BBS水木清华站∶精华区
组成 Regular Expression 的元素
Regular Expression 是由普通字元、及一组具有特殊意义 的字元所构成. 本节主要介
绍各种特殊字元所代表的意义及 其用法. 读者学习时应留心 : 有时, 同一特殊字元,
会因出 现在字串中不同的位置或连接其它特殊字元, 而有不同的意义. 本文中为有别
於一般的字串, 所有 Regular Expression 都以粗体字体表示, 且加注``Regexp''於其
前方.
组成 Regular Expression 的元素及所代表的意义如下 :
* [普通字元] 除了``.''、``[''、``]''、``*''、``+''、``?''、 ``|''、``^''
、``$''、``{''、``}''、``\''、``<''、``>''、``(''、``)'' 外之所有字元.
由普通字元所组成的 Regular Expression 其意义与原字串字面意义相同.
例如:
o 普通字元``A''也可当成一个 Regular Expression. Regexp ``A'' 与一般
字元``A''代表相同的意义.
o Regexp ``the'' 与一般字串``the''代表相同的意义.
* [.] Metacharacter 用以代表任意一个字元. 须留心 UNIX Shell 中使用``?''
表示任意一个字元, 使用``*''代表任意长度的字串(这是另一种称为 ``Pattern
Matching Notation'' 的字串表示法). Regular Expression 中则使用``.'' 来
代表``一个''任意字元(注 意: 并非任意长度的字串). 而 Regular Expression
中``*''另有 其它涵意, 并不代表任意长度的字串.
例如:
o Regexp ``.'' 可用以代表任意一个字元. 如 ``A''、``1''、``+''、...
o Regexp ``...'' 则代表一个由任意3个字元所的字串. 譬如 ``123''、
``abc''、``# 1''、...
* [^] 限制字串必须出现於行首. (用法见下例)
* [$] 限制字串必须出现於行末.
o [例如 :] Regexp `` ^The'' 用以表示所有出现於行首的字串``The''.
Regexp `` The$'' 用以表示所有出现於行末的字串``The''. Regexp
`` ^The$'' 则用以表示一个仅含字串``The''的资料列. Regexp `` ^$'' 表示
一个空白的资料列（行首与行尾之间未存在任一字元）.
* [\] 将特殊字元还原成字面意义的字元. Regular Expression 中 特殊字元 将
被解释成特定的意义. 若要表示特殊字元的字面(literal meaning) 意义时, 在
特殊字元之前加上 ``\'' 即可.
o [例如 :] 使用 Regular Expression 来表示字串``a.out''时, 不可写成
Regexp ``a.out''. 因为``.''在 Regular Expression 中是特殊字元,
表示任一字元.
可合乎(match) Regexp ``a.out'' 的字串将不只 ``a.out'' 一个; 字串
``a2out'',``a3out'', ``aaout''... 都合於 Regexp ``a.out''.
正确的表示法应为 : Regexp ``a\.out''
`` \'' 在 Regular Expression 中的另一个意 义是当成 Escape character.
o [例如 :] ``\t'' 用以表示 tab. ``\n'' 表示换行符号.
* [...] 『字元集合』, 用以表示两中括号间 所有的字元当中的任一个.
o [例如 : ] Regexp ``[123]'' 可用以表示字元 ``1''、``2'' 或 ``3''.
Regexp ``[Tt]'' 可用以表示字元 ``T'' 或 ``t''. 所以, Regexp
"[Tt]he" 表示字串 "The" 或 "the". (注意 : 一个字元集合仅代表``一个
''字元.)
使用时, 需留心字元集合 [ ] 内不可随意留空白.
o 例如 : Regexp ``[ Tt ]'' 中括号内有空白字元, 故除了可用 以表示字
元``T''或``t''", 也可代表一个 `` ''(空白字元).
* [-] 字元集合中可使用 `` -'' 来指定字元的区间, 其用法如下:
Regexp ``[0-9]'' 等於 Regexp ``[0123456789]'' 用以表示任意 "一个" 阿
拉伯数字. 同理 Regexp ``[A-Z]'' 用以表示任意 "一个" 大写英文字母.
但应留心 :
o Regexp "[0-9a-z]" 并不等於 Regexp " [0-9][a-z]"; 前者表示一个字元
(阿拉伯数字或小写英文字母), 後者表示二个字元.
o Regexp "[-9]" 或 "[9-]" 仅用以代表字元 ``9''或 ``-''.
* [[^{...}]] 使用 [^{...}] 产生字元集合的补集(complement set). 其用法
如下 :
o Regexp ``[^M]'' 用以表示除字元``M''外的``一个''任意字元
o 字元集合 ``[Tt]''表示字元 ``T'' 或 ``t''. 若要指定 ``T'' 或 ``t''
之外的任一个字元, 可用 Regexp ``[^Tt]'' 表示.
o Regexp ``[^a-zA-Z]''表示英文字母之外的任一个字元.
需留心 ``^''之位置; ``^'' 必须紧接於 ``['' 之後, 才代表字元集合的补
集.
o [例如 :] Regexp ``[0-9^]'' 表示一个阿拉伯数字或字元 ``^'', 并非
代表阿伯数字外的任意字元.
* [*] 用以形容其前的字元或字元集合可重复任意次数的特殊字元.
`` *'' 形容它前方之字元(或字元集合)可出现 1 次或多次, 或不出现. 例如 :
o Regexp ``ab*'' 中, ``*'' 形容它前方的字元 ``b'' 可出现 1 次或多
次, 或不出现. 所以, Regexp ``ab*'' 可表示字串 ``a''、``ab''、
``abb''、 ``abbb''、...
o Regexp ``T[0-9]*\.c'' 中, 使用 ``*'' 形容其前的字元集合 ``
[0-9]''(一个阿拉伯数字)出现的次数 : 可为 0 次或多次.
故 Regexp ``T[0-9]*\.c''可用以表示 ``T.c''、``T0.c''、 ``T1.c''、
``T2.c''、...、``T9.c''、``T00.c''、``T01.c''、``T02.c''、...、
``T09.c''、``T10.c''、...``T99.c''、``T000.c''、...
* [\<] `` \< Regexp'' 表示一个出现於"字首"且又合於(match)该 Regexp 的字
串 (用法见下例).
* [\>] ``Regexp \>'' 表示一个出现於"字末"且又合於(match)该 Regexp 的字
串.
这里所谓的``字(word)''系指被 tab、逗点、句点或空白字元(space) 所分隔开
的字串.
o [例如 :]
资料 ``One is red, and the other is white.'' 中 字串 ``One'',
``is'', ``red'', ``and'', ``the'', ``other'', ``is'', ``white'' 便
是所谓的 "字(word)". 而该资料列中,
合於 Regexp ``[Tt]he''的字串如下(粗体字标示)
``One is red, and the other is white.''
合於 Regexp ``\<[Tt]he\>''却仅有(粗体字标示)
``One is red, and the other is white.''
因同时使用`` \<''及`` \>'' 限制合於 Regexp ``[Tt]he''的字串, 必须
紧接於字首及字尾之间; 故 ``other''中的子字串 ``the''并不合於这个
Regular Expression.
o [注 :] \<, \> 这二个特殊字元, 并不是很通用. 请参考 Appendix A 中的
附表.
o \( ... )\ 於 Regular Expression 中使用 `` \(''``{ \)}''来括住一部
分的 Regular Expression; 其後可用 `` \1'''来表示第一次被`` \('' ``
\)'' 括住的部份. 若 Regular Expression 中使用了数次`` \('' `` \)''
来括住不同的部分, 则依次使用 ``\1'', `` \2'', `` \3'' ,...(最多可
用到 `` \9'')来 表示之前括住的 Regular Expression. 其用法如下 :
o [用法一.]
+ 例如: 欲表示像``aa'',``bb'',``cc'',...``zz'' 等字串.
使用 Regexp ``[a-z]''则表示任一个小写的英文字母.
使用 Regexp ``[a-z][a-z]''则表示二个任意的小写英文字母. 它除
表示 ``aa'',``bb'',``cc'',...``zz''等字串外, 也可表示``ab'',
``ac'',``ad'',...等字串(这不是题意所要求的字串).
这时可以`` \('' `` \)'' 来括住第一个 `` [a-z]'' (Regular
Expression 解译的程式, 会暂时记录实际找寻 到的英文字母). 之
後, 便可以 Regexp ``\1'' 来指定适才被记 录下的英文字母即为所
要找寻字串的第二个字元. 故正确的表示法如下 :
Regexp ``\([a-z]\)\1''
+ 例如 : 欲表示像 ``789w987'', ``abcwcba'', ``theweht'',....等
具对称性 的字串.(该字串的特徵是 ``w''之前後三个字元相互对称)
该类字串的表示法如 下 :
Regexp ``\(.\)\(.\)\(.\)w\3\2\1" Regexp中``.''表示任意一个
字元. 因字元``w''之前出现的三个字元并无 任何限制, 故可用 ``
...''表之. 但每个`` .''分别用 `` \('',`` \)'' 括住, 之後便可
使用 `` \1'', `` \2'', `` \3'' 分别代表将来实际匹配到的前三个
字元.
o 用法二. 进行字串找寻并置换(Replace)时, 若将被置入的新字串不是一个
固定的字串, 与被找到的原字串有关时(见下例说明). 此时, 可先以 \( \)
来括住一部分的Regular Expression; 再於将被新置入的字串中使用``
\1'', `` \2'',... 来表示当时被找到的字串(或其子字串).
+ 例 : 欲找出档案中具有 ``prog12.c'', ``prog9.c'',
``prog832.c'',... 等式样的字串, 并将其置换成(以上列三个字串为
例) ``[note 12]'', ``[note 9]'', ``[note 832]''. 在这例子
中, 因事先不知道所找寻到的字串(prog数字.c)中的 数字 为何, 故
无法事先决定应换成什麽新字串. 合於本例所要找寻的字串其
Regular Expression 为 :
Regexp ``prog[0-9][0-9]*\.c'' 上式中 ``[0-9][0-9]*'' 表一位
或一位以上的阿拉伯数字, 因 执行前并不知道该部分实际会匹配什麽
数值, 故找到的字串将来应置换 成什麽, 事前无法指定. 这情况, 也
可用`` \('',`` \)'' 来括住 ``[0-9][0-9]* '', 在置换的新字串
中再以 \1 表示找寻时实际匹配到的数字.
读者可编辑一资料档, 再以sed执行下列命令, 观察其执行结果.
$sed -e 's/ prog\([0-9][0-9]*\)\.c/[ note \1]/g' 资料档名
o \{ 数字, 数字\} 一种於 Regular Expression 中形容其前的字元或字元
集合出现次数的表示法. 其型态与用法如下 :
o \{下限数字, 上限数字\}
例如 : Regexp "[0-9]\{2,4\}"用以表示2到4位的阿拉伯数字.
o { 数字}
例如 : Regexp ``ax\{99\}'' 用以表示一个 ``a'' 之後接上99个 ``x''
所组成的字串.
o \{下限数字, \} 例如 : Regexp ``ax\{2,\}'' 用以表示一个 ``a'' 之後
接上2个或更多的 ``x''所组成的字串.
* [+] 形容其前的字元或字元集合出现一次或一次以上(注三).
例如 : Regexp ``[0-9]+'' 用以表示一位或一位以上的数字.
* [?] 形容其前的字元或字元集合可出现一次或不出现(注三).
o [例如 :] Regexp ``[+-]?[0-9]+'' 表示数字(一位以上)之前可出现一个正
负号 或不出现正负号.
* [(...)] 用以括住一群字元,且将之视成一个group(见下面说明)(注三)
o 例如 :
Regexp ``12+'' 表示字串 "12","122","1222","12222",...
Regexp ``(12)+'' 表示字串 "12","1212","1212","1212"....
上式中字串 ``12''以( )括住,整个视为一个group, 故被重覆符号``+'' 所形容
的是``12''而非 ``2'', 重复出现的也是 ``12''.
* [|] 表示逻辑上的 "or" (注三)
o 例如 : Regexp ``Oranges?|apples?|water'' 可用以表示字串
``Orange'', ``Oranges''
或 ``apple'', ``apples''
或 ``water''
o 注三 : 上列 + , ?, (...), | 等用法, 为 Extended Regular Expression
中新增列的用法. awk 及 egrep 中所使用的 Regular Expression 即为
Extended Regular Expression. 但 vi, sed, grep,...等软体中并无这些
用法.
* [&] ``&''并非 Regular Expression 中的特殊字元. 但以 Regular Expression 进
行字串找寻置换(Replace)时, 常会用到 ``\&''. \ 在许多 Unix tool 中, 当
``\&''出现在『将被置入的新字串』时, 它用以表示 ``实际被找到合於所指定的
Regular Expression 的字串'' (见下例说明)
o 例如 : 找出档案中所有合乎 Regexp ``a[0-9]*\.c'' 的字串, 并在其前後
加上小 括号.依题意要求, 档案中所有如 ``a12.c'', ``a932.c'',
``a45.c'' ,...等字串都应置换为 ``(a12.c)'', ``(a932.c)'',
``(a45.c)'',.. . . 遇到这情况,可令『将被置入的新字串』为 `` (&)''
此时, ``&''便是用来表示实际上被找到合於 Regexp ``a[0-9]*\.c'' 的字
串.
下列是使用 UNIX 上不同的工具, 来处理本例要求的字串置换.
o vi 以 vi 编辑该档案,并在 vi 命令输入模式下输入
: s/a[0-9]*\.c/(&)/g
o sed 执行如下命令 ( $ 表 Shell 命令列的提示符号 )
$ sed -e 's/a[0-9]*\.c/ (&)/g' 资料档名称
o awk 执行如下命令 ( $ 表 Shell 命令列的提示符号 )
$ awk '{ gsub(/a[0-9]*\.c/, "(&)"); print }' 资料档名称
----------------------------------------------------------------------------
Note 2:
上列字元在 Regular Expression 中代表特殊意义, 称之为 特殊字元. 但 Unix
中不同的指令对 Regular Expression 的解释能力不尽相同, 故对特殊字元也有
不同的认定. 请参考尾页附表.
BBS水木清华站∶精华区