资源描述:
《深入浅出之正则表达式(一)》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、前言 本文是前一篇文章《深入浅出之正则表达式(一)》的续篇,在本文中讲述了正则表达式中的组与向后引用,先前向后查看,条件测试,单词边界,选择符等表达式及例子,并分析了正则引擎在执行匹配时的内部机理。 本文是JanGoyvaerts为RegexBuddy写的教程的译文,版权归原作者所有,欢迎转载。但是为了尊重原作者和译者的劳动,请注明出处!谢谢! 9. 单词边界 元字符“b”也是一种对位置进行匹配的“锚”。这种匹配是0长度匹配。 有4种位置被认为是“单词边界”: 1)在字符串的第一个字符前的位置(如果字符串的第一
2、个字符是一个“单词字符”) 2)在字符串的最后一个字符后的位置(如果字符串的最后一个字符是一个“单词字符”) 3)在一个“单词字符”和“非单词字符”之间,其中“非单词字符”紧跟在“单词字符”之后 4)在一个“非单词字符”和“单词字符”之间,其中“单词字符”紧跟在“非单词字符”后面 “单词字符”是可以用“w”匹配的字符,“非单词字符”是可以用“W”匹配的字符。在大多数的正则表达式实现中,“单词字符”通常包括<<[a-zA-Z0-9_]>>。 例如:“b4b”能够匹配单个的4而不是一个更大数的一部分。这个正则表
3、达式不会匹配“44”中的4。 换种说法,几乎可以说“b”匹配一个“字母数字序列”的开始和结束的位置。 “单词边界”的取反集为“B”,他要匹配的位置是两个“单词字符”之间或者两个“非单词字符”之间的位置。·深入正则表达式引擎内部 让我们看看把正则表达“bisb”应用到字符串“Thisislandisbeautiful”。引擎先处理符号“b”。因为b是0长度,所以第一个字符T前面的位置会被考察。因为T是一个“单词字符”,而它前面的字符是一个空字符(void),所以b匹配了单词边界。接着“i”和第一个字符“T”
4、匹配失败。匹配过程继续进行,直到第五个空格符,和第四个字符“s”之间又匹配了“b”。然而空格符和“i”不匹配。继续向后,到了第六个字符“i”,和第五个空格字符之间匹配了“b”,然后“is”和第六、第七个字符都匹配了。然而第八个字符和第二个“单词边界”不匹配,所以匹配又失败了。到了第13个字符i,因为和前面一个空格符形成“单词边界”,同时“is”和“is”匹配。引擎接着尝试匹配第二个“b”。因为第15个空格符和“s”形成单词边界,所以匹配成功。引擎“急着”返回成功匹配的结果。 10. 选择符 正则表达式中“
5、”表示选
6、择。你可以用选择符匹配多个可能的正则表达式中的一个。 如果你想搜索文字“cat”或“dog”,你可以用“cat
7、dog”。如果你想有更多的选择,你只要扩展列表“cat
8、dog
9、mouse
10、fish”。 选择符在正则表达式中具有最低的优先级,也就是说,它告诉引擎要么匹配选择符左边的所有表达式,要么匹配右边的所有表达式。你也可以用圆括号来限制选择符的作用范围。如“b(cat
11、dog)b”,这样告诉正则引擎把(cat
12、dog)当成一个正则表达式单位来处理。·注意正则引擎的“急于表功”性 正则引擎是急切的,当它找到一个有效
13、的匹配时,它会停止搜索。因此在一定条件下,选择符两边的表达式的顺序对结果会有影响。假设你想用正则表达式搜索一个编程语言的函数列表:Get,GetValue,Set或SetValue。一个明显的解决方案是“Get
14、GetValue
15、Set
16、SetValue”。让我们看看当搜索SetValue时的结果。 因为“Get”和“GetValue”都失败了,而“Set”匹配成功。因为正则导向的引擎都是“急切”的,所以它会返回第一个成功的匹配,就是“Set”,而不去继续搜索是否有其他更好的匹配。 和我们期望的相反,正则表达式并没有匹配
17、整个字符串。有几种可能的解决办法。一是考虑到正则引擎的“急切”性,改变选项的顺序,例如我们使用“GetValue
18、Get
19、SetValue
20、Set”,这样我们就可以优先搜索最长的匹配。我们也可以把四个选项结合起来成两个选项:“Get(Value)?
21、Set(Value)?”。因为问号重复符是贪婪的,所以SetValue总会在Set之前被匹配。 一个更好的方案是使用单词边界:“b(Get
22、GetValue
23、Set
24、SetValue)b”或“b(Get(Value)?
25、Set(Value)?b”。更进一步,既然所有的选
26、择都有相同的结尾,我们可以把正则表达式优化为“b(Get
27、Set)(Value)?b”。 11. 组与向后引用 把正则表达式的一部分放在圆括号内,你可以将它们形成组。然后你可以对整个组使用一些正则操作,例如重复操作符。 要注意的是,只有圆括号“()”才能用于形成组。“[]”用于