初探正则表达式

表达特定模式字符串的终极武器

对于字符串的处理，大多会涉及到「字符串模式」的问题。这个模式可以是十分具体的某一个特定子字符串，也可以是某一类可以明确表达出来的「子字符串集」。这些都是模式，而我们可以使用正则表达式的三种自然、简单却强大的操作组合来描述模式：

• 连接操作：由若干个字符连接起来的模式
• 或操作：指定多种可能进行组合，连接操作优先级高于或操作
• 闭包操作：将模式的某一部分重复任意次数，闭包操作优先级高于连接操作
• 括号：使用括号来改变默认的优先级顺序
• 缩略写法
  • 字符集描述符
    • 通配符 .
    • 指定集合： 包含在[]中
    • 范围集合： 包含在[]中，用 - 分割
    • 补集：包含在[]中，首字母为 ^
  • 闭包缩写
    • 至少重复一次： +
    • 重复 0 次或 1 次： ?
    • 重复指定次数：由 {num} 指定
    • 重复指定范围的次数：由 {num1-num2} 指定
  • 转移序列
    • 某些字符，是被用来构造表达式的元字符。用反斜杠加元字符表示字符的本义
• 位置匹配
  • 英文中常用的单词前后是否有空格用 \b 来表示空格，b 替换为 B 时表示非空格
  • ^ 放在表达式开头，表示目标模式的开头
  • $ 放在表达式末尾，表示目标模式的末尾
  • (?m) 表示多行匹配，此时 ^ 和 $ 代表行首和行尾

正则表达式的实际应用

1. 子字符串查找：搜索某种模式
2. 合法性检查：查看模式是否匹配
3. 程序员的工具箱：grep，程序员的无价之宝
4. 基因组：寻找基因
5. 搜索：搜索引擎都支持部分常见正则表达语句的搜索
6. 正则表达式的可能性：正则表达式可以实现取余操作！
7. 局限：并不是所有的语言都能用正则表达式定义
   • 无法描述所有合法正则表达式字符串的集合
   • 无法利用正则表达式检查括号是否匹配完整
   • 无法检查字符串中 A 和 B 的数量是否一样多
   • 探索这些局限帮助我们理解计算的本质起到了重要的作用