正则表达式入门学习.docVIP

12正则表达式（Regular Expression）是强大、便捷、高效的文本处理工具。正则表达式本身，加上如同一门袖珍编程语言的通用模式表示法（general pattern notation），赋予使用者描述和分析文本的能力。配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修整各种类型的文本和数据。 正则表达式的使用难度只相当于文本编辑器的搜索命令，但功能却与完整的文本处理语言一样强大。本书将向读者展示正则表达式提高生产率的诸多办法。它会教导读者如何学会用正则表达式来思考（think regular expressions），以便于掌握它们，充分利用它们的强大功能。 如果使用当今流行的程序设计语言，解决重复单词问题的完整程序可能仅仅只需要几行代码。使用一个正则表达式的搜索和替换命令，读者就可以查找文档中的重复单词，并把它们标记为高亮。加上另一个，你可以删除所有不包含重复单词的行（只留下需要在结果中出现的行）。最后，利用第三个正则表达式，你可以确保结果中的所有行都以它所在文件的名字开头。在下一章里，我们会看到用Perl和Java编写的程序。 宿主语言（例如Perl、Java以及VB.NET）提供了外围的处理支持，但是真正的能力来自正则表达式。为了驾驭这种语言，满足自己的需求，读者必须知道如何构建正则表达式，才能识别符合要求的文本，同时忽略不需要的文本。然后，就可以把表达式和语言支持的构建方式结合起来，真正处理这些文本（加入合适的高亮标记代码，删除文本，修改文本，等等）。 解决实际问题 Solving Real Problems 掌握正则表达式，可能带来超乎你之前想象的文本处理能力。每一天，我都依靠正则表达式解决各种大大小小的问题（通常的情况是，问题本身并不复杂，但没有正则表达式就成了大问题）。 要说明正则表达式的价值，可以举一个用正则表达式解决大而重要的问题的例子，但是它不一定能代表正则表达式在平时解决的那些“不值一提不值一提 即便使用文本编辑器的“单词查找”功能，也不够方便，尤其是对所有文件进行同样的操作，何况还需要考虑所有可能的大小写情况。 正则表达式就是解决这个问题的灵丹妙药。只需要一个简单的命令，我就能够检查所有的文件，获得我需要知道的结果。时间是：写命令大概15秒，检索所有的数据实际只花了2秒。这真是棒极了（如果您想知道这是怎么做到的，不妨现在就翻到第36页）！ 再举一个例子，我曾帮助一个朋友处理远端机器上的某些E-mail，他希望我把他邮箱文件中的消息作为列表发送给他。我可以把整个文件导入文本编辑器，手工删除所有信息，只留下邮件头中的几行，作为内容的列表。尽管文件不是很大，连接速度也不算慢，这样的任务还是很耗费时间而且很乏味。而且，窥见他的邮件正文，也令我尴尬。 正则表达式再一次提供了帮助！我用一个简单的命令（使用本章稍后提到的一个常用工具egrep）显示每封邮件的From:和Subject:字段。为了告诉egrep我需要提取哪些行，我使用了正则表达式「^(From|Sbuject):」 作为编程语言的正则表达式 Regular Expressions as a Language 如果没有正则表达式相关经验，读者可能无法理解上个例子中正则表达式「^(From|Subject):」The Filename Analogy 选择这本书的读者，大概对“正则表达式” 多少有点认识。即便没有，也应该熟悉其中的基本概念。 我们都知道，report.txt是一个文件名，但是，如果你用过Unix或者DOS/Windows的话，就会知道“*.txt”能够用来选择多个文件。在此类文件名（称为“文件群组”file globs或者“通配符”wildcards）中，有些字符具有特殊的意义。星号表示“任意文本”，问号表示“任意单个字符”。所以，文件群组“*.txt”以能够匹配字符的「*」」 以语言做类比 The Language Analogy 完整的正则表达式由两种字符构成。特殊字符（special characters，例如文件名例子中的*）称为“元字符”（metacharacters），其他为“文字”（literal），或者是普通文本字符（normal text characters）。正则表达式与文件名模式（filename pattern）的区别就在于，正则表达式的元字符提供了更强大的描述能力。文件名模式只为有限的需求提供了有限的元字符，但是正则表达式“语言”为高级应用提供了丰富而且描述力极强的元字符。 为了便于理解，我们可以把正则表达式想象为普通的语言，普通字符对应普通语言中的单词，而元字符对应语法。根据语言的规则，按照语法把单词组合起来，就会得到能传达思想的文本。在E-mail的例子中，我用正则