包括“-”,要在第一个或最后一个位置,或在一个范围的后 面,如“[]-]”匹配“]”和“-”。
如果想在字符集中包括字符“^”,不可以放在第一个位置。(在开始位置,它会 把这个字符集取补——看下面。)
当不区分大小写使用范围时,表示范围的两个字符或者都是大写、或者都是小写、 或者都不是字母。混合大小写的范围如“A-z”意思不明确,不被接受,或许在将 来的 Emacs 中会被改变。
*** “[^ ... ]”
“[^”表示“补集合”,匹配的字符是除掉指定的字符外其他所有的字符。如,“[^a-z0-9A-Z]”匹配除掉ASCII字母和数字的所有字符。
当“^”在字符集中第一个时,被看作是特殊字符。而跟在“^”后面的字符被看作是第一个字符(就是说,此处的“-”和“]”将不是特殊的)。
一个补集合可以匹配换行符,除非换行符被指定为补集合中的一个字符。这不同于某些象“grep”的程序对正则表达式的处理。
*** “^”
仅仅匹配在文本中行首的那个空串的特殊字符。就是说,“^foo”匹配在行首的”foo”。
(匹配空串:比如"^fo" 就是说fo必须在一行的第一个字符,前面不能有空格等什么的,又如"fo$"就是fo必须是一行的最后一个字符,后面不能再有其他的任何字符----个人理解)
*** “$”
和“^”相似,但仅匹配行尾的空串。因此“x+$”匹配在行尾的一个或多个“x” 的串。
*** “\”
有两个作用:引用特殊字符(包括“\”);产生附加的特殊结构。
因为“\”引用特殊字符,“\$”是一个仅匹配“$”的表达式,“\[”是一个仅 匹配“[”的表达式,等等。
** 关于反斜线
注意:为考虑兼容性,如果在其没有意义的上下文中,特殊字符将被当作普通字符。比如:“*foo”中把“*”当作普通字符,因为在它前面没有可以作用的前导表达 式。很少有人会根据这条规则去实践;无论如何,在任何地方都加上引用会更好些。
对于大多数情况,“\”后接任何字符仅仅匹配那个字符。然而,有几个例外: 以“\”开始的两字符序列会有特殊的意思。其中的第二个字符往往是普通字符。
“\”的结构表
(注意所有实际应用时候,都要加两个\\,下面是简写如 第一个"\|" 在实际中要写成“\\|" 第一个\表示引出第二个\ ,第二个\引出后面的字符(本例是|)是特殊字符)
*** “\|”
指定一个选择。中间有一个“\|”的两个正则表达式 A 和 B,形成了一个可以匹 配 A 或 B 的文本。它首先试图用 A 匹配,如果失败再用 B 去试。
由此,“foo\|bar”仅匹配“foo”或“bar”。“\|”作用于两边最长的可能的表达式。仅由“\( ... \)”括起来才可以限制“\|”的分组能力。
Emacs 有全面的回退功能,以处理“\|”的多种的用途。
*** “\( ... \)”
分组结构,有三个功能:
1.围住“\|”的选择项,以实现别的操作。例如“\(foo\|bar\)x”匹配“foox”或“barx”。
2.围住复杂的表达式以实现后缀操作符(如“*”“+”和“?”)的操作。例如 “ba\(na\)*”匹配如“bananana”等,有任意个(零或更多)的“na”串。
3.记录一个已匹配的子串用作后面的参考引用。
最后一个应用并不是括号的分组功能思想的结果;这个分开的特点是给同样的“\( ... \)”结构赋予的第二种含义。在实际应用中,这两种含义通常不会发生 冲突。当发生冲突的时候,可以使用“谨慎的”分组("shy" group)。
*** “\(?: ... \)”
“谨慎的”分组("shy" group),这个分组不记录匹配的子串;你不能用“\D”来 引用。这在机械的结合正则表达式的时候有用,这样,你可以为语法目的加入分 组,而不用干涉使用者写的分组的个数。
*** “\D”
匹配和“\( ... \)”结构第 D 次出现时所匹配的同样的文本。
如:"(abc)(def)(ghi)\\2" \\2引用的是(def)
在“\( ... \)”结构结束之后,匹配程序保存被这个结构匹配的文本(的开始和 结束);之后的正则表达式中,你可以使用“\”跟着一个数字 D 来表示“匹配 和‘\( ... \)’结构第 D 次出现时所匹配的同样的文本。”
正则表达式中前九个出现的“\( ... \)”结构,按正则表达式中左括号出现的次 序从 1 到 9 赋值。因此可以用“\1”到“\9”来引用相应的“\( ... \)”结构。
例如,“\(.*\)\1”匹配任何有完全相同的两部分而无换行符的串。“\(.*\)” 匹配前一半,可以是任意的串,“\1”匹配后面的,但必须和前面的完全相同。
如果一个特定的“\( ... \)”结构匹配了多次(比如后面有一个“*”,这很显 然),那么仅记录最后一次的匹配。
*** “\`”
匹配空串,但仅是接在缓冲区的开始处的。
*** “\'”
匹配空串,但仅是接在缓冲区的尾部的。
*** “\=”
匹配空串,但仅在“点(point)”处的。
*** “\b”
匹配空串,但仅在一个词的开始或者结尾的。例如,“\bfoo\b”匹配任何作为单 独的词出现的“foo”。“\bballs?\b”匹配作为单独的词出现的“ball”或"balls”。
在缓冲区的开始和结束位置时,“\b”不考虑紧接其前的文本是什么。
*** “\B”
匹配空串,但不在词的开始或结尾处。
*** “\<”
匹配空串,但仅在词的开始处。仅当一个构成词的字符在缓冲区开始处时“\<” 匹配缓冲区开始处的空串。
*** “\>”
匹配空串,但仅在词的结尾处。仅当缓冲区尾部有构成词的字符时“\>”匹配缓 冲区尾部的空串。
*** “\w”
匹配任何构成词的字符。由语法表决定这些字符是什么。
*** “\W”
匹配任何非构成词的字符。
*** “\sC”
匹配任何语法是 C 的字符。这里 C 是一个指定特定语法类的字符:如“w”为词 的构成字符,“-”或“ ”为空白,“.”为普通标点符号,等等。
*** “\SC”
匹配任何字符不属于语法 C。
*** “\cC”
匹配任何属于种类 C 的字符。例如,“\cc”匹配汉字,“\cg”匹配希腊字符等。 如果想了解已知种类,用“M-x describe-categories ”。
*** “\CC”
匹配所有不属于种类C的字符。 属于词和语法的结构是由语法表的设置来控制的。
** 例子
下面是一个复杂的正则表达式,存储在“sentence-end”,Emacs 将其用于识 别句子的结束以及后面的任何空白。其中以 Lisp 语法区分了空白符和制表符。在 Lisp 语法中,串常量用双引号括起来。“\"”表示双引号是表达式的一部分,“\\”表示反斜扛是表达式的一部分,“\t”表示制表符,“\n”表示换行。
"[.?!][]\”‘)]*\\($\\| $\\|\t\\| \\)[ \t\n]*”
其中包含四个连续的部分:匹配句号(“.”)、“?”或“!”的字符集;匹配右方括号、右(单/双)引号的字符集的任意次重复的部分;在“反斜线括号”部分中,匹配行尾、行尾空白、制表符或两个空格的可选集合;以及一个任意次匹配空白的字符集。增量搜索中,要用 TAB 输入制表符,“C-j”输入换行符。也可以使用单 独的反斜线,不用象 Lisp 串中那样写成两个。