精通正則表達(dá)式

精通正則表達(dá)式第3版目錄\h第1章正則表達(dá)式入門\h解決實(shí)際問題\h作為編程語言的正則表達(dá)式\h以文件名做類比\h以語言做類比\h正則表達(dá)式的思維框架\h對(duì)于有部分經(jīng)驗(yàn)的讀者\(yùn)h檢索文本文件：Egrep\hEgrep元字符\h行的起始和結(jié)束\h字符組\h用點(diǎn)號(hào)匹配任意字符\h多選結(jié)構(gòu)\h忽略大小寫\h單詞分界符\h小結(jié)\h可選項(xiàng)元素\h其他量詞：重復(fù)出現(xiàn)\h括號(hào)及反向引用\h神奇的轉(zhuǎn)義\h基礎(chǔ)知識(shí)拓展\h語言的差異\h正則表達(dá)式的目標(biāo)\h更多的例子\h正則表達(dá)式術(shù)語匯總\h改進(jìn)現(xiàn)狀\h總結(jié)\h一家之言\h第2章入門示例拓展\h關(guān)于這些例子\hPerl簡單入門\h使用正則表達(dá)式匹配文本\h向更實(shí)用的程序前進(jìn)\h成功匹配的副作用\h錯(cuò)綜復(fù)雜的正則表達(dá)式\h暫停片刻\h使用正則表達(dá)式修改文本\h例子：公函生成程序\h舉例：修整股票價(jià)格\h自動(dòng)的編輯操作\h處理郵件的小工具\(yùn)h用環(huán)視功能為數(shù)值添加逗號(hào)\hText-to-HTML轉(zhuǎn)換\h回到單詞重復(fù)問題\h第3章正則表達(dá)式的特性和流派概覽\h在正則的世界中漫步\h正則表達(dá)式的起源\h最初印象\h正則表達(dá)式的注意事項(xiàng)和處理方式\h集成式處理\h程序式處理和面向?qū)ο笫教幚韁h查找和替換\h其他語言中的查找和替換\h注意事項(xiàng)和處理方式：小結(jié)\h字符串，字符編碼和匹配模式\h作為正則表達(dá)式的字符串\h字符編碼\hUnicode\h正則模式和匹配模式\h常用的元字符和特性\h字符表示法\h字符組及相關(guān)結(jié)構(gòu)\h錨點(diǎn)及其他“零長度斷言”\h注釋和模式修飾符\h分組，捕獲，條件判斷和控制\h高級(jí)話題引導(dǎo)\h第4章表達(dá)式的匹配原理\h發(fā)動(dòng)引擎\h兩類引擎\h新的標(biāo)準(zhǔn)\h正則引擎的分類\h幾句題外話\h測試引擎的類型\h匹配的基礎(chǔ)\h關(guān)于范例\h規(guī)則1：優(yōu)先選擇最左端的匹配結(jié)果\h引擎的構(gòu)造\h規(guī)則2：標(biāo)準(zhǔn)量詞是匹配優(yōu)先的\h表達(dá)式主導(dǎo)與文本主導(dǎo)\hNFA引擎：表達(dá)式主導(dǎo)\hDFA引擎：文本主導(dǎo)\h第一想法：比較NFA與DFA\h回溯\h真實(shí)世界中的例子：面包屑\h回溯的兩個(gè)要點(diǎn)\h備用狀態(tài)\h回溯與匹配優(yōu)先\h關(guān)于匹配優(yōu)先和回溯的更多內(nèi)容\h匹配優(yōu)先的問題\h多字符“引文”\h使用忽略優(yōu)先量詞\h匹配優(yōu)先和忽略優(yōu)先都期望獲得匹配\h匹配優(yōu)先、忽略優(yōu)先和回溯的要旨\h占有優(yōu)先量詞和固化分組\h占有優(yōu)先量詞，？+、＊+、++和{m，n}+\h環(huán)視中的回溯\h多選結(jié)構(gòu)也是匹配優(yōu)先的嗎\h發(fā)掘有序多選結(jié)構(gòu)的價(jià)值\hNFA、DFA和POSIX\h最左最長規(guī)則\hPOSIX和最左最長規(guī)則\h速度和效率\h小結(jié)：NFA與DFA的比較\h總結(jié)\h第5章正則表達(dá)式實(shí)用技巧\h正則表達(dá)式的平衡法則\h若干簡單的例子\h匹配連續(xù)行（續(xù)前）\h匹配IP地址\h處理文件名\h匹配對(duì)稱的括號(hào)\h防備不期望的匹配\h匹配分隔符之內(nèi)的文本\h了解數(shù)據(jù)，做出假設(shè)\h去除文本首尾的空白字符\hHTML相關(guān)范例\h匹配HTMLTag\h匹配HTMLLink\h檢查HTTPURL\h驗(yàn)證主機(jī)名\h在真實(shí)世界中提取URL\h擴(kuò)展的例子\h保持?jǐn)?shù)據(jù)的協(xié)調(diào)性\h解析CSV文件\h第6章打造高效正則表達(dá)式\h典型示例\h稍加修改——先邁最好使的腿\h效率vs準(zhǔn)確性\h繼續(xù)前進(jìn)——限制匹配優(yōu)先的作用范圍\h實(shí)測\h全面考察回溯\hPOSIXNFA需要更多處理\h無法匹配時(shí)必須進(jìn)行的工作\h看清楚一點(diǎn)\h多選結(jié)構(gòu)的代價(jià)很高\(yùn)h性能測試\h理解測量對(duì)象\hPHP測試\hJava測試\hVB.NET測試\hRuby測試\hPython測試\hTcl測試\h常見優(yōu)化措施\h有得必有失\h優(yōu)化各有不同\h正則表達(dá)式的應(yīng)用原理\h應(yīng)用之前的優(yōu)化措施\h通過傳動(dòng)裝置進(jìn)行優(yōu)化\h優(yōu)化正則表達(dá)式本身\h提高表達(dá)式速度的訣竅\h常識(shí)性優(yōu)化\h將文字文本獨(dú)立出來\h將錨點(diǎn)獨(dú)立出來\h忽略優(yōu)先還是匹配優(yōu)先？具體情況具體分析\h拆分正則表達(dá)式\h模擬開頭字符識(shí)別\h使用固化分組和占有優(yōu)先量詞\h主導(dǎo)引擎的匹配\h消除循環(huán)\h方法1：依據(jù)經(jīng)驗(yàn)構(gòu)建正則表達(dá)式\h真正的“消除循環(huán)”解法\h方法2：自頂向下的視角\h方法3：匹配主機(jī)名\h觀察\h使用固化分組和占有優(yōu)先量詞\h簡單的消除循環(huán)的例子\h消除C語言注釋匹配的循環(huán)\h流暢運(yùn)轉(zhuǎn)的表達(dá)式\h引導(dǎo)匹配的工具\(yùn)h引導(dǎo)良好的正則表達(dá)式速度很快\h完工\h總結(jié)：開動(dòng)你的大腦\h第7章Perl\h作為語言組件的正則表達(dá)式\hPerl的長處\hPerl的短處\hPerl的正則流派\h正則運(yùn)算符和正則文字\h正則文字的解析方式\h正則修飾符\h正則表達(dá)式相關(guān)的Perl教義\h表達(dá)式應(yīng)用場合\h動(dòng)態(tài)作用域及正則匹配效應(yīng)\h匹配修改的特殊變量\hqr/…/運(yùn)算符與regex對(duì)象\h構(gòu)建和使用regex對(duì)象\h探究regex對(duì)象\h用regex對(duì)象提高效率\hMatch運(yùn)算符\hMatch的正則運(yùn)算元\h指定目標(biāo)運(yùn)算元\hMatch運(yùn)算符的不同用途\h迭代匹配：ScalarContext，使用/g\hMatch運(yùn)算符與環(huán)境的關(guān)系\hSubstitution運(yùn)算符\h運(yùn)算元replacement\h/e修飾符\h應(yīng)用場合與返回值\hSplit運(yùn)算符\hSplit基礎(chǔ)知識(shí)\h返回空元素\hSplit中的特殊Regex運(yùn)算元\hSplit中帶捕獲型括號(hào)的match運(yùn)算元\h巧用Perl的專有特性\h用動(dòng)態(tài)正則表達(dá)式結(jié)構(gòu)匹配嵌套結(jié)構(gòu)\h使用內(nèi)嵌代碼結(jié)構(gòu)\h在內(nèi)嵌代碼結(jié)構(gòu)中使用local函數(shù)\h關(guān)于內(nèi)嵌代碼和my變量的忠告\h使用內(nèi)嵌代碼匹配嵌套結(jié)構(gòu)\h正則文字重載\h正則文字重載的問題\h模擬命名捕獲\h效率\h辦法不只一種\h表達(dá)式編譯、/o修飾符、qr/…/和效率\h理解“原文”副本\hStudy函數(shù)\h性能測試\h正則表達(dá)式調(diào)試信息\h結(jié)語\h第8章Java\hJava的正則流派\hJava對(duì)\p{…}和\P{…}的支持\hUnicode行終結(jié)符\h使用java.util.regex\hThePpile()Factory\hPattern的matcher方法\hMatcher對(duì)象\h應(yīng)用正則表達(dá)式\h查詢匹配結(jié)果\h簡單查找-替換\h高級(jí)查找-替換\h原地查找-替換\h方法鏈\h構(gòu)建掃描程序\hMatcher的其他方法\hPattern的其他方法\hPattern的split方法，單個(gè)參數(shù)\hPattern的split方法，兩個(gè)參數(shù)\h拓展示例\h為ImageTag添加寬度和高度屬性\h對(duì)于每個(gè)Matcher，使用多個(gè)Pattern校驗(yàn)HTML\h解析CSV文檔\hJava版本差異\h1.4.2和1.5.0之間的差異\h1.5.0和1.6之間的差異\h第9章.NET\h.NET的正則流派\h對(duì)于流派的補(bǔ)充\h使用.NET正則表達(dá)式\h正則表達(dá)式快速入門\h包概覽\h核心對(duì)象概覽\h核心對(duì)象詳解\h創(chuàng)建Regex對(duì)象\h使用Regex對(duì)象\h使用Match對(duì)象\h使用Group對(duì)象\h靜態(tài)“便捷”函數(shù)\h正則表達(dá)式緩存\h支持函數(shù)\h.NET高級(jí)話題\h正則表達(dá)式裝配件\h匹配嵌套結(jié)構(gòu)\hCapture對(duì)象\h第10章PHP\hPHP的正則流派\hPreg函數(shù)接口\h“pattern”參數(shù)\hPreg函數(shù)羅列\(zhòng)hpreg_match\hpreg_match_all\hpreg_replace\hpreg_replace_callback\hpreg_split\hpreg_grep\hpreg_quote\h“缺失”的preg函數(shù)\hpreg_regex_to_pattern\h對(duì)未知的Pattern參數(shù)進(jìn)行語法檢查\h對(duì)未知正則表達(dá)式進(jìn)行語法檢查\h遞歸的正則表達(dá)式\h匹配嵌套括號(hào)內(nèi)的文本\h不能回溯到遞歸調(diào)用之內(nèi)\h匹配一組嵌套的括號(hào)\h效率\h模式修飾符S：“研究”\h擴(kuò)展示例\h用PHP解析CSV\h檢查taggeddata的嵌套正確性注：原文檔電子版（非掃描），需要的請(qǐng)下載本文檔后留言謝謝。第1章正則表達(dá)式入門IntroductiontoRegularExpressions想象一下這幅圖景：你需要檢索某臺(tái)Web服務(wù)器上的頁面中的重復(fù)單詞（例如“thisthis”），進(jìn)行大規(guī)模文本編輯時(shí)，這是一項(xiàng)常見的任務(wù)。程序必須滿足下面的要求：●能檢查多個(gè)文件，挑出包含重復(fù)單詞的行，高亮標(biāo)記每個(gè)重復(fù)單詞（使用標(biāo)準(zhǔn)ANSI的轉(zhuǎn)義字符序列（escapesequence）），同時(shí)必須顯示這行文字來自哪個(gè)文件。●能跨行查找，即使兩個(gè)單詞一個(gè)在某行末尾而另一個(gè)在下一行的開頭，也算重復(fù)單詞?！衲苓M(jìn)行不區(qū)分大小寫的查找，例如‘Thethe…’，重復(fù)單詞之間可以出現(xiàn)任意數(shù)量的空白字符（空格符、制表符、換行符之類）（譯注1）?！衲懿檎矣肏TMLtag分隔的重復(fù)單詞。HTMLtag用于標(biāo)記互聯(lián)網(wǎng)頁上的文本，例如，粗體單詞是這樣表示的：‘…itis＜B＞very＜/B＞veryimportant…’。這些問題并不容易解決，但又不能不解決。我在寫作本書的手稿時(shí)，曾用一個(gè)工具來檢查已經(jīng)寫好的部分，我驚奇地發(fā)現(xiàn)，其中竟有那么多的重復(fù)單詞。能夠解決這種問題的編程語言有許多，但是用支持正則表達(dá)式的語言來處理會(huì)相當(dāng)簡單。正則表達(dá)式（RegularExpression）是強(qiáng)大、便捷、高效的文本處理工具。正則表達(dá)式本身，加上如同一門袖珍編程語言的通用模式表示法（generalpatternnotation），賦予使用者描述和分析文本的能力。配合上特定工具提供的額外支持，正則表達(dá)式能夠添加、刪除、分離、疊加、插入和修整各種類型的文本和數(shù)據(jù)。正則表達(dá)式的使用難度只相當(dāng)于文本編輯器的搜索命令，但功能卻與完整的文本處理語言一樣強(qiáng)大。本書將向讀者展示正則表達(dá)式提高生產(chǎn)率的諸多辦法。它會(huì)教導(dǎo)讀者如何學(xué)會(huì)用正則表達(dá)式來思考（thinkregularexpressions），以便于掌握它們，充分利用它們的強(qiáng)大功能。如果使用當(dāng)今流行的程序設(shè)計(jì)語言，解決重復(fù)單詞問題的完整程序可能僅僅只需要幾行代碼。使用一個(gè)正則表達(dá)式的搜索和替換命令，讀者就可以查找文檔中的重復(fù)單詞，并把它們標(biāo)記為高亮。加上另一個(gè)，你可以刪除所有不包含重復(fù)單詞的行（只留下需要在結(jié)果中出現(xiàn)的行）。最后，利用第三個(gè)正則表達(dá)式，你可以確保結(jié)果中的所有行都以它所在文件的名字開頭。在下一章里，我們會(huì)看到用Perl和Java編寫的程序。宿主語言（例如Perl、Java以及VB.NET）提供了外圍的處理支持，但是真正的能力來自正則表達(dá)式。為了駕馭這種語言，滿足自己的需求，讀者必須知道如何構(gòu)建正則表達(dá)式，才能識(shí)別符合要求的文本，同時(shí)忽略不需要的文本。然后，就可以把表達(dá)式和語言支持的構(gòu)建方式結(jié)合起來，真正處理這些文本（加入合適的高亮標(biāo)記代碼，刪除文本，修改文本，等等）。解決實(shí)際問題SolvingRealProblems掌握正則表達(dá)式，可能帶來超乎你之前想象的文本處理能力。每一天，我都依靠正則表達(dá)式解決各種大大小小的問題（通常的情況是，問題本身并不復(fù)雜，但沒有正則表達(dá)式就成了大問題）。要說明正則表達(dá)式的價(jià)值，可以舉一個(gè)用正則表達(dá)式解決大而重要的問題的例子，但是它不一定能代表正則表達(dá)式在平時(shí)解決的那些“不值一提”（uninteresting）的問題。這里的“不值一提”是指這類問題并不能成為談資，可是不解決它們，你就沒法繼續(xù)干活。舉個(gè)簡單的例子，我需要檢查許多文件（事實(shí)上，本書的手稿存放在70個(gè)文件中），確保每一行中‘SetSize’出現(xiàn)的次數(shù)與‘ResetSize’的一樣多。為了應(yīng)付復(fù)雜的情況，我還需要考慮大小寫的情況（舉例來說，‘setSIZE’也算做‘SetSize’）。人工檢查32000行文字顯然不現(xiàn)實(shí)。即便使用文本編輯器的“單詞查找”功能，也不夠方便，尤其是對(duì)所有文件進(jìn)行同樣的操作，何況還需要考慮所有可能的大小寫情況。正則表達(dá)式就是解決這個(gè)問題的靈丹妙藥。只需要一個(gè)簡單的命令，我就能夠檢查所有的文件，獲得我需要知道的結(jié)果。時(shí)間是：寫命令大概15秒，檢索所有的數(shù)據(jù)實(shí)際只花了2秒。這真是棒極了（如果您想知道這是怎么做到的，不妨現(xiàn)在就翻到第36頁）！再舉一個(gè)例子，我曾幫助一個(gè)朋友處理遠(yuǎn)端機(jī)器上的某些E-mail，他希望我把他郵箱文件中的消息作為列表發(fā)送給他。我可以把整個(gè)文件導(dǎo)入文本編輯器，手工刪除所有信息，只留下郵件頭中的幾行，作為內(nèi)容的列表。盡管文件不是很大，連接速度也不算慢，這樣的任務(wù)還是很耗費(fèi)時(shí)間而且很乏味。而且，窺見他的郵件正文，也令我尷尬。正則表達(dá)式再一次提供了幫助！我用一個(gè)簡單的命令（使用本章稍后提到的一個(gè)常用工具egrep）顯示每封郵件的From：和Subject：字段。為了告訴egrep我需要提取哪些行，我使用了正則表達(dá)式「^（From|Sbuject）：」。朋友得到這個(gè)列表之后，讓我找一封特殊的（5000行?。┼]件。使用文本編輯器或者郵件系統(tǒng)來提取一封郵件無疑非常耗時(shí)。相反，我借助另一個(gè)工具（叫做sed），同樣使用正則表達(dá)式來描述文件中我需要的內(nèi)容。這樣，我能迅速而方便地提取和發(fā)送需要的郵件。使用正則表達(dá)式節(jié)省下來的時(shí)間或許并不能讓人“激動(dòng)”，但總比把時(shí)間消耗在文本編輯器中要好。如果我不知道有正則表達(dá)式這種玩意兒，根本就不會(huì)想到還有別的解決辦法。所以，這個(gè)故事告訴我們，正則表達(dá)式和相關(guān)的工具能夠讓我們以可能未曾想過的方式來解決問題。一旦掌握了正則表達(dá)式，你就會(huì)知道到它簡直是工具中的無價(jià)之寶，你也難以想象之前那些沒有正則表達(dá)式的日子是怎么度過的（注1）。全面掌握正則表達(dá)式是很有用的。本書提供了掌握這種技能所需要的信息，我同時(shí)也希望，這本書也提供了促使你學(xué)習(xí)的動(dòng)機(jī)。作為編程語言的正則表達(dá)式RegularExpressionsasaLanguage如果沒有正則表達(dá)式相關(guān)經(jīng)驗(yàn)，讀者可能無法理解上個(gè)例子中正則表達(dá)式「^（From|Subject）：」的意義，但是這個(gè)表達(dá)式并沒有什么神奇之處。其實(shí)魔術(shù)本身也不神奇，只是缺乏訓(xùn)練的普通觀眾不明白魔術(shù)師掌握的那些技巧而已。如果你也懂得如何在手中藏一張牌，那么，熟練之后，你也可以“變魔術(shù)”。外語也是這樣——一旦掌握了一門外語，你就不會(huì)覺得它像天書了。以文件名做類比TheFilenameAnalogy選擇這本書的讀者，大概對(duì)“正則表達(dá)式”多少有點(diǎn)認(rèn)識(shí)。即便沒有，也應(yīng)該熟悉其中的基本概念。我們都知道，report.txt是一個(gè)文件名，但是，如果你用過Unix或者DOS/Windows的話，就會(huì)知道“＊.txt”能夠用來選擇多個(gè)文件。在此類文件名（稱為“文件群組”fileglobs或者“通配符”wildcards）中，有些字符具有特殊的意義。星號(hào)表示“任意文本”，問號(hào)表示“任意單個(gè)字符”。所以，文件群組“＊.txt”以能夠匹配字符的「＊」符號(hào)開頭，以普通文字「.txt」結(jié)尾，所以，它的意思是：選擇以任意文本開頭，以.txt結(jié)尾的所有文件。大多數(shù)系統(tǒng)都提供了少量的附加特殊字符（additionalspecialcharacters），但是，總的來說，這些文件名模式（filenamepatterns）的表達(dá)能力還很有限。不過，因?yàn)檫@類問題的領(lǐng)域很狹窄——只涉及文件名，所以這算不上缺陷。不過，處理普通的文本就沒有這么簡單了。散文、詩、程序代碼、報(bào)表、HTML、表格、單詞表……到你想得出的任何文本。如果某種特殊的需求足夠?qū)I(yè)，例如“選擇文件”，我們可以發(fā)明一些特殊的辦法和工具來解決問題。不過，近年來，一種“通用的模式語言”（generalizedpatternlanguage）已經(jīng)發(fā)展起來，它功能強(qiáng)大，描述能力也很強(qiáng)，可以用來解決各種問題。不同的程序以不同的方式來實(shí)現(xiàn)和使用這種語言，但是綜合來說，這種功能強(qiáng)大的模式語言和模式本身被稱為“正則表達(dá)式”（regularexpression）。以語言做類比TheLanguageAnalogy完整的正則表達(dá)式由兩種字符構(gòu)成。特殊字符（specialcharacters，例如文件名例子中的＊）稱為“元字符”（metacharacters），其他為“文字”（literal），或者是普通文本字符（normaltextcharacters）。正則表達(dá)式與文件名模式（filenamepattern）的區(qū)別就在于，正則表達(dá)式的元字符提供了更強(qiáng)大的描述能力。文件名模式只為有限的需求提供了有限的元字符，但是正則表達(dá)式“語言”為高級(jí)應(yīng)用提供了豐富而且描述力極強(qiáng)的元字符。為了便于理解，我們可以把正則表達(dá)式想象為普通的語言，普通字符對(duì)應(yīng)普通語言中的單詞，而元字符對(duì)應(yīng)語法。根據(jù)語言的規(guī)則，按照語法把單詞組合起來，就會(huì)得到能傳達(dá)思想的文本。在E-mail的例子中，我用正則表達(dá)式來尋找以‘From：’或者‘Subject：’開頭的行。下畫線標(biāo)注的就是特殊字符，稍后我們將解釋它們的含義。就像學(xué)習(xí)任何一門外語一樣，第一眼看上去，正則表達(dá)式很不好理解。這也是那些對(duì)它只有粗淺了解或者根本不了解的人覺得正則表達(dá)式很神奇的原因。但是，就像學(xué)日語的人很快就能理解正規(guī)表現(xiàn)は簡簡だよ?。ㄗ?）一樣，讀者很快也能夠徹底明白下面這個(gè)正則表達(dá)式的含義：s!＜emphasis＞([0-9]+(\.[0-9]+){3})＜/emphasis＞!＜inet＞$1＜/inet＞!這個(gè)例子取自一個(gè)Perl腳本，我的編輯器用它來修改手稿。手稿的作者錯(cuò)誤地使用了＜emphasis＞這個(gè)tag來標(biāo)注IP地址（類似2這樣由數(shù)字和點(diǎn)號(hào)構(gòu)成的字符串）。其中的奧妙就在于使用Perl的文本替換命令，使用：「＜emphasis＞([0-9]+(\.[0-9]+){3})＜/emphasis＞」把IP地址兩端的tag替換為＜inet＞，而不改動(dòng)其他的＜emphasis＞標(biāo)簽。在后面的章節(jié)中，讀者會(huì)了解這個(gè)表達(dá)式的構(gòu)造細(xì)節(jié)，然后就能按照自己的需求，在自己的應(yīng)用程序或者開發(fā)語言中應(yīng)用這些技巧。本書的目的你或許不需要重復(fù)把＜emphasis＞替換為＜inet＞的工作，不過很可能需要解決“把這些文字替換為那些文字”的問題。本書的目的不是提供具體問題的解決辦法，而是教會(huì)讀者利用正則表達(dá)式來思考，解決遇到的各種問題。正則表達(dá)式的思維框架TheRegular-ExpressionFrameofMind我們將會(huì)看到，完整的正則表達(dá)式由小的構(gòu)建模塊單元（buildingblockunit）組成。每個(gè)單獨(dú)的構(gòu)建模塊都很簡單，不過因?yàn)樗鼈兡軌蛞詿o窮多種方式組合，將它們結(jié)合起來實(shí)現(xiàn)特殊目標(biāo)必須依靠經(jīng)驗(yàn)。所以，本章提供了有關(guān)正則表達(dá)式的若干概念的總體描述。這一章并沒有艱深的內(nèi)容，而是為本書其余章節(jié)的知識(shí)打下基礎(chǔ)，在深入探索正則表達(dá)式之前，把相關(guān)事宜闡釋清楚。某些例子看起來可能有點(diǎn)無聊（因?yàn)樗鼈兇_實(shí)無聊），但它們代表了一類需要完成的任務(wù)，只是讀者目前可能還沒有意識(shí)到。即使覺得每個(gè)例子的意義都不大也不必?fù)?dān)心，慢慢理解其中的道理就好。這就是本章的目的。對(duì)于有部分經(jīng)驗(yàn)的讀者IfYouHaveSomeRegular-ExpressionExperience如果讀者已經(jīng)熟悉正則表達(dá)式，這些綜述便沒有太大價(jià)值，但務(wù)必不要忽略它們。你或許明白某些元字符的基本意義，但某些思維和看待正則表達(dá)式的方式可能是你不了解的。就像真正懂演奏和僅僅會(huì)彈奏之間差別迥異一樣，了解正則表達(dá)式和真正理解正則表達(dá)式并不是一回事。某些內(nèi)容可能會(huì)重復(fù)讀者已經(jīng)了解的知識(shí)，但方式可能與之前的不同，而且這些方式正是真正理解正則表達(dá)式的第一步。檢索文本文件：EgrepSearchingTextFiles:Egrep文本檢索是正則表達(dá)式最簡單的應(yīng)用之一——許多文本編輯器和文字處理軟件都提供了正則表達(dá)式檢索的功能。最簡單的就是egrep。在指定了正則表達(dá)式和需要檢索的文件之后，egrep會(huì)嘗試用正則表達(dá)式來匹配每個(gè)文件的每一行，并顯示能夠匹配的行。許多系統(tǒng)——例如DOS、MacOS、Windows、Unix等等——都對(duì)應(yīng)有免費(fèi)提供的egrep。在本書的網(wǎng)頁http：//上可以找到獲得對(duì)應(yīng)讀者操作系統(tǒng)的egrep拷貝的鏈接?；氐降?頁的E-mail的例子，真正用來從E-mail文件中提取結(jié)果的命令如圖1-1所示。egrep把第一個(gè)命令行參數(shù)視為一個(gè)正則表達(dá)式，剩下的參數(shù)作為待搜檢索的文件名。注意，圖1-1中的單引號(hào)并不是正則表達(dá)式的一部分，而是根據(jù)commandshell需要添加的（注3）。使用egrep時(shí)，我通常用單引號(hào)來包圍正則表達(dá)式。如果要在支持對(duì)正則表達(dá)式提供了完整支持的程序設(shè)計(jì)語言中使用正則表達(dá)式——這是下一章開頭的內(nèi)容，重要的問題是知道特殊字符有哪些，具體文本是什么，針對(duì)什么對(duì)象（什么表達(dá)式，什么工具軟件），以及按何種順序解釋這些字符。圖1-1：通過命令行調(diào)用egrep我們馬上就能明白，這個(gè)正則表達(dá)式的各個(gè)部分都是什么意思，但已經(jīng)知道某些字符具有特殊含義的讀者或許能夠猜出大概了。在這里，「^」和「|」都是正則表達(dá)式的元字符，它們與其他字符結(jié)合起來，實(shí)現(xiàn)我們期望的功能。如果一個(gè)正則表達(dá)式不包括任何egrep支持的元字符，它就成了一個(gè)簡單的“純文本”檢索。例如，在一個(gè)文件中檢索「cat」，會(huì)顯示任何包含c·a·t這3個(gè)連續(xù)字母的行。例如，它包括所有出現(xiàn)了的行。即便這行文本中不包含單詞cat，vacation中包含的c·a·t序列仍然符合匹配條件。如果某行中包含vacation，egrep就會(huì)把它顯示出來。關(guān)鍵就在于，此處進(jìn)行的正則表達(dá)式搜索不是基于“單詞”的——egrep能夠理解文件中的字節(jié)和行，但它完全不理解英語（或者其他任何語言）的單詞、句子、段落，或者是其他復(fù)雜概念。Egrep元字符EgrepMetacharacters現(xiàn)在我們來看egrep中支持正則表達(dá)式功能的元字符。我會(huì)用幾個(gè)例子來簡要介紹它們，把詳細(xì)的例子和描述留到后面的章節(jié)。印刷體例在開始之前，請(qǐng)務(wù)必回顧前言第V頁上解釋的體例說明。本書使用了一些新的文字形式，所以某些體例讀者初次接觸可能并不熟悉。行的起始和結(jié)束StartandEndoftheLine或許最容易理解的元字符就是脫字符號(hào)「^」和美元符號(hào)「$」了，在檢查一行文本時(shí)，「^」代表一行的開始，「$」代表結(jié)束。我們?cè)?jīng)看到，正則表達(dá)式「cat」尋找的是一行文本中任意位置的c·a·t，但是「^cat」只尋找行首的c·a·t——「^」用來把匹配文本（這個(gè)表達(dá)式的其他部分匹配的字符）“錨定”（anchor）在這一行的開頭。同樣，「cat$」只尋找位于行末的c·a·t，例如以scat結(jié)尾的行。讀者最好能養(yǎng)成按照字符來理解正則表達(dá)式的習(xí)慣。例如，不要這樣：「^cat」匹配以cat開頭的行而應(yīng)該這樣理解：「^cat」匹配的是以c作為一行的第一個(gè)字符，緊接一個(gè)a，緊接一個(gè)t的文本。這兩種理解的結(jié)果并無差異，但按照字符來解讀更易于明白新遇到的正則表達(dá)式的內(nèi)部邏輯。egrep會(huì)如何解釋「^cat$」、「^$」和單個(gè)的「^」呢？?請(qǐng)翻到下頁查看答案。脫字符號(hào)和美元符號(hào)的特別之處就在于，它們匹配的是一個(gè)位置，而不是具體的文本。當(dāng)然，有很多方式可以匹配具體文本。在正則表達(dá)式中，除了使用「cat」之類的普通字符，還可以使用下面幾節(jié)介紹的元字符。字符組CharacterClasses匹配若干字符之一如果我們需要搜索的是單詞“grey”，同時(shí)又不確定它是否寫作“gray”，就可以使用正則表達(dá)式結(jié)構(gòu)體（construct）「[…]」。它容許使用者列出在某處期望匹配的字符，通常被稱作字符組（characterclass（譯注2））?！竐」匹配字符e，「a」匹配字符a，而正則表達(dá)式「[ea]」能匹配a或者e。所以，「gr[ea]y」的意思是：先找到g，跟著是一個(gè)r，然后是一個(gè)a或者e，最后是一個(gè)y。我很不擅長拼寫，所以總是用正則表達(dá)式從一大堆英文單詞中找到正確的拼寫。我經(jīng)常使用的一個(gè)正則表達(dá)式是「sep[ea]r[ea]te」，因?yàn)槲覐膩矶加洸蛔∵@個(gè)單詞到底是寫作“seperate”，“separate”，“separete”，還是別的什么樣子。匹配的結(jié)果的就是正確的拼法，而正則表達(dá)式就是我的領(lǐng)路人。請(qǐng)注意，在字符組以外，普通字符（例如「gr[ae]y」中的「g」和「r」）都有“接下來是（andthen）”的意思——“首先匹配「g」，接下來是「r」……”。這與字符組內(nèi)部的情況是完全相反的。字符組的內(nèi)容是在同一個(gè)位置能夠匹配的若干字符，所以它的意思是“或”。來看另一個(gè)例子，我們還必須考慮單詞的第一個(gè)字母為大寫的情況，例如「[Ss]mith」。請(qǐng)記住，這個(gè)表達(dá)式仍然能夠匹配內(nèi)嵌在其他單詞里頭的smith（或者是Smith），例如blacksmith。在綜述階段，我不打算為這種情況費(fèi)太多筆墨，但是這確實(shí)是某些新手遇到的問題的根源。等了解了更多的元字符以后，我會(huì)介紹一些辦法來解決單詞嵌套的問題。在一個(gè)字符組中可以列舉任意多個(gè)字符。例如「[123456]」匹配1到6中的任意一個(gè)數(shù)字。這個(gè)字符組可以作為「＜H[123456]＞」的一部分，用來匹配＜H1＞、＜H2＞、＜H3＞等等。在搜索HTML代碼的頭文件時(shí)這非常有用。在字符組內(nèi)部，字符組元字符（character-classmetacharacter）‘-’（連字符）表示一個(gè)范圍：「＜H[1-6]＞」與「＜H[123456]＞」是完全一樣的?！竅0-9]」和「[a-z]」是常用的匹配數(shù)字和小寫字母的簡便方式。多重范圍也是容許的，例如「[0123456789abcdefABCDEF]」可以寫作「[0-9a-fA-F]」（或者也可以寫作「[A-Fa-f0-9]」，順序無所謂）。這3個(gè)正則表達(dá)式非常適用于處理十六進(jìn)制數(shù)字。我們還可以隨心所欲地把字符范圍與普通文本結(jié)合起來：「[0-9A-Z_！.？]」能夠匹配一個(gè)數(shù)字、大寫字母、下畫線、驚嘆號(hào)、點(diǎn)號(hào)，或者是問號(hào)。請(qǐng)注意，只有在字符組內(nèi)部，連字符才是元字符——否則它就只能匹配普通的連字符號(hào)。其實(shí)，即使在字符組內(nèi)部，它也不一定就是元字符。如果連字符出現(xiàn)在字符組的開頭，它表示的就只是一個(gè)普通字符，而不是一個(gè)范圍。同樣的道理，問號(hào)和點(diǎn)號(hào)通常被當(dāng)作元字符處理，但在字符組中則不是如此（說明白一點(diǎn)就是，「[0-9A-Z_！.？]」里面，真正的特殊字符就只有那兩個(gè)連字符）。不妨把字符組看作獨(dú)立的微型語言。在字符組內(nèi)部和外部，關(guān)于元字符的規(guī)定（哪些是元字符，以及它們的意義）是不同的。我們很快就會(huì)看到更多的例子。排除型字符組用「[^…]」取代「[…]」，這個(gè)字符組就會(huì)匹配任何未列出的字符。例如，「[^1-6]」匹配除了1到6以外的任何字符。這個(gè)字符組中開頭的「^」表示“排除（negate）”，所以這里列出的不是希望匹配的字符，而是不希望匹配的字符。讀者可能注意到了，這里的^和第8頁的表示行首的脫字符是一樣的。字符確實(shí)相同，但意義截然不同。英語里的“wind”，根據(jù)情境的不同，可能表示一陣強(qiáng)烈的氣流（風(fēng)），也可能表示給鐘表上發(fā)條；元字符也是如此。我們已經(jīng)看過用來表示范圍的連字符的例子。只有在字符組內(nèi)部（而且不是第一個(gè)字符的情況下），連字符才能表示范圍。在字符組外部，^表示一個(gè)行錨點(diǎn)（lineanchor），但是在字符組內(nèi)部（而且必須是緊接在字符組的第一個(gè)方括號(hào)之后），它就是一個(gè)元字符。請(qǐng)不要擔(dān)心——這就是最復(fù)雜的情況，接下來的內(nèi)容比這簡單。來看另一個(gè)例子，我們需要在一堆英文單詞中搜索出一些特殊的單詞：在這些單詞中，字母q后面的字母不是u。用正則表達(dá)式來表示，就是「q[^u]」。用這個(gè)正則表達(dá)式來搜索我手頭的數(shù)據(jù)，確實(shí)得到了一些結(jié)果，但顯然不多，其中還有些是我沒見過的英文單詞。下面是結(jié)果（我輸入的命令用粗體表示）：其中有兩個(gè)單詞值得注意：伊拉克“Iraq”和澳大利亞航空公司的名字“Qantas”。盡管它們都在word.list文件中，但都不包含在egrep結(jié)果中。為什么呢？?請(qǐng)動(dòng)動(dòng)腦筋，然后翻到下一頁來檢查你的答案。請(qǐng)記住，排除型字符組表示“匹配一個(gè)未列出的字符（matchacharacterthat'snotlisted）”，而不是“不要匹配列出的字符（don'tmatchwhatislisted）”。這兩種說法看起來一樣，但是Iraq的例子說明了其中的細(xì)微差異。有一種簡單的理解排除型字符組的辦法，就是把它們看作普通的字符組，里面包含的是除了“排除型字符組中所有字符”以外的字符。用點(diǎn)號(hào)匹配任意字符MatchingAnyCharacterwithDot元字符「.」（通常稱為點(diǎn)號(hào)dot或者小點(diǎn)point）是用來匹配任意字符的字符組的簡便寫法。如果我們需要在表達(dá)式中使用一個(gè)“匹配任何字符”的占位符（placeholder），用點(diǎn)號(hào)就很方便。例如，如果我們需要搜索03/19/76、03-19-76或者03.19.76，不怕麻煩的話用一個(gè)明確容許‘/’、‘-’、‘.’的字符組來構(gòu)建正則表達(dá)式，例如「03[-./]19[-./]76」。也可以簡單地嘗試「03.19.76」。讀者第一次接觸這個(gè)表達(dá)式時(shí)，可能還不清楚某些情況。在「03[-./]19[-./]76」中，點(diǎn)號(hào)并不是元字符，因?yàn)樗鼈冊(cè)谧址M內(nèi)部（記住，在字符組里面和外面，元字符的定義和意義是不一樣的）。這里的連字符同樣也不是元字符，因?yàn)樗鼈兌季o接在[或者[^之后。如果連字符不在字符組的開頭，例如「[.-/]」，就是用來表示范圍的，在本例中就是錯(cuò)誤的用法。在「03.19.76」中，點(diǎn)號(hào)是元字符——它能夠匹配任意字符（包括我們期望的連字符、句號(hào)和斜線）。不過，我們也需要明白，點(diǎn)號(hào)可以匹配任何字符，所以這個(gè)正則表達(dá)式也能夠匹配下面的字符串：‘lotterynumbers：所以，「03[-./]19[-./]76」更加精確，但是更難讀，也更難寫?！?3.19.76」更容易理解，但是不夠細(xì)致。我們應(yīng)該選擇哪一個(gè)呢？這取決于你對(duì)需要檢索的文本的了解，以及你需要達(dá)到的準(zhǔn)確程度。一個(gè)重要但常見的問題是，寫正則表達(dá)式時(shí)，我們需要在對(duì)欲檢索文本的了解程度與檢索精確性之間求得平衡。例如，如果我們知道，針對(duì)某個(gè)檢索文本，「03.19.76」這個(gè)正則表達(dá)式基本不可能匹配不期望的結(jié)果，使用它就是合理的。要想正確使用正則表達(dá)式，清楚地了解目標(biāo)文本是非常重要的。多選結(jié)構(gòu)Alternation匹配任意子表達(dá)式「|」是一個(gè)非常簡捷的元字符，它的意思是“或”（or）。依靠它，我們能夠把不同的子表達(dá)式組合成一個(gè)總的表達(dá)式，而這個(gè)總的表達(dá)式又能夠匹配任意的子表達(dá)式。假如「Bob」和「Robert」是兩個(gè)表達(dá)式，但「Bob|Robert」就是能夠同時(shí)匹配其中任意一個(gè)的正則表達(dá)式。在這樣的組合中，子表達(dá)式稱為“多選分支（alternative）”。回頭來看「gr[ea]y」的例子，有意思的是，它還可以寫作「grey|gray」，或者是「gr（a|e）y」。后者用括號(hào)來劃定多選結(jié)構(gòu)的范圍（正常情況下，括號(hào)也是元字符）。請(qǐng)注意，「gr[a|e]y」不符合我們的要求——在這里，‘|’只是一個(gè)和「a」與「e」一樣的普通字符。對(duì)表達(dá)式「gr（a|e）y」來說，括號(hào)是必須的，因?yàn)槿绻麤]有括號(hào)，「gra|ey」的意思就成了“「gra」或者「ey」”，而這不符合我們的要求。多選結(jié)構(gòu)可以包括很多字符，但不能超越括號(hào)的界限。另一個(gè)例子是「（First|1st）·[Ss]treet」（注5）。事實(shí)上，因?yàn)椤窮irst」和「1st」都以「st」結(jié)尾，我們可以把這個(gè)結(jié)合體縮略表示為「（Fir|1）st·[Ss]treet」。這樣可能不容易看得清楚，但我們知道「（First|1st）」與「（fir|1）st」表示的是同一個(gè)意思。下面是一些用多選結(jié)構(gòu)來拼寫我名字的例子。這3個(gè)表達(dá)式是一樣的，請(qǐng)仔細(xì)比較：英國拼寫法如下：最后要注意的是，這3個(gè)表達(dá)式其實(shí)與下面這個(gè)更長（但是更簡單）的表達(dá)式是等價(jià)的：「Jeffrey|Geoffery|Jeffery|Geoffrey」。它們只是“殊途同歸”而已。「gr[ea]y」與「gr（a|e）y」的例子可能會(huì)讓人覺得多選結(jié)構(gòu)與字符組沒太大的區(qū)別，但是請(qǐng)留神不要混淆這兩個(gè)概念。一個(gè)字符組只能匹配目標(biāo)文本中的單個(gè)字符，而每個(gè)多選結(jié)構(gòu)自身都可能是完整的正則表達(dá)式，都可以匹配任意長度的文本。字符組基本可以算是一門獨(dú)立的微型語言（例如，對(duì)于元字符，它們有自己的規(guī)定），而多選結(jié)構(gòu)是“正則表達(dá)式語言主體（mainregularexpressionlanguage）”的一部分。你將會(huì)發(fā)現(xiàn)，這兩者都非常有用。同樣，在一個(gè)包含多選結(jié)構(gòu)的表達(dá)式中使用脫字符和美元符的時(shí)候也要小心。比較「^From|Subject|Date：·」和「^（From|Subject|Date）：·」就會(huì)發(fā)現(xiàn)，雖然它們看起來與之前的E-mail的例子很相似，匹配結(jié)果（即它們的用處）卻大不相同。第一個(gè)表達(dá)式由3個(gè)多選分支構(gòu)成，所以它能匹配「^From」或者「Subject」或者「Date：·」，實(shí)用性不大。我們希望在每一個(gè)多選分支之前都有脫字符，之后都有「：·」。所以應(yīng)該使用括號(hào)來“限制”（constrain）這些多選分支：「^(From|Subject|Date):·」現(xiàn)在3個(gè)多選分支都受括號(hào)的限制，所以，這個(gè)正則表達(dá)式的意思是：匹配一行的起始位置，然后匹配「^From」、「Subject」或「Date」中的任意一個(gè)，然后匹配「：·」，所以，它能夠匹配的文本是：1）行起始，然后是F·r·o·m，然后是‘：·’，或者2）行起始，然后是S·u·b·j·e·c·t，然后是‘：·’，或者3）行起始，然后是D·a·t·e，然后是‘：·’。簡單點(diǎn)說，就是匹配以‘From：·’，‘Subject：·’或者‘Date：·’開頭的文本行，在提取E-mail文件中的信息時(shí)這很有用。下面是一個(gè)例子：忽略大小寫IgnoringDifferencesinCapitalizationE-mailheader的例子很適合用來說明不區(qū)分大小寫（case-insensitive）的匹配的概念。E-mailheader中的字段類型（fieldtype）通常是以大寫字母開頭的，例如“Subject”和“From”，但是E-mail標(biāo)準(zhǔn)并沒有對(duì)大小寫進(jìn)行嚴(yán)格的規(guī)定，所以“DATE”或者“from”也是合法的字段類型。但是，之前使用的正則表達(dá)式無法處理這種情況。一種辦法是用「[Ff][Rr][Oo][Mm]」取代「From」，這樣就能匹配任何形式的“from”，但缺點(diǎn)之一就是很不方便。幸好，我們有一種辦法告訴egrep在比較時(shí)忽略大小寫，也就是進(jìn)行不區(qū)分大小寫的匹配，這樣就能忽略大小寫字母的差異。該功能并不是正則表達(dá)式語言的一部分，卻是許多工具軟件提供的有用的相關(guān)特性。egrep的命令行參數(shù)“-i”表示進(jìn)行忽略大小寫的匹配。把-i寫在正則表達(dá)式之前：%egrep-i'^(From|Subject|Date):'mailbox結(jié)果除了包括之前的內(nèi)容外，還包含這一行：SUBJECT:MAKEMONEYFAST我使用-i參數(shù)的頻率很高（也許與第12頁的注解有關(guān)），所以我推薦讀者記住它。在下面的章節(jié)中我們還會(huì)見到其他的簡捷特性。單詞分界符WordBoundaries使用正則表達(dá)式時(shí)經(jīng)常會(huì)遇到的一個(gè)問題，期望匹配的“單詞”包含在另一個(gè)單詞之中。在cat、gray和Smith的例子中，我曾提到過這個(gè)問題。不過，某些版本的egrep對(duì)單詞識(shí)別提供了有限的支持：也就是單詞分界符（單詞開頭和結(jié)束的位置）的匹配。如果你的egrep支持“元字符序列（metasequences）”「\＜」和「\＞」，就可以使用它們來匹配單詞分界的位置?？梢园阉鼈兿胂鬄閱卧~版本的「^」和「$」，分別用來匹配單詞的開頭和結(jié)束位置。就像作為行錨點(diǎn)的脫字符和美元符一樣，它們錨定了正則表達(dá)式的其他部分，但在匹配過程中并不對(duì)應(yīng)到任何字符。表達(dá)式「\＜cat\＞」的意思是“匹配單詞的開頭位置，然后是c·a·t這3個(gè)字母，然后是單詞的結(jié)束位置”。更直接點(diǎn)說就是“匹配cat這個(gè)單詞”。如果讀者愿意，也可以用「\＜cat」和「cat\＞」來匹配以cat開頭和結(jié)束的單詞。請(qǐng)注意，「＜」和「＞」本身并不是元字符——只有當(dāng)它們與斜線結(jié)合起來的時(shí)候，整個(gè)序列才具有特殊意義。這就是我稱其為“元字符序列”的原因。重要的是它們的特殊意義，而不是字符的個(gè)數(shù)，所以我說的“元字符”和“元（字符）序列”大多數(shù)時(shí)候是等價(jià)的。請(qǐng)記住，并不是所有版本的egrep都支持單詞分界符，即使是支持的版本也不見得聰明到能“認(rèn)得出”英語單詞?！皢卧~的起始位置”只不過是一系列字母和數(shù)字符號(hào)（alphanumericcharacters）開始的位置，而“結(jié)束位置”就是它們結(jié)尾的地方。下一頁的圖1-2說明了一行簡單文本中的單詞分界符。（egrep認(rèn)定的）單詞開頭位置用向上的箭頭標(biāo)識(shí)，單詞結(jié)束位置用向下的箭頭標(biāo)識(shí)。我們看到，“單詞的開始和結(jié)束”準(zhǔn)確地說是“字母數(shù)字符號(hào)的開始和結(jié)束”，不過這樣說太麻煩了。圖1-2：“單詞”的起始和結(jié)束位置小結(jié)InaNutshell表1-1總結(jié)了我們已經(jīng)介紹過的元字符。表1-1：至今為止所見的元字符小結(jié)另外還有幾點(diǎn)需要注意：●在字符組內(nèi)部，元字符的定義規(guī)則（及它們的意義）是不一樣的。例如，在字符組外部，點(diǎn)號(hào)是元字符，但是在內(nèi)部則不是如此。相反，連字符只有在字符組內(nèi)部（這是普遍情況）才是元字符，否則就不是。脫字符在字符組外部表示一個(gè)意思，在字符組內(nèi)部緊接著[時(shí)表示另一個(gè)意思，其他情況下又表示別的意思。●不要混淆多選項(xiàng)和字符組。字符組「[abc]」和多選項(xiàng)「（a|b|c）」固然表示同一個(gè)意思，但是這個(gè)例子中的相似性并不能推廣開來。無論列出的字符有多少，字符組只能匹配一個(gè)字符。相反，多選項(xiàng)可以匹配任意長度的文本，每個(gè)多選項(xiàng)可能匹配的文本都是獨(dú)立的，例如「\＜（1，000，000|million|thousand·thou）\＞」。不過，多選項(xiàng)沒有像字符組那樣的排除功能?！衽懦妥址M是表示所有未列出字符的字符組的簡便方法。因此，「[^x]」的意思并不是“只有當(dāng)這個(gè)位置不是x時(shí)才能匹配”，而是說“匹配一個(gè)不等于x的字符”。其中的差別很細(xì)微，但很重要。例如，前面的概念可以匹配一個(gè)空行，而「[^x]」則不行?！?i參數(shù)規(guī)定在匹配時(shí)不區(qū)分大小寫（?15）（注6）。●目前介紹過的知識(shí)都很有用，但“可選項(xiàng)（optional）”和“計(jì)數(shù)（counting）”元素更重要，下文將馬上介紹?？蛇x項(xiàng)元素OptionalItems現(xiàn)在來看color和colour的匹配。它們的區(qū)別在于，后面的單詞比前面的多一個(gè)u，我們可以用「colou？r」來解決這個(gè)問題。元字符「？」（也就是問號(hào)）代表可選項(xiàng)。把它加在一個(gè)字符的后面，就表示此處容許出現(xiàn)這個(gè)字符，不過它的出現(xiàn)并非匹配成功的必要條件?！竨？」這個(gè)元字符與我們之前看到的元字符都不相同，它只作用于之前緊鄰的元素。因此，「colou？r」的意思是：「c」，然后是「o」，然后是「l」，然后是「o」，然后是「u？」，最后是「r」。「u？」是必然能夠匹配成功的，有時(shí)它會(huì)匹配一個(gè)u，其他時(shí)候則不匹配任何字符。關(guān)鍵在于，無論u是否出現(xiàn)，匹配都是成功的。但這并不等于，任何包含？的正則表達(dá)式都永遠(yuǎn)能匹配成功。例如，「colo」和「u？」都能在‘semicolon’中匹配成功（前者匹配單詞中的colo，后者什么字符都沒有匹配）。可是最后的「r」無法匹配，因此，最終「colou？r」無法匹配semicolon。來看另一個(gè)例子，我們需要匹配表示7月4日（Julyfourth）的文本，其中月份可能寫作July或是Jul，而日期可能寫作fourth、4th或者是4。顯然，我們可以使用「（July|Jul）·（fourth|4th|4）」，但也可以找些其他的辦法來解決這個(gè)問題。首先，我們把「（July|Jul）」縮短為「（July？）」。你明白這種等價(jià)變換嗎？刪除「|」之后，就沒必要保留括號(hào)了。當(dāng)然保留也可以，但不保留括號(hào)顯得更整潔一些。于是我們得到「July？·（fourth|4th|4）」。現(xiàn)在來看第二部分，我們可以把「4th|4」簡化為「4（th）？」。我們看到，現(xiàn)在「？」作用的元素是整個(gè)括號(hào)了。括號(hào)內(nèi)的表達(dá)式可以任意復(fù)雜，但是“從括號(hào)外來看”它們是個(gè)整體。界定「？」的作用對(duì)象（還可以劃定我即將介紹的其他類似元字符的作用對(duì)象）是括號(hào)的主要用途之一。我們的表達(dá)式現(xiàn)在成了「July？·（fourth|4（th）？）」。盡管它包含了許多元字符，而且有嵌套的括號(hào)，但理解起來并不困難。我們花了相當(dāng)?shù)墓し騺碇v解這兩個(gè)簡單的例子，但同時(shí)也接觸到了一些相關(guān)的知識(shí)，它們相當(dāng)有助于——或許你現(xiàn)在還意識(shí)不到——我們理解正則表達(dá)式。同樣，通過這些講解，我們也積累了依靠不同思路解決問題的經(jīng)驗(yàn)。在閱讀本書（同時(shí)也是在加深理解）尋找復(fù)雜問題的最優(yōu)解決方案的過程中，你可能會(huì)發(fā)現(xiàn)靈感可能在不斷涌現(xiàn)。正則表達(dá)式不是死板的教條，它更像是門藝術(shù)。其他量詞：重復(fù)出現(xiàn)OtherQuantifiers:Repetition「+」（加號(hào)）和「＊」（星號(hào)）的作用與問號(hào)類似。元字符「+」表示“之前緊鄰的元素出現(xiàn)一次或多次”，而「＊」表示“之前緊鄰的元素出現(xiàn)任意多次，或者不出現(xiàn)”。換種說法就是，「…＊」表示“匹配盡可能多的次數(shù)，如果實(shí)在無法匹配，也不要緊”?！浮?」的意思與之類似，也是匹配盡可能多的次數(shù)，但如果連一次匹配都無法完成，就報(bào)告失敗。問號(hào)、加號(hào)和星號(hào)這3個(gè)元字符，統(tǒng)稱為量詞（quantifiers），因?yàn)樗鼈兿薅怂饔迷氐钠ヅ浯螖?shù)。與「…？」一樣，正則表達(dá)式中的「…＊」也是永遠(yuǎn)不會(huì)匹配失敗的，區(qū)別只在于它們的匹配結(jié)果。而「…+」在無法進(jìn)行任何一次匹配時(shí)，會(huì)報(bào)告匹配失敗。舉例來說，「·？」能夠匹配一個(gè)可能出現(xiàn)的空格，但是「·＊」能夠匹配任意多個(gè)空格。我們可以用這些量詞來簡化第9頁＜H[1-6]＞的例子。按照HTML規(guī)范（注7），在tag結(jié)尾的＞字符之前，可以出現(xiàn)任意長度的空格，例如＜H3·＞或者＜H4···＞。把「·＊」加入正則表達(dá)式中的可能出現(xiàn)（但不是必須）空格的位置，就得到「H[1-6]·＊」。它仍然能夠匹配＜H1＞，因?yàn)榭崭癫⒉皇潜仨毘霈F(xiàn)的，但其他形式的tag也能匹配。接下來看類似＜HR·SIZE=14＞這樣的HTMLtag，它表示一條高度為14像素的穿越屏幕的水平線。與＜H3＞的例子一樣，在最后的尖括號(hào)之前可以出現(xiàn)任意多個(gè)空格。此外，在等號(hào)兩邊也容許出現(xiàn)任意多個(gè)空格。最后，在HR和SIZE之間必須有至少一個(gè)空格。為了處理更多的空格，我們可以在「·」后添加「·＊」，不過最好還是改寫為「·+」。加號(hào)確保至少有一個(gè)空格出現(xiàn)，所以它與「··＊」是完全等價(jià)的，只不過更簡潔。所以我們得到「＜HR·+SIZE·＊=·＊14·＊＞」。盡管這個(gè)表達(dá)式不受空格數(shù)目的限制，但它仍然受tag中直線尺寸大小的約束。我們要找的不僅僅是高度為14的tag，而是所有這些tag。所以，我們必須用能匹配普通數(shù)值（generalnumber）的表達(dá)式來替換「14」。在這里，“數(shù)值”（number）是由一位或多位數(shù)字（digits）構(gòu)成的?！竅0-9]」可以匹配一個(gè)數(shù)字，因?yàn)椤爸辽俪霈F(xiàn)一次”，所以我們使用加號(hào)量詞，結(jié)果就是用「[0-9]+」替換「14」。（一個(gè)字符組是一個(gè)“元素”（unit），所以它可以直接加加號(hào)、星號(hào)等，而不需要用括號(hào)。）這樣我們就得到了「＜HR·+SIZE·＊=·＊[0-9]+·＊＞」，盡管我用了粗體標(biāo)識(shí)元字符，用空格來分隔各個(gè)元素，而且使用了“看得見的空格符”‘·’，這個(gè)表達(dá)式仍然不容易看懂（幸好，egrep提供了-i的參數(shù)?15，這樣我就不需要用「[Hh][Rr]」來表示「HR」了）。否則，「＜HR+SIZE＊=＊[0-9]+＊＞」更令人迷惑。這個(gè)表達(dá)式之所以看起來有些詭異，是因?yàn)樾翘?hào)和加號(hào)作用的對(duì)象大都是空格，而人眼習(xí)慣于把空格和普通字符區(qū)分開來。在閱讀正則表達(dá)式時(shí)，我們必須改變這種習(xí)慣，因?yàn)榭崭穹彩瞧胀ㄗ址?，它與j或者4這樣的字符沒有任何差別（在后面的章節(jié)中，我們會(huì)看到，某些工具軟件支持忽略空格的特殊模式）。我們繼續(xù)這個(gè)例子，如果尺寸這個(gè)屬性也是可選的，也就是說＜HR＞就代表默認(rèn)高度的直線（同樣，在＞之前也可能出現(xiàn)空格）。你能修改我們的正則表達(dá)式，讓它匹配這兩種類型的tag嗎？解決問題的關(guān)鍵在于明白表示尺寸的文本是可選出現(xiàn)的（這是個(gè)暗示）。?請(qǐng)翻到下一頁查看答案。請(qǐng)仔細(xì)觀察最后（答案中）的表達(dá)式，體會(huì)問號(hào)、星號(hào)和加號(hào)之間的差異，以及它們?cè)趯?shí)際應(yīng)用中的真正作用。下一頁的表1-2總結(jié)了它們的意義。請(qǐng)注意，每個(gè)量詞都規(guī)定了匹配成功至少需要的次數(shù)下限，以及嘗試匹配的次數(shù)上限。對(duì)某些量詞來說，下限是0，對(duì)某些量詞來說，上限是無窮大。表1-2：“表示重復(fù)的元字符”含義小結(jié)規(guī)定重現(xiàn)次數(shù)的范圍：區(qū)間某些版本的egrep能夠使用元字符序列來自定義重現(xiàn)次數(shù)的區(qū)間：「…{min，max}」。這稱為“區(qū)間量詞（intervalquantifier）”。例如，「…{3，12}」能夠容許的重現(xiàn)次數(shù)在3到12之間。有人可能會(huì)用「[a-zA-Z]{1，5}」來匹配美國的股票代碼（1到5個(gè)字母）。問號(hào)對(duì)應(yīng)的區(qū)間量詞是{0，1}。支持區(qū)間表示法的egrep的版本并不多，但有許多另外的工具支持它。在第3章我們會(huì)仔細(xì)考察目前經(jīng)常使用的元字符，那時(shí)候會(huì)涉及區(qū)間的支持問題。括號(hào)及反向引用ParenthesesandBackreferences到目前為止，我們已經(jīng)見過括號(hào)的兩種用途：限制多選項(xiàng)的范圍；將若干字符組合為一個(gè)單元，受問號(hào)或星號(hào)之類量詞的作用?，F(xiàn)在我要介紹括號(hào)的另一種用途，雖然它在egrep中并不常見（不過流行的GNU版本確實(shí)支持這一功能），但在其他工具軟件中很常見。在許多流派（flavor）的正則表達(dá)式中，括號(hào)能夠“記住”它們包含的子表達(dá)式匹配的文本。在解決本章開始提到的單詞重復(fù)問題時(shí)就會(huì)用到這個(gè)功能。如果我們確切知道重復(fù)單詞的第一個(gè)單詞（比方說這個(gè)單詞就是“the”），就能夠明確無誤地找到它，例如「the·the」。這樣或許還是會(huì)匹配到的情況，但如果我們的egrep支持在第15頁提到的單詞分界符「\＜the·the\＞」，這個(gè)問題就很容易解決。我們可以添加「·+」把這個(gè)表達(dá)式變得更靈活。然而，窮舉所有可能出現(xiàn)的重復(fù)單詞顯然是不可能完成的任務(wù)。如果我們先匹配任意一個(gè)單詞，接下來檢查“后面的單詞是否與它一樣”，就好辦多了。如果你的egrep支持“反向引用（backreference）”，就可以這么做。反向引用是正則表達(dá)式的特性之一，它容許我們匹配與表達(dá)式先前部分匹配的同樣的文本。我們先把「\＜the·+the\＞」中的第一個(gè)「the」替換為能夠匹配任意單詞的正則表達(dá)式「[A-Za-z]+」；然后在兩端加上括號(hào)（原因見下段）；最后把后一個(gè)‘the’替換為特殊的元字符序列「\1」，就得到了「\＜（[A-Za-z]+）·+\1\＞」。在支持反向引用的工具軟件中，括號(hào)能夠“記憶”其中的子表達(dá)式匹配的文本，不論這些文本是什么，元字符序列「\1」都能記住它們。當(dāng)然，在一個(gè)表達(dá)式中我們可以使用多個(gè)括號(hào)。再用「\1」、「\2」、「\3」等來表示第一、第二、第三組括號(hào)匹配的文本。括號(hào)是按照開括號(hào)‘（’從左至右的出現(xiàn)順序進(jìn)行的，所以「（[a-z]）（[0-9]）\1\2」中的「\1」代表「[a-z]」匹配的內(nèi)容，而「\2」代表「[0-9]」匹配的內(nèi)容。在‘the·the’的例子中，「[A-Za-z]+」匹配第一個(gè)‘the’。因?yàn)檫@個(gè)子表達(dá)式在括號(hào)中，所以「\1」代表的文本就是‘the’。如果「·+」能夠匹配，后面的「\1」要匹配的文本就是‘the’。如果「\1」也能成功匹配，最后的「\＞」對(duì)應(yīng)單詞的結(jié)尾（如果文本是‘the·theft’，這一條就不滿足）。如果整個(gè)表達(dá)式能匹配成功，我們就得到一個(gè)重復(fù)單詞。有的重復(fù)單詞并不是錯(cuò)誤，例如‘thatthat’（譯注3），這并不是正則表達(dá)式的錯(cuò)誤，真正的判斷還得靠人。我決定使用上面這個(gè)例子的時(shí)候，已經(jīng)用這個(gè)表達(dá)式檢查過本書之前的內(nèi)容了（我使用的是支持「\＜…\＞」和反向引用的egrep）。我還使用了第15頁提到的忽略大小寫的參數(shù)-i來拓寬它的適用范圍（注8），所以‘The·the’這樣的單詞重復(fù)也能提取出來。我使用的命令如下：%egrep-i'\＜([a-z]+)+\1\＞'files…結(jié)果令我驚奇，居然找到了14組重復(fù)單詞。我把它們?nèi)几恼?，而且把這個(gè)表達(dá)式添加到我用來檢查本書拼寫錯(cuò)誤的工具中，保證從此以后全書中不會(huì)出現(xiàn)這樣的錯(cuò)誤。盡管這個(gè)表達(dá)式很有用，我們?nèi)匀恍枰匾曀木窒蕖Ｒ驗(yàn)閑grep把每行文字都當(dāng)作一個(gè)獨(dú)立部分來看待，所以如果單詞重復(fù)的第一個(gè)單詞在某行末尾，第二個(gè)單詞在下一行的開頭，這個(gè)表達(dá)式就無法找到。所以，我們需要更加靈活的工具，下一章我們會(huì)看到這方面的例子。神奇的轉(zhuǎn)義TheGreatEscape有個(gè)重要的問題我尚未提及，即：如果需要匹配的某個(gè)字符本身就是元字符，正則表達(dá)式會(huì)如何處理呢？例如，如果我想要檢索互聯(lián)網(wǎng)的主機(jī)名，使用「」可能得到的結(jié)果。還記得嗎？「.」本身就是元字符，它可以匹配任何字符，包括空格。真正匹配文本中點(diǎn)號(hào)的元序列應(yīng)該是反斜線（backslash）加上點(diǎn)號(hào)的組合：「ega\.att\.com」?！竆.」稱為“轉(zhuǎn)義的點(diǎn)號(hào)”或者“轉(zhuǎn)義的句號(hào)”，這樣的辦法適用于所有的元字符，不過在字符組內(nèi)部無效（注9）。這樣使用的反斜線稱為“轉(zhuǎn)義符（escape）”——它作用的元字符會(huì)失去特殊含義，成了普通字符。如果你愿意，也可以把轉(zhuǎn)義符和它之后的元字符看作特殊的元字符序列，這個(gè)元字符序列匹配的是元字符對(duì)應(yīng)的普通字符。這兩種看法是等價(jià)的。我們還可以用「\（[a-zA-Z]+\）」來匹配一個(gè)括號(hào)內(nèi)的單詞，例如‘（very）’。在開閉括號(hào)之前的反斜線消除了開閉括號(hào)的特殊意義，于是他們能夠匹配文本中的開閉括號(hào)。如果反斜線后緊跟的不是元字符，反斜線的意義就依程序的版本而定。例如，我們已經(jīng)知道，某些版本的程序把「\＜」、「\＞」、「\1」當(dāng)作元字符序列對(duì)待。在后面的章節(jié)中我們會(huì)看到更多的例子。基礎(chǔ)知識(shí)拓展ExpandingtheFoundation我希望，前面的例子和解釋已經(jīng)幫助讀者牢固地打下了正則表達(dá)式的基礎(chǔ)，也請(qǐng)讀者明白，這些例子都很淺顯，我們需要掌握的還有很多。語言的差異LinguisticDiversification我已經(jīng)介紹過大多數(shù)版本的egrep支持的正則表達(dá)式的特性，這樣的特性還有很多，其中一些并不是所有的版本都支持，這個(gè)問題留到后面的章節(jié)講解。任何語言中都存在不同的方言和口音，很不幸，正則表達(dá)式也一樣。情況似乎是，每一種支持正則表達(dá)式的語言都提供了自己的“改進(jìn)”。正則表達(dá)式不斷發(fā)展，但多年的變化也造就了數(shù)目眾多的正則表達(dá)式“流派”（flavor）。我們會(huì)在下面的章節(jié)中見到各種例子。正則表達(dá)式的目標(biāo)TheGoalofaRegularExpression從最宏觀的角度看，一個(gè)正則表達(dá)式要么能夠匹配給定文本（對(duì)egrep來說，就是一行文本）中的某些字符，要么不能匹配。在編寫正則表達(dá)式的時(shí)候，我們必須進(jìn)行權(quán)衡：匹配符合要求的文本，同時(shí)忽略不符合要求的文本。盡管egrep不關(guān)心匹配文本在行中的位置，但對(duì)正則表達(dá)式的其他應(yīng)用來說，這個(gè)問題卻很重要。如果文本是這樣：…zipis44272.Ifyouwrite,send$4.95tocoverpostageand…我們只希望找出包含「[0-9]+」的那些行，就不需要關(guān)心真正匹配的數(shù)字。相反，如果我們需要操作這些數(shù)字（例如保存到文件、添加、替換之類——我們會(huì)在下一章看到這樣的處理），就需要關(guān)心確切匹配的那些數(shù)字。更多的例子AFewMoreExamples在任何語言中，經(jīng)驗(yàn)都是非常重要的，所以我會(huì)給出更多用正則表達(dá)式匹配常用文本結(jié)構(gòu)的例子。編寫正則表達(dá)式時(shí)，按照預(yù)期獲得成功的匹配要花去一半的工夫，另一半的工夫用來考慮如何忽略那些不符合要求的文本。在實(shí)踐中，這兩方面都非常重要，但是目前我們只關(guān)注“獲得成功匹配”的方面。即使我沒有對(duì)這些例子進(jìn)行最全面徹底的解釋，它們?nèi)匀荒軌蛱峁┯杏玫膯⑹?。變量名許多程序設(shè)計(jì)語言都有標(biāo)識(shí)符（identifier，例如變量名）的概念，標(biāo)識(shí)符只包含字母、數(shù)字以及下畫線，但不能以數(shù)字開頭。我們可以用「[a-zA-Z_][a-zA-Z_0-9]＊」來匹配標(biāo)識(shí)符。第一個(gè)字符組匹配可能出現(xiàn)的第一個(gè)字符，第二個(gè)（包括對(duì)應(yīng)的「＊」）匹配余下的字符。如果標(biāo)識(shí)符的長度有限制，例如最長只能是32個(gè)字符，又能使用第20頁介紹的區(qū)間量詞「{min，max}」，我們可以用「{0，31}」來替代最后的「＊」。引號(hào)內(nèi)的字符串匹配引號(hào)內(nèi)的字符串最簡單的辦法是使用這個(gè)表達(dá)式：「＂[^＂]＊＂」。兩端的引號(hào)用來匹配字符串開頭和結(jié)尾的引號(hào)。在這兩個(gè)引號(hào)之間的文本可以包括雙引號(hào)之外的任何字符。所以我們用「[^＂]」來匹配除雙引號(hào)之外的任何字符，用「＊」來表示兩個(gè)引號(hào)之間可以存在任意數(shù)目的非雙引號(hào)字符。關(guān)于引號(hào)字符串，更有用（也更復(fù)雜）的定義是，兩端的雙引號(hào)之間可以出現(xiàn)由反斜線轉(zhuǎn)義的雙引號(hào)，例如＂nail·the·2\＂x4\＂·plank＂。在后面的章節(jié)講解匹配實(shí)際進(jìn)行的細(xì)節(jié)時(shí)，我們會(huì)多次遇到這個(gè)例子。美元金額（可能包含小數(shù)）「\$[0-9]+（\.[0-9][0-9]）？」是一種匹配美元金額的辦法。從整體上看，這個(gè)表達(dá)式很簡單，分為三部分：「\$」、「…+」和「（…）？」，可以大致理解為：一個(gè)美元符號(hào)，然后是一組字符，最后可能還有另一組字符。這里的“字符”指的是數(shù)字（一組數(shù)字構(gòu)成一個(gè)數(shù)值），“另一組字符”是由一個(gè)小數(shù)點(diǎn)和兩位數(shù)字構(gòu)成的。從幾個(gè)方面來看，這個(gè)表達(dá)式還很簡陋。比如，它只能接受$1000，而無法接受$1，000。它確實(shí)能接受可能出現(xiàn)的小數(shù)部分，但對(duì)于egrep來說意義不大。因?yàn)閑grep從不關(guān)心匹配文字的內(nèi)容，而只關(guān)心是否存在匹配。處理可能出現(xiàn)的小數(shù)部分對(duì)整個(gè)表達(dá)式能否匹配并沒有影響。但是，如果我們需要找到只包含價(jià)格而不含其他字符的行，倒是可以在這個(gè)表達(dá)式兩端加上「^…$」。這樣一來，可選的小數(shù)部分就變得很重要了，因?yàn)樵诮痤~數(shù)值和換行符之間是否存在小數(shù)部分，決定了整個(gè)表達(dá)式的匹配結(jié)果是否存在差異。另外，這個(gè)正則表達(dá)式還無法匹配‘$.49’。你可能認(rèn)為把加號(hào)換成星號(hào)能夠解決問題，不過這條路走不通。在這我先賣個(gè)關(guān)子，答案留待第5章（?194）揭曉。HTTP/HTMLURLWebURL的形式可能有很多種，所以構(gòu)造一個(gè)能夠匹配所有形式的URL的正則表達(dá)式頗有難度。不過，稍微降低一點(diǎn)要求的話，我們能夠用一個(gè)相當(dāng)簡單的正則表達(dá)式來匹配大多數(shù)常見的URL。進(jìn)行這種檢索的原因之一是，我只能大概記得在收到的某封郵件中有一個(gè)URL地址，不過一見到它我就能認(rèn)出來。常見的HTTP/HTMLURL是下面這樣的：http://hostname/path.html當(dāng)然，.htm的結(jié)尾也很常見。hostname（主機(jī)名，例如）的規(guī)則比較復(fù)雜，但是我們知道，跟在‘http：//’之后的就有可能是主機(jī)名，所以這個(gè)正則表達(dá)式就很簡單，「[-a-z0-9_.]+」。path部分的變化更多，所以我們需要使用「[-a-z0-9_：@&？=+，.！/～＊%$]＊」。請(qǐng)注意，連字符必須放在字符組的開頭，保證它是一個(gè)普通字符，而不是用來表示范圍（?9）。綜合起來，我們第一次嘗試的正則表達(dá)式就是：%egrep-i'\＜http://[-a-z0-9_.:]+/[-a-z0-9_:@&?=+,.!/~＊%$]＊\.html?\＞'files因?yàn)槲覀兘档土藢?duì)匹配的要求，所以‘http：///foo.html’也能匹配，雖然它顯然不是一個(gè)合法的URL。我們需要關(guān)心這一點(diǎn)嗎？這取決于具體的情況。如果我只是需要掃描自己的E-mail，得到一些錯(cuò)誤結(jié)果并不算是問題。而且，我沒準(zhǔn)會(huì)用更簡單的表達(dá)式：%egrep-i'\＜http://[^]＊\.html?\＞'files…在深入了解如何調(diào)校正則表達(dá)式之后，讀者會(huì)明白，要想在復(fù)雜性和完整性之間求得平衡，一個(gè)重要的因素是了解待搜索的文本。下一章，我們會(huì)更詳細(xì)地考察這個(gè)例子。HTMLtag對(duì)egrep這樣的工具來說，簡單地匹配包含HTMLtag的行并不常見，也沒什么用。但是，探索如何準(zhǔn)確匹配一個(gè)HTMLtag卻是相當(dāng)有啟發(fā)的，在下一章深入接觸更高級(jí)的工具時(shí)，這一點(diǎn)尤其明顯。簡單的例子包括‘＜TITLE＞’和‘＜HR＞’，我們可能會(huì)想到「＜.＊＞」。這個(gè)簡單的表達(dá)式往往是最直接的想法，但它顯然是不對(duì)的?！福?＊＞」的意思是，“先匹配一個(gè)‘＜’，然后是任意多個(gè)任意字符，然后是‘＞’”。所以，它無疑能夠匹配不止一個(gè)tag的內(nèi)容，例如‘thisexample’中標(biāo)記的內(nèi)容。也許結(jié)果有點(diǎn)出乎你的意料，但是我們目前還只在第1章，對(duì)正則表達(dá)式的理解也不夠深入。我之所以舉這個(gè)例子，是想說明正則表達(dá)式并不復(fù)雜，但是如果你不真正弄懂它們，可能會(huì)被搞得暈頭轉(zhuǎn)向。在下面的幾章中，我們會(huì)學(xué)習(xí)理解和解決這個(gè)問題需要的所有細(xì)節(jié)。表示時(shí)刻的文字，例如“9：17am”或者“12：30pm”匹配表示時(shí)刻的文字可能有不同的嚴(yán)格程度?！竅0-9]?[0-9]:[0-9][0-9]·(am|pm)」能夠匹配9：17·am或者12：30·pm，但也能匹配無意義的時(shí)刻，如99：99·pm。首先看小時(shí)數(shù)，我們知道，如果小時(shí)數(shù)是一個(gè)兩位數(shù)，第一位只能是1。但是「1？[0-9]」仍然能夠匹配19（也能夠匹配0），所以更好的辦法應(yīng)該是把小時(shí)部分分為兩種情況來處理，「1[012]」匹配兩位數(shù)，「[1-9]」匹配一位數(shù)，結(jié)果就是「（1[012]|[1-9]）」。分鐘數(shù)就簡單些。第一位數(shù)字應(yīng)該是「[0-5]」，此時(shí)第二位數(shù)字應(yīng)該是「[0-9]」。綜合起來就是「（1[012]|[1-9]）：[0-5][0-9]·（am|pm）」。舉一反三，你能夠處理24小時(shí)制的時(shí)間嗎？多動(dòng)動(dòng)腦筋，想想該如何處理以0開頭的情況，比如09：59呢？?答案請(qǐng)見下頁。正則表達(dá)式術(shù)語匯總RegularExpressionNomenclature正則（regex）你或許已經(jīng)猜到了，“正則表達(dá)式”（regularexpression）這個(gè)全名念起來有點(diǎn)麻煩，寫出來就更麻煩。所以，我一般會(huì)采用“正則”（regex）的說法。這個(gè)單詞念起來很流暢（有點(diǎn)像聯(lián)邦快遞的FedEx，與regular一樣，g發(fā)重音，而不同于Regina），而且說“如果你寫一個(gè)正則”，“巧妙的正則”（buddingregexers），甚至是“正則化”（regexification）（注10）（譯注4）。匹配（matching）一個(gè)正則表達(dá)式“匹配”一個(gè)字符串，其實(shí)是指這個(gè)正則表達(dá)式能在字符串中找到匹配文本。嚴(yán)格地說，正則表達(dá)式「a」不能匹配cat，但是能匹配cat中的a。幾乎沒人會(huì)混淆這兩個(gè)概念，但澄清一下還是有必要的。元字符（metacharacter）一個(gè)字符是否元字符（或者是“元字符序列”（metasequence），這兩個(gè)概念是相等的），取決于應(yīng)用的具體情況。例如，只有在字符組外部并且是在未轉(zhuǎn)義的情況下，「＊」才是一個(gè)元字符?！稗D(zhuǎn)義”（escaped）的意思是，通常情況下在這個(gè)字符之前有一個(gè)反斜線?！竆＊」是對(duì)「＊」的轉(zhuǎn)義，而「\\＊」則不是（第一個(gè)反斜線用來轉(zhuǎn)義第二個(gè)反斜線），雖然在兩個(gè)例子中，星號(hào)之前都有一個(gè)反斜線。正則表達(dá)式的流派（flavor）不同，關(guān)于字符轉(zhuǎn)義的規(guī)定也不相同。第3章對(duì)此進(jìn)行了詳細(xì)討論。流派（flavor）我已經(jīng)說過，不同的工具使用不同的正則表達(dá)式完成不同的任務(wù)，每樣工具支持的元字符和其他特性各有不同。我們?cè)倥e單詞分界符的例子。某些版本的egrep支持我們?cè)娺^的\＜…\＞表示法。而另一些版本不支持單獨(dú)的起始和結(jié)束邊界，只提供了統(tǒng)一的「\b」元字符（這個(gè)元字符我們還沒見過，下一章才會(huì)用到）。還有些工具同時(shí)支持這兩種表示法，另有許多工具哪種也不支持。我用“流派（flavor）”這個(gè)詞來描述所有這些細(xì)微的實(shí)現(xiàn)規(guī)定。這就好像不同的人說不同的方言一樣。從表面上看，“流派”指的是關(guān)于元字符的規(guī)定，但它的內(nèi)容遠(yuǎn)遠(yuǎn)不止這些。即使兩個(gè)程序都支持「\＜…\＞」，它們可能對(duì)這兩個(gè)元字符的意義有不同的理解，對(duì)單詞的理解也不相同。在使用具體的工具軟件時(shí)，這個(gè)問題尤其重要。請(qǐng)不要混淆“流派（flavor）”和“工具（tool）”這兩個(gè)概念。兩個(gè)人可以說同樣的方言，兩個(gè)完全不同的程序也可能屬于同樣的流派。同樣，兩個(gè)名字相同的程序（解決的任務(wù)也相同）所屬的流派可能有細(xì)微（有時(shí)可能并非細(xì)微）的差別。有許多程序都叫egrep，它們所屬的流派也五花八門。由Perl語言的正則表達(dá)式開創(chuàng)的流派，在20世紀(jì)90年代中期因?yàn)槠鋸?qiáng)大的表達(dá)能力廣為人們所知，其他語言緊隨其后，提供了汲取其中靈感的正則表達(dá)式（其中許多為了標(biāo)明自己的思想來源，直接給自己貼上“兼容Perl（Perl-Compatible）”的標(biāo)簽）。它們包括PHP、Python、Java的大量正則包，微軟的.NETFramework、Tcl，以及C的各種類庫。不過，所有這些語言在重要的方面各有不同。而且Perl的正則表達(dá)式也在不斷演化和發(fā)展（現(xiàn)在，有時(shí)候是受了其他語言的正則表達(dá)式的刺激）。像往常一樣，總的局面變得越來越復(fù)雜，讓人困惑。子表達(dá)式（subexpression）“子表達(dá)式”指的是整個(gè)正則表達(dá)式中的一部分，通常是括號(hào)內(nèi)的表達(dá)式，或者是由「|」分隔的多選分支。例如，在「^（Subject|Date）：·」中，「Subject|Date」通常被視為一個(gè)子表達(dá)式。其中的「Subject」和「Date」也算得上子表達(dá)式。而且，嚴(yán)格說起來，「S」、「u」、「b」、「j」這些字符，都算子表達(dá)式。1-6這樣的字符序列并不能算「H[1-6]·＊」的子表達(dá)式，因?yàn)椤?-6’所屬的字符組是不可分割的“單元（unit）”。但是，「H」、「[1-6]」、「·