当前位置: 代码迷 >> Web前端 >> 深入正则表达式原理 一
  详细解决方案

深入正则表达式原理 一

热度:263   发布时间:2012-10-27 10:42:26.0
深入正则表达式原理 1
深入正则表达式原理
        最近很多同学都找到了工作,给我的压力很大,我不知道,我怎样才能突破自己,找到自己期待已久的工作,可能是我没有找到突破口,没有找到自己心中最想工作,想干一番大事业的那种冲动,或许是对学生时代的眷恋,或许是对自己的不自信,或许是对于现实的恐惧,我总是一次的在现实中来妥协自己,欺骗自己,以希望能留住我心中一直在呼叫的那种声音,挽留住最后能给自己净化心灵的那最后的一片热土。矿大啊,矿大,既让我爱又让我恨的校园。。。。。。

        废话也不多说,就来聊聊我这几天学的一些正则表达式的内容(化了几乎一周的时间终于看懂了大部分的内容),只是为了以后查看,能给自己一个印记。

      

一  、先说正则表达式(regular expression)的基础语法:元字符(metacharacters)和常用的正则表达式

              1.   点号:. 匹配单个任意的字符(包括空格,换行符,回车符,制表符,换页符)。

               2.  字符组 [  ] 匹配单个字符。如[abdcedf]也就是匹配[]中的任一个字符都能成功:匹配a成功匹配b也能成功,但不能匹配k这样没有在[]中出现的字符。

               3.  排除型字符组  [^ ]  排除括号内列出的字符 如[^abcd]匹配e能够成功,匹配a就失败

               4.   转义字符   \  通常是把元字符转化成普通的字符   通常用于转换如:在匹配.号时,正常情况下正则表达式引擎(会在后面谈到)会把.当做元字符来处理,但是加上\就可以把\.中的点号当做一个普通的字符来处理。

               5.   问号  ? 匹配一个或没有的字符

                6.   星号 *   匹配多个或没有的字符

                7.   加号 +  至少匹配一个字符或多个

                8.  区间词{min,max} 匹配至少min次,和至多max次

                9.    ^         匹配一行的开头

                10.  $       匹配一行的结尾

                11. \b        匹配单词的分界符

                 12. {?=}   肯定顺序环视

                 13.  {?!}    否定顺序环视

                  14.  {?<=}   肯定逆向环视

                   15.   {?<!}  否定逆向环视

                    16.  {?:}    非捕获分组

                    17.   {?>}    固化分组

二、下面的正则表达式针对各种语言又有一些的变化:

                       1.  \d   匹配任意的数字

                        2.  \D 匹配任意的非数字

                        3.  \w 匹配任意的小写字母,大写字母和数字和下划线_等于[a-zA-Z0-9_]

                         4.  \W 匹配任意的非字母等于[^\s]

                          5.  \s  匹配空字符如空格符,制表符,等

                          6.  \S  匹配非空字符

                         7.   \1\2 主要用于分组获得所分的组项,有时用的很方便哦。

               还有就是一些常用的匹配表达式:

                           1.   \n   匹配换行符

                            2.  \A  匹配一行的开头与^一样的功能

三、 上面的都是些简单的语法,我相信大多数都能懂,那我就讲一些难懂的内容吧:

      (1) .正则表达式的核心是正则表达式引擎处理方式。一般正则表达式引擎分为两种:NFA和DFA。

             但其中的NFA又有两个分支:传统的NFA和POSIX NFA 以下是各种语言所支持的引擎:

                       传统NFA:GNU Emacs、java、grep、less、more、.NET、Perl、PHP、Python、Ruby、sed等

                       DFA        :awk、egrep、flex、MySQL、Procmail

                       POSIX NFA:mawk、Mortice Kern等等。

                       DFA/NFA混合引擎:GNU awk 、GNU grep/egrep、Tcl

      (2).  正则表达式真正起作用是由于这些引擎来计算匹配。所以要想弄懂正则表达式的内部机制,就必须要明白你所熟悉的语言(如java,.net用的都是传统的NFA)是采用的那种引擎。每一种语言都有这自己引擎,也就有自己的独特的规范和独特的匹配原则。所以正则表达式说采用的匹配结果也不一样。但不管是DFA还是NFA他们又有一些共性原则如:

                 1. 优先匹配最左端(最靠开头)的匹配结果。

                  2.标准的匹配量词(*、+、?和{min,max})是匹配优先的。

       1* 先来说第一条:最左端匹配结果:

                   如果你用:cat来匹配下面的一句话:

                          The dragging belly indicates that your cat is too fat.

                   你本想匹配其中的cat,但是结果却不是,而是indicates中的cat。单词cat 是能够被匹配出来,但是indicates中的cat出现 的更早,所以就先匹配成功了。对于java程序员来说,他只关心是否能匹配而不关心在哪匹配。再来一个例子: 用:fat | cat | belly | your来匹配字符串上面的那一句话。结果会是什么呢?

                   你认为会是最后的fat是吗?因为fat在 fat | cat | belly | your最前面,是吗?错:答案是belly,句中的belly,为什么呢?由于匹配是从句中的第一个字母T来一次匹配fat | cat | belly | your,中的所有选项,结果发现都不符合,就走到h来匹配,结果也不符合,就依次走下去,直到b字母,有一项符合,就是fat | cat | belly | your中的belly中的b,所以依次匹配发现成功了,所以就正确了。就不在向后面的单词匹配(这种结果只是在支持NFA的引擎中)。

         2*  再来说说第二条:标准量词(*、+等)是匹配优先(greedy 贪婪的意思)的。从英文单词中,我们就可以发现一些原理。其实的确就是这样。

                 用\b\w+s\b 来匹配包含s的字符串,如regexes,整个是能够比配成功的,你或许会认为它是正则表达式\w+匹配到xe结束然后让s来匹配最后的regexes中的s,若你这样想,那就错了,其实\w+一次性的匹配到结束包括s在内都被它给匹配了,但后面有个s所以,她很不情愿的吐出一个s来,让后面的s来匹配。这样使得匹配成功。这个+是不是很greedy啊?像欧也妮~葛朗台是吗?O(∩_∩)O哈哈~,对了,就是,这条规则很重要,对于正则表达式的优化很重要。很多时候就是在这个基础上进行优化的。

         下面就再来比较一下DFA和NFA的区别。

          一般DFA速度较快,而NFA的控制能力较强。这两者各有千秋。

        NFA引擎是表达式主导(有点困了,还是下次再写吧,那先留个目录,有助于下次写的:下面主要是NFA的工作原理,不同regular Expression 的流派,然后就是正则表达式的优化和调校,再者就是正则表达式的书写和案例经典例子的回放,最后是写我最爱的Java语言的正则表达式的应用)

1 楼 zhaolaiwei 2009-12-30  
正则很强大,但配合一些例子会更好理解~!
2 楼 naily 2009-12-30  
一口气读完了,写的很流畅、思路清晰,继续发扬。

期待后面的罗列的内容
3 楼 akuma_lad 2009-12-31  
嗯嗯。我有回顾了一次正则。
4 楼 xiaoqing20 2010-09-13