正则表达式进阶

发布时间：2020-12-13 23:11:26 所属栏目：百科来源：网络整理

导读：捕获匹配结果，并为之命名以下示例表示匹配日期表示中的年月日，并给他们命名。 giNamed capture b(?yeardddd)-(?monthdd)-(?daydd)b Regex options:None Regex flavors:.NET,PCRE 7,Perl 5.10,Ruby 1.9 b(?'year'dddd)-(?'month'dd)-(?'d

捕获匹配结果，并为之命名

以下示例表示匹配日期表示中的年月日，并给他们命名。

giNamed capture
b(?<year>dddd)-(?<month>dd)-(?<day>dd)b
Regex options:None
Regex flavors:.NET,PCRE 7,Perl 5.10,Ruby 1.9
b(?'year'dddd)-(?'month'dd)-(?'day'dd)b
Regex options:None
Regex flavors:.NET,Ruby 1.9
b(?P<year>dddd)-(?P<month>dd)-(?P<day>dd)b
Regex options:None
Regex flavors:PCRE 4 and later,Python

以下示例是匹配日期，并要求年份的后两位、月份、日子这三个数字要是一样的。目标字符串【2012-12-12】【2008-08-08】

Named backreferences
bdd(?<magic>dd)-k<magic>-k<magic>b
Regex options:None
Regex flavors:.NET,Ruby 1.9
bdd(?'magic'dd)-k'magic'-k'magic'b
Regex options:None
Regex flavors:.NET,Ruby 1.9

bdd(?P<magic>dd)-(?P=magic)-(?P=magic)b
Regex options:None
Regex flavors:PCRE 4 and later,Python

匹配字符串次数设置

匹配一个数字100次，正则表达式：【bd{100}b】
匹配一个32-bit的十六进制数字，正则表达式：【b[a-f]{1,8}b】
匹配一个可能带有字母"h"的十六进制数字，正则表达式：【b[a-f0-9]{1,8}h?】

解释：

【{n}】表示匹配前面的字符n次
【{n,m}】m大于n，表示匹配前面的字符n次~m次
【h?】等价于【h{0,1}】,表示h不出现，或者出现一次。
【{n,}】表示匹配前缀的字符可以出现n次到无穷次。
【d{1,}】等价于【d+】,表示数字出现1到无穷次。
【d{0,}】等价于【d*】，表示数字出现0到无穷次。

惰性匹配

前面介绍都是贪心匹配，比如【d{3,10}】表达式会贪心匹配数字字符。

惰性匹配是指尽量少匹配，惰性匹配的方法就是在表达式后面加上【?】，比如表达式【d{3,10}?】等价于【d{3}】.

惰性匹配的典型应用是在html/XML代码解析过程中，比如要从test1test2字符串中找到第一个p标签的内容。最容易想到的表达式就是【.*】，但是其实这是个贪心匹配，会匹配第一个到最后一个之间的内容。对应的惰性匹配表达式就是【.*?】,将会匹配第一个与第一个之间的内容。

减少不必要的回溯

这部分将介绍两个名词：占有量词(possessive quantifier)、原子组(atomic group).

假如我们利用贪心量词表达式【bd+b】去匹配目标字符串【1234X】,

【bd++】首先会匹配到【1234】，最后一个【b】匹配失败；
再将【bd++】回溯匹配到【123】，最后一个【b】又匹配失败；
再将【bd++】回溯匹配到【12】，最后一个【b】又匹配失败；
最后【bd++】回溯匹配到【1】，最后一个【b】有匹配失败，最终失败返回。

从以上步骤我们可以看出，贪心匹配又有一个明显的性能缺陷就是它会不断的回溯直至失败。如果目标字符串很长，它就很耗时。

针对贪心匹配的缺陷，有两种解决方法：占有量词、原子组。

占有量词与贪心匹配相似，它会尽量匹配更多的字符。不同点就是当匹配失败时，它不会回溯，它只会在剩余字符串查找匹配结果。

原子组的效果与占有量词是一样的。

下面介绍它们的表示方法。以表达式【d+】为例

贪心匹配表达式：【d+】
占有量词表达式是在贪心表达式加上【+】，形如【d++】,【*+】,【?+】
原子组表达式形如【(?>regex)】，例如【(?>d+)】

减少不必要的回溯

形式：【(?(1)then|else)】

解释：

如果group1的内容被匹配，则接下来匹配then部分。如果group1部分没有匹配就匹配else部分。

在此说明group的概念，一个正则表达式中，每一对括号包含的内容称为一个group，第一个括号的内容称为group1，第二个称为group2.

举例：【(a)b(?(1)c|d)】将会匹配abc或者bd。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!