小弟便興起了學一學re的想法，但小弟天生就比較懶一些，總希望看有沒有些快速學習的方式，于是小弟又請出google大神，藉由祂的神 力，小弟在網(wǎng)絡上找到了jim hollenhorst先生的文章，經(jīng)過了閱讀，小弟覺得真是不錯，所以就做個小心得報告，跟move-to.net的朋 友分享，希望能為各位大大帶來一丁點在學習re時的幫助。jim hollenhorst大大文章之網(wǎng)址如下，有需要的大大可直接連結。
　　the 30 minute regex tutorial by jim hollenhorst
　　http://www.codeproject.com/useritems/regextutorial.asp
　　什么是re?
　　想必各位大大在做文件查找的時侯都有使用過萬用字符”*”，比如說想查找在windows目錄下所有的word文件時，你可能就會用”*.doc”這樣的方式來做查找，因為”*”所代表的是任意的字符。re所做的就是類似這樣的功能，但其功能更為強大。
　　寫程序時，常需要比對字符串是否符合特定樣式，re最主要的功能就是來描述這特定的樣式，因此可以將re視為特定樣式的描述式，舉個例子來說，”\ w +”所代表的就是任何字母與數(shù)字所組成的非空字符串(non-null string)。在.net framework中提供了非常強大的類別庫， 藉此可以很輕易的使用re來做文字的查找與取代、對復雜標頭的譯碼及驗證文字等工作。
　　學習re最好的方式就是藉由例子親自來做做看。jim hollenhorst大大也提供了一個工具程序expresso(來杯咖啡吧)，來幫助我們學習re，下載的網(wǎng)址是http://www.codeproject.com/useritems/regextutorial/expressosetup2_1c.zip。
　　接下來，就讓我們來體驗一些例子吧。
　　一些簡單的例子
　　假設要查找文章中elvis后接有alive的文字符串的話，使用re可能會經(jīng)過下列的過程，括號是所下re的意思：
　　1. elvis (查找elvis)
　　上述代表所要查找的字符順序為elvis。在.net中可以設定乎略字符的大小寫，所以”elvis”、”elvis”或者是”elvis”都是符合 1 所下的re。但因為這只管字符出現(xiàn)的順序為elvis，所以pelvis也是符合1所下的re。可以用2的re來改進。
　　2. \belvis\b (將elvis視為一整體的字查找，如elvis、elvis乎略字符大小寫時)
“\b”在re中有特別的意思，在上述的例子中所指的就是字的邊界，所以\belvis\b用\b把elvis的前后邊界界定出來，也就是要elvis這個字。
　　假設要將同一行里elvis后接有alive的文字符串找出來，此時就會用到另外二個特別意義的字符”.”及”*”?！?”所代表就是除了換行字符的 任意字符，而”*”所代表的是重復*之前項目直到找到符合re的字符串。所以”.*”所指的就是除了換行字符外的任意數(shù)目的字符數(shù)。所以查找同一行里 elvis后接有alive的文字符串找出來，則可下如3之re。
　　3. \belvis\b.*\balive\b (查找elvis后面接有alive的文字符串，如elvis is alive)
　　用簡單之特別字符就可以組成功能強大的re，但也發(fā)現(xiàn)當使用越來越多的特別字符時，re就會越來越難看得懂了。
再看看另外的例子
　　組成有效的電話號碼
　　假使要從網(wǎng)頁上收集顧客格式為xxx-xxxx的7位數(shù)字的電話號碼，其中x是數(shù)字，re可能會這樣寫。
　　4. \b\d\d\d-\d\d\d\d (查找七位數(shù)字之電話號碼，如123-1234)
　　每一個\d代表一個數(shù)字?！?”則是一般的連字符號，為避免太多重復的\d，re可以改寫成如5的方式。
　　5. \b\d{3}-\d{4} (查找七位數(shù)字電話號碼較好的方法，如123-1234)
　　在\d后的{3}，代表重復前一個項目三次，也就是相等于\d\d\d。
　　re的學習及測試工具 expresso
　　因為re不易閱讀及使用者容易會下錯re的特性，jim大大開發(fā)了一個工具軟件expresso，用來幫助使用者學習及測試re，除了上面所述的網(wǎng)址之外，也可以上ultrapico網(wǎng)站(http://www.ultrapico.com)。安裝完expresso后，在expression library中，jim大大把文章的例子都建立在其中，可以邊看文章邊測試，也可以試著修改范例所下的re，馬上可以看到結果，小弟覺得非常好用。各位大大可以試試。
　　.net中re的基礎概念
　　特殊字符
　　有些字符有特別的意義，比如之前所看到的”\b”、”.”、”*”、”\d”等。”\s”所代表的是任意空格符，比如說spaces、tabs、newlines等.?！盶w”代表是任意字母或數(shù)字字符。
　　再看一些例子吧
　　6. \ba\w*\b (查找a開頭的字，如able)
　　這re描述要查找一個字的開始邊界(\b)，再來是字母”a”，再加任意數(shù)目的字母數(shù)字(\w*)，再接結束這個字的結束邊界(\b)。
　　7. \d+ (查找數(shù)字字符串)
　　“+”和”*”非常相似，除了+至少要重復前面的項目一次。也就是說至少有一個數(shù)字。
　　8. \b\w{6}\b (查找六個字母數(shù)字的字，如ab123c)
　　下表為re常用的特殊字符
　　. 除了換行字符的任意字符
　　\w 任意字母數(shù)字字符
　　\s 任意空格符
　　\d 任意數(shù)字字符
　　\b 界定字的邊界
　　^ 文章的開頭，如”^the'' 用以表示出現(xiàn)于文章開頭的字符串為”the”
　　$ 文章的結尾，如”end$”用以表示出現(xiàn)在文章的結尾為”end”
　　特殊字符”^”及”$”是用來查找某些字必需是文章的開頭或結尾，這在驗證輸入是否符合某一樣式時特別用有，比如說要驗證七位數(shù)字的電話號碼，可能會輸入如下9的re。
　　9. ^\d{3}-\d{4}$ (驗證七位數(shù)字之電話號碼)
　　這和第5個re相同，但其前后都無其它的字符，也就是整串字符串只有這七個數(shù)字的電話號碼。在.net中如果設定multiline這個選項，則”^”和”$”會每行進行比較，只要某行的開頭結尾符合re即可，而不是整個文章字符串做一次比較。
　　轉意字符(escaped characters)
　　有時可能會需要”^”、”$”單純的字面意義(literal meaning)而不要將它們當成特殊字符，此時”\”字符就是用來移除特殊字符特別意義的字符，因此”\^”、”\.”、”\\”所代表的就是”^”、”.”、”\”的字面意義。
　　重復前述項目
　　在前面看過”{3}”及”*”可以用來重復前述字符，之后我們會看到如何用同樣的語法重復整個次描述(subexpressions)。下表是使用重復前述項目的一些方式。
　　* 重復任意次數(shù)
　　+ 重復至少一次
　　? 重復零次或一次
　　{n} 重復n次
　　{n,m} 重復至少n次，但不超過m次
　　{n,} 重復至少n次
　　再來試一些例子吧
　　10. \b\w{5,6}\b (查找五個或六個字母數(shù)字字符的字，如as25d、d58sdf等)
　　11. \b\d{3}\s\d{3}-\d{4} (查找十個數(shù)字的電話號碼，如800 123-1234)
　　12. \d{3}-\d{2}-\d{4} (查找社會保險號碼，如 123-45-6789)
　　13. ^\w* (每行或整篇文章的第一個字)
　　在espresso可試試有multiline和沒multiline的不同。
　　匹配某范圍的字符
　　有時需要查找某些特定的字符時怎么辨?這時中括號”[]”就派上了用場。因此[aeiou]所要查找的是”a”、”e”、”i”、”o”、”u”這些 元音，[.?!]所要查找的是”.”、”?”、”!”這些符號，在中括號中的特殊字符的特別意義都會被移除，也就是解譯成單純的字面意義。也可以指定某些 范圍的字符，如”[a-z0-9]”，所指的就是任意小寫字母或任意數(shù)字。
　　接下來再看一個比較初復雜查找電話號碼的re例子
　　14. \(?\d{3}[( ] \s?\d{3}[- ]\d{4} (查找十位數(shù)字之電話號碼，如(080) 333-1234 )
　　這樣的re可查找出較多種格式的電話號碼，如(080) 123-4567、511 254 6654等?！盶(?”代表一個或零個左小括號”(“， 而”[( ]”代表查找一個右小括號”)”或空格符，”\s?”指一個或零個空格符組。但這樣的re會將類似”800) 45-3321”這樣的電話找出 來，也就是括號沒有對稱平衡的問題，之后會學到擇一(alternatives)來決解這樣的問題。
　　不包含在某特定字符組里(negation)
　　有時需要查找在包含在某特定字符組里的字符，下表說明如何做類似這樣的描述。
　　\w 不是字母數(shù)字的任意字符
　　\s 不是空格符的任意字符
　　\d 不是數(shù)字字符的任意字符
　　\b 不在字邊界的位置
　　[^x] 不是x的任意字符
　　[^aeiou] 不是a、e、i、o、u的任意字符
　　15. \s+ (不包含空格符的字符串)
　　擇一(alternatives)
　　有時會需要查找?guī)讉€特定的選擇，此時””這個特殊字符就派上用場了，舉例來說，要查找五個數(shù)字及九個數(shù)字(有”-”號)的郵政編碼。
　　16. \b\d{5}-\d{4}\b\b\d{5}\b (查找五個數(shù)字及九個數(shù)字(有”-”號)的郵政編碼)
　　在使用alternatives時需要注意的是前后的次序，因為re在alternatives中會優(yōu)先選擇符合最左邊的項目，16中，如果把查找五個數(shù)字的項目放在前面，則這re只會找到五個數(shù)字的郵政編碼。了解了擇一，可將14做更好的修正。

最新評論