|
·深入正則表達(dá)式引擎內(nèi)部
讓我們來(lái)看看正則引擎如何匹配前面的例子。第一個(gè)記號(hào)是“<”，這是一個(gè)文字符號(hào)。第二個(gè)符號(hào)是“.”，匹配了字符“E”，然后“+”一直可以匹配其余的字符，直到一行的結(jié)束。然后到了換行符，匹配失敗(“.”不匹配換行符)。于是引擎開(kāi)始對(duì)下一個(gè)正則表達(dá)式符號(hào)進(jìn)行匹配。也即試圖匹配“>”。到目前為止，“<.+”已經(jīng)匹配了“<EM>first</EM> test”。引擎會(huì)試圖將“>”與換行符進(jìn)行匹配，結(jié)果失敗了。于是引擎進(jìn)行回溯。結(jié)果是現(xiàn)在“<.+”匹配“<EM>first</EM> tes”。于是引擎將“>”與“t”進(jìn)行匹配。顯然還是會(huì)失敗。這個(gè)過(guò)程繼續(xù)，直到“<.+”匹配“<EM>first</EM”，“>”與“>”匹配。于是引擎找到了一個(gè)匹配“<EM>first</EM>”。記住，正則導(dǎo)向的引擎是“急切的”，所以它會(huì)急著報(bào)告它找到的第一個(gè)匹配。而不是繼續(xù)回溯，即使可能會(huì)有更好的匹配，例如“<EM>”。所以我們可以看到，由于“+”的貪婪性，使得正則表達(dá)式引擎返回了一個(gè)最左邊的最長(zhǎng)的匹配。
·用懶惰性取代貪婪性
一個(gè)用于修正以上問(wèn)題的可能方案是用“+”的惰性代替貪婪性。你可以在“+”后面緊跟一個(gè)問(wèn)號(hào)“?”來(lái)達(dá)到這一點(diǎn)�！�*”，“{}”和“?”表示的重復(fù)也可以用這個(gè)方案。因此在上面的例子中我們可以使用“<.+?>”。讓我們?cè)賮?lái)看看正則表達(dá)式引擎的處理過(guò)程。
再一次，正則表達(dá)式記號(hào)“<”會(huì)匹配字符串的第一個(gè)“<”。下一個(gè)正則記號(hào)是“.”。這次是一個(gè)懶惰的“+”來(lái)重復(fù)上一個(gè)字符。這告訴正則引擎，盡可能少的重復(fù)上一個(gè)字符。因此引擎匹配“.”和字符“E”，然后用“>”匹配“M”，結(jié)果失敗了。引擎會(huì)進(jìn)行回溯，和上一個(gè)例子不同，因?yàn)槭嵌栊灾貜?fù)，所以引擎是擴(kuò)展惰性重復(fù)而不是減少，于是“<.+”現(xiàn)在被擴(kuò)展為“<EM”。引擎繼續(xù)匹配下一個(gè)記號(hào)“>”。這次得到了一個(gè)成功匹配。引擎于是報(bào)告“<EM>”是一個(gè)成功的匹配。整個(gè)過(guò)程大致如此。
·惰性擴(kuò)展的一個(gè)替代方案
我們還有一個(gè)更好的替代方案�？梢杂靡粋�(gè)貪婪重復(fù)與一個(gè)取反字符集：“<[^>]+>”。之所以說(shuō)這是一個(gè)更好的方案在于使用惰性重復(fù)時(shí)，引擎會(huì)在找到一個(gè)成功匹配前對(duì)每一個(gè)字符進(jìn)行回溯。而使用取反字符集則不需要進(jìn)行回溯。
最后要記住的是，本教程僅僅談到的是正則導(dǎo)向的引擎。文本導(dǎo)向的引擎是不回溯的。但是同時(shí)他們也不支持惰性重復(fù)操作。
7.使用“.”匹配幾乎任意字符
在正則表達(dá)式中，“.”是最常用的符號(hào)之一。不幸的是，它也是最容易被誤用的符號(hào)之一。
“.”匹配一個(gè)單個(gè)的字符而不用關(guān)心被匹配的字符是什么。唯一的例外是新行符。在本教程中談到的引擎，缺省情況下都是不匹配新行符的。因此在缺省情況下，“.”等于是字符集[^\n\r](Window)或[^\n]( Unix)的簡(jiǎn)寫(xiě)。
這個(gè)例外是因?yàn)闅v史的原因。因?yàn)樵缙谑褂谜齽t表達(dá)式的工具是基于行的。它們都是一行一行的讀入一個(gè)文件，將正則表達(dá)式分別應(yīng)用到每一行上去。在這些工具中，字符串是不包含新行符的。因此“.”也就從不匹配新行符。
現(xiàn)代的工具和語(yǔ)言能夠?qū)⒄齽t表達(dá)式應(yīng)用到很大的字符串甚至整個(gè)文件上去。本教程討論的所有正則表達(dá)式實(shí)現(xiàn)都提供一個(gè)選項(xiàng)，可以使“.”匹配所有的字符，包括新行符。在RegexBuddy, EditPad Pro或PowerGREP等工具中，你可以簡(jiǎn)單的選中“點(diǎn)號(hào)匹配新行符”。在Perl中，“.”可以匹配新行符的模式被稱作“單行模式”。很不幸，這是一個(gè)很容易混淆的名詞。因?yàn)檫�有所謂“多行模式”。多行模式只影響行首行尾的錨定(anchor)，而單行模式只影響“.”。
其他語(yǔ)言和正則表達(dá)式庫(kù)也采用了Perl的術(shù)語(yǔ)定義。當(dāng)在.NET Framework中使用正則表達(dá)式類(lèi)時(shí)，你可以用類(lèi)似下面的語(yǔ)句來(lái)激活單行模式：Regex.Match(“string”,”regex”,RegexOptions.SingleLine)
·保守的使用點(diǎn)號(hào)“.”
點(diǎn)號(hào)可以說(shuō)是最強(qiáng)大的元字符。它允許你偷懶：用一個(gè)點(diǎn)號(hào)，就能匹配幾乎所有的字符。但是問(wèn)題在于，它也常常會(huì)匹配不該匹配的字符。
我會(huì)以一個(gè)簡(jiǎn)單的例子來(lái)說(shuō)明。讓我們看看如何匹配一個(gè)具有“mm/dd/yy”格式的日期，但是我們想允許用戶來(lái)選擇分隔符。很快能想到的一個(gè)方案是<<\d\d.\d\d.\d\d>>�？瓷先ニ芷ヅ淙掌凇�02/12/03”。問(wèn)題在于02512703也會(huì)被認(rèn)為是一個(gè)有效的日期。
<<\d\d[-/.]\d\d[-/.]\d\d>>看上去是一個(gè)好一點(diǎn)的解決方案。記住點(diǎn)號(hào)在一個(gè)字符集里不是元字符。這個(gè)方案遠(yuǎn)不夠完善，它會(huì)匹配“99/99/99”。而<<[0-1]\d[-/.][0-3]\d[-/.]\d\d>>又更進(jìn)一步。盡管他也會(huì)匹配“19/39/99”。你想要你的正則表達(dá)式達(dá)到如何完美的程度取決于你想達(dá)到什么樣的目的。如果你想校驗(yàn)用戶輸入，則需要盡可能的完美。如果你只是想分析一個(gè)已知的源，并且我們知道沒(méi)有錯(cuò)誤的數(shù)據(jù)，用一個(gè)比較好的正則表達(dá)式來(lái)匹配你想要搜尋的字符就已經(jīng)足夠。
8.字符串開(kāi)始和結(jié)束的錨定
錨定和一般的正則表達(dá)式符號(hào)不同，它不匹配任何字符。相反，他們匹配的是字符之前或之后的位置�！癪”匹配一行字符串第一個(gè)字符前的位置。<<^a>>將會(huì)匹配字符串“abc”中的a。<<^b>>將不會(huì)匹配“abc”中的任何字符。
類(lèi)似的，$匹配字符串中最后一個(gè)字符的后面的位置。所以<<c$>>匹配“abc”中的c。
·錨定的應(yīng)用
在編程語(yǔ)言中校驗(yàn)用戶輸入時(shí)，使用錨定是非常重要的。如果你想校驗(yàn)用戶的輸入為整數(shù)，用<<^\d+$>>。
用戶輸入中，常常會(huì)有多余的前導(dǎo)空格或結(jié)束空格。你可以用<<^\s*>>和<<\s*$>>來(lái)匹配前導(dǎo)空格或結(jié)束空格。
·使用“^”和“$”作為行的開(kāi)始和結(jié)束錨定
如果你有一個(gè)包含了多行的字符串。例如：“first line\n\rsecond line”(其中\(zhòng)n\r表示一個(gè)新行符)。常常需要對(duì)每行分別處理而不是整個(gè)字符串。因此，幾乎所有的正則表達(dá)式引擎都提供一個(gè)選項(xiàng)，可以擴(kuò)展這兩種錨定的含義�！癪”可以匹配字串的開(kāi)始位置(在f之前)，以及每一個(gè)新行符的后面位置(在\n\r和s之間)。類(lèi)似的，$會(huì)匹配字串的結(jié)束位置(最后一個(gè)e之后)，以及每個(gè)新行符的前面(在e與\n\r之間)。
在.NET中，當(dāng)你使用如下代碼時(shí)，將會(huì)定義錨定匹配每一個(gè)新行符的前面和后面位置：Regex.Match("string", "regex", RegexOptions.Multiline)
應(yīng)用：string str = Regex.Replace(Original, "^", "> ", RegexOptions.Multiline)--將會(huì)在每行的行首插入“> ”。
· 絕對(duì)錨定
<<\A>>只匹配整個(gè)字符串的開(kāi)始位置，<<\Z>>只匹配整個(gè)字符串的結(jié)束位置。即使你使用了“多行模式”，<<\A>>和<<\Z>>也從不匹配新行符。
即使\Z和$只匹配字符串的結(jié)束位置，仍然有一個(gè)例外的情況。如果字符串以新行符結(jié)束，則\Z和$將會(huì)匹配新行符前面的位置，而不是整個(gè)字符串的最后面。這個(gè)“改進(jìn)”是由Perl引進(jìn)的，然后被許多的正則表達(dá)式實(shí)現(xiàn)所遵循，包括Java，.NET等。如果應(yīng)用<<^[a-z]+$>>到“joe\n”，則匹配結(jié)果是“joe”而不是“joe\n”。
出處：摩詰
責(zé)任編輯：moby
上一頁(yè) 深入淺出之正則表達(dá)式 [2] 下一頁(yè)
◎進(jìn)入論壇網(wǎng)絡(luò)編程版塊參加討論
|
第 1 頁(yè) 
第 3 頁(yè) 深入淺出之正則表達(dá)式 [3]
