正規表示式是一種進階的字串比對，用「符號」描述字串的樣式，說明某個位置可以是哪些字元、符合的次數等。只要了解這些特殊「符號」，英文稱 metacharacter，可翻作「字元符」，就可以了解正規表示式。正規表示式在許多地方都可以見到，例如 grep、sed、vi、JavaScript、git grep、IMS PSI 等。
字元描述
大部分字元，包括英文字母及數字，代表的就是它自己。其它的是有特殊意義的符號，可描述字元、位置、次數等。- .：任何字元。
- \：跳脫字元，跳脫下個字元原本的解釋，原本是 metacharacter，就不解釋為 metacharacter。原本不是 metacharacter，改解釋為 metacharacter。
- \d：數字。
- \D：非數字，和 \d 相反。
- \s：
- \S：
- []： bracket 表示式，[] 包起來，內含比對單一字元符合的列表。但如果內容以 ^ 開頭，則為不包含的列表。
- 可用「-」表示範圍。例如「a-d」相當於「abcd」(在有些 locale 的字典順序不同，會變成「aBbCcDd」)。
- 列表中也可以包含特定事先定義的類別，包括 [:alnum:], [:alpha:], [:blank:], [:cntrl:], [:digit:], [:graph:],[:lower:], [:print:], [:punct:], [:space:], [:upper:], 和 [:xdigit:]。注意，這裡的 [] 是類別名稱的一部分，[[:alnum:]] 代表數字及英文字母。
- 大多 metacharacter 在 [] 裡失去其原本的特殊意義。要解除 ] 特殊意義，可放在列表第一個，^ 就不要放在第一個，- 放在最後。
- \w：底線、數字或英文字母，相當於 [_[:alnum:]]。
- \W：和 \w 相反，相當於 [^_[:alnum:]]。
位置描述
代表位置- ^：行開頭
- $：行結尾
- \< 及 \>
- \b
- \B
次數描述
說明重複的次數，沒有的話就是一次。- { }：重複次數。{2} 表重複兩次，{2,5} 表重複 2 至 5 次，{2,} 表兩次以上
- *：0 次以上，相當於 {0,}。
- +：1 次以上，相當於 {1,}。
- ?：0 次或 1 次，相當於 {0,1}。
Alternation
|subexpression
()返回參考
\n：n 是一位數字，代表前面第 n 個 subexpression 符合的子字串。BRE 和 ERE
一開始的正規表示式只支援 [、]、.、^、$、*，稱為 BRE (Basic Regular Expressions)。後來 POSIX 的 BRE 新增字元符來擴充功能，但為了相容，這些字元符前面需要加反斜線跳脫。而 POSIX ERE 則相反。ERE：chapter 9 in IEEE 1003.1-2004 Part 1
| BRE | POSIX BRE | ERE | |
|---|---|---|---|
| 基本字元符 | 支援 | 支援 | 支援 |
| 跳脫基本字元符 | 反斜線 | 反斜線 | 反斜線 |
| 擴充字元符 | 一般字元 | 反斜線跳脫 | 支援 |
| 跳脫擴充字元符 | ？ | 支援 | 反斜線 |
PCRE (Perl-compatible Regular Expressions)
- 凡是標點符號, 加上倒斜線, 一定沒有特殊意義。
- 常用的 [...] 定義了簡寫：
- \d：[0-9], "任何一個數字"
- \D：[^0-9], "任何一個非數字"
- \w：[a-zA-Z0-9_], "任何一個文數字"，不同 locale 有所不同。
- \W：[^a-zA-Z0-9_], "任何一個非文數字"
- \s：[ \t\n], "任何一個空白類字元"
- \S：[^ \t\n], "任何一個非空白類字元"
- ...
沒有留言:
張貼留言