Php文档 Php问答行业资讯 Php论坛 Php手册 Php博客

游戏榜单

软件榜单

关闭导航

热搜榜

热门下载

热门标签

关闭搜索

php爱好者> php文档>Regualar Expresstion

Regualar Expresstion

时间：2006-03-17 来源：科罗拉多

规则表示式的运用

在本系列文章一开始就说明了学 vi(m) 可以顺便学规则表示式（regular expression，以下简称 regexp），那为什么到现在才来讲呢？因为 regexp 说简单也算不很难，但您要深入去使用的话，有时会马上看不出一个复杂的 regexp 在说些什么的，就曾有人形容 regexp 为「有字天书」！而且在 vi(m) 整体都还没一个概念就加入 regexp 的话，那后面的单元恐怕就没人看了！而 regexp 各家有各家的 extensions，这也是大家视为畏途的原因之一，不过总是大同小异，只需注意一下就可以了。目前先不必管别家怎么说，就让 vim 暂时先成为我们的「标准」，以后碰到其它程序的 regexp 应该就可以触类旁通。以下我们尽量由实例去了解。当然，小小的一篇文章是没有办法详尽介绍，只能捡重点来说明了。如有疑问，可 :h pattern 或在 Un*x 系统中可 man 7 regex，甚至 man ed，man sed，man grep，man awk，man perlre 里面也是会说些 regexp，但要注意和 vim 差异的地方！其中 perl 的 regexp 应该是最完整的了，如果您的系统没有 perl 那应该是「稀有动物」了！:-) ㄟㄟㄟ！vim 只是一个编辑器，可不是独立的程序语言！

基本的匹配

*  指前所绑住的字符或字符集合，出现 0 次或 0 次以上。

\+ 和 * 作用相同，但不包括出现 0 次。

\= 指前所绑住的字符恰好出现 0 或 1 次。

\| 这是多选，就是 or 的意思，被 \| 隔开的 pattern，任一个符

   合的话就算符合。

\+, \=, \| 会加上一个 \，是因原字符在 vi(m) 就具有特殊意义，在一般的 regexp 中是 +，?，| 就可以了，只是提醒您一下，以免搞混了！
记住 *　\+ 是不可数的！用辞不是是精确，只是帮助您记忆啦！
在 elvis 及 ed 中是使用 \? 来匹配出现 0 或 1 次，而不是 \=，这里要非常小心！

[实例] dg*
指 * 前所绑住的字符 g 出现 0 次或 0 次以上。也就是说 d(出现 0 次)，dg，dgggg，dgggggggg 都是符合这个 pattern。如果您下寻找指令 /dg*，那符合这个 pattern 的字符串都会被找出来。如果用在代换就要非常小心了，像 extended 中的 d 也是会被置换掉的。例如您下 :%s/dg*/test/g 的话，那 extended 这个字会换成 extentestetest。

shell 中使用的通用字符为 pattern matching notation 和 regexp 不同的。dg* 在 shell 中是解为以 dg 开头的任意字符串，这就不包括 d 在内了，也就是说在 shell 中，* 是代表任一字符或字符串。

[实例] dg\+
dg, dgg, dgggggg 皆符合，但 d 则不符合。如果是 dg\= 的话，就只有 d、dg 这两个符合了。

[实例] :%s/The\|All/test/g
全文中只要是 The 或 All 都会被替换成 test。注意，如果文中有 There 也是会被替换成 testre！要如何避免这种情形呢？下面会另述及限定使用法。

[实例] /123-\=4567
这样会找出，123-4567 及 1234567。当然 123-456789 也是会被找出来。

[...]  字符集合，表示中括号中所有字符中的其中一个。

[^..]  这是上述 [...] 的补集，表非中括号内字符的其中一个。

.      除换行字符外的任一单一字符。指本身，非指前所绑之字符。

       就好像 shell 中的 ? 一样。如果要指定真正的英文句点，要

       用 \ 来 escape，就是说 \. 这时的 . 是代表真正句点，而不

       是 regexp 中的特殊意义。其它如 \* 亦同。

[实例]

[Aa]

A 或 a 其中的一个。

[12345]

12345 其中的一个数目字。可用 [1-5] 来表示。连续性的数目字或字符可用 - 来隔开，写出头尾来代表就可以了。[0-9] 就表 0 到 9 的数目字，[a-d] 就代表 abcd 四个英文字母

[实例] W[0-9]*\.cc
这个例子是说以 W 开头，后接 0-9 其中一个或多个数目字或不接什么，然后是一个句点，最后是 cc。所以 W.cc，W1.cc，W2.cc，W345.cc，W8976543287.cc 皆符合。如果要表示 W 及 .cc 间夹一个以上的数目字，要写成 W[0-9][0-9]*\.cc。

[实例] .*
这代表任意字符或字符串，或什么都没有，脑筋急转弯，对照前面的定义想一下。当然这是不包括换行字符的。

[实例]
[^M]　表除 M 以外的任意字符。
[^Tt]　表 T 及 t 以外的任意字符。
[^0-9]　表非数目字之字符。
[^a-zA-Z]　表非英文字母之字符。

注意，^ 要在中括号内，且在最开头的地方，否则另有含意。

^  匹配行首，指其后绑住的字符串，出现在行首才符合。

$  匹配行尾，指其前绑住的字符串，出现在行尾才符合。含换行字符。

不是在行首的 ^ 指的是 ^ 这个字符。不是在行尾的 $ 是指 $ 本身这个字符。

[实例] /^What
这样只有在行首的 What 才会被找出来。注意！ Whatever, What's 也是会被找出来。如果是 /What$ 则是在行尾的 What 才会被找出来。

[实例] ^$
这是什么东东？行首也是行尾的行。ㄚ，就是空白行嘛！当然也不能说这个行是没有什么东东啦！空白行至少也是会有个换行字符。在后面会详述如何消除全文的空白行。

\(...\)  记忆 pattern，可由 \1, \2...\9 来叫出。

[实例] :%s/$[a-z]$\1/test/g
这样 aa, bb, cc, dd, ..., zz 都会被 test 替换掉。这和 :%s/[a-z][a-z]/test/g 是不一样的意思，后者会把 aa, ab, ac... ba, bb, bc...zz 都换成 test。也就是说 $...$ 由 \1 叫出时会有对称性的配对出现。

[实例] :%s/$.$$.$r\2\1/test/g
会将中间为 r，前有二个任一字符，后有两个具对称性的字符所组成的字符串替换成 test。\2 是呼叫第二组 $.$，而 \1 是呼叫第一组 $.$。例如：12r21，cfrfc，7grg7 等都会被替换成 test。

\<  匹配字（word）首。所谓 word 包括文数字及底线。

\>  匹配字尾。这就是前所提及的限定用法，被 \<，或 \> 括住的

    pattern 就会被限制住，使 regexp 不能再向右（左）扩充解释。

ed 及 perl 中可以 \b 来表示这两个符号，perl 中只支持 \b，ed 则 \b 及 \<, \>皆支援。但在 perl 可多加个 ? 来限制 regexp 的扩充解译。
功能上而言，这是和 ^ $ 一样的定位样式（anchor pattern）指所绑住的字符串必须是单字边界（word boundary），前或后或前后除了空格符及标点符号外不可再有其它字符。
在 vim 中 \b 是表示 <BS> 即 backspace 键。

[实例] :%s/\<abbbc\>/test/g
这样只有 abbbc 才会被替换成 test。如果没有这样限定，:%s/abbbc/test/g，那 deabbbcly 中的 "abbbc" 亦会被替换成 test。所以前面 :%s/The\|All/test/g 可换成 :%s/\<The\>\|\<All\>/test/g 这样一来，There 就不会被替换成 testre 了！

[实例] :%s/\<abbbc/test/g
这样的话，只要是以 abbbc 为首的字(word)，其中的 abbbc 的部份都会被 test 所替换。注意！是指前缀，而不是指行首。所以 abbbc，abbbcerd，abbbckijuds 都符合。

\{n,m}  指前所绑住的字符或字符集合最少出现 n 次，最多出现 m 次。

这在一般的 regexp 表示成 \{n,m\}。vim 及 elvis 两种表示法皆支持。perl 则直接使用 {}。以下会举四种不同的例子，请大家发挥一下想象力。:-)

[实例] \{最小值，最大值}
如 [0-9]\{3,4} 匹配至少三位数，但不可多于四位数的数目字。如：

12345678

如果下 :%s/[0-9]\{3,4}/test/g 的话，那 1，12 这两组不会被替换，因为不满 3 位数。而 12345，则会换成 test5。123456，则会换成 test56。12345678，则会换成 testtest。1234567 也是会换成 testtest。123，1234 这两组则会被替换成 test。您可以亲自操作一次就知道怎么一回事了。操作时最后加 gc 来 confirm，这样您会更了解实际替换的内容。ㄟ，别忘了 u 可以回复您的编辑动作。

[实例] \{数目字}
xy\{20}　表示 x 后接 20 个 y。
e[x-z]\{4}　表示 e 后接有四个字符，是 x,y,z 的其中一个的
　　　　　组合。如：exxxx, exyyz, ezzyz, exyzz 皆符合。

[实例] \{最小值，}
xy\{2,}　表 x 后接至少二个的 y。相当于 xyyy* 或 xyy\+ 。

[实例] \{，最大值}
xy\{,4}　表 x 后接至多四个或更少的 y （可能没有）。
　　　　因此 x, xy, xyy ,xyyy, xyyyy 皆符合。