TextPro(cnbook)正则表达式帮助文件的认识.doc

TextPro(cnbook)正则表达式帮助文件 1.概述2.正则表达式的构成2.1特殊符号2.2通配符2.3字符集2.4子表达式2.5重复指示符3.替换表达式4.自定义替换表功能4.1在查找／替换中使用自定义替换表5.应用举例（一）5.1应用举例（二）5.2应用举例（二）1. 概述 从4.5版起，TextPro在查找/替换中支持正则表达式。正则表达式是一种非常强大的搜索功能，通过与TextPro的其它功能相结合，可以方便地实现许多复杂的文本处理工作。 正则表达式原本是形式语言理论中的概念，与编译器的构造有密切的联系。但是作为一个应用软件的用户，我们没有必要去细究正则表达式的严格定义和处理方法。本文将从实用的角度出发，阐述在TextPro中引入正则表达式的目的、正则表达式的命令格式，以及如何利用正则表达式完成一些实际的文本处理工作。 我们在处理文本时，经常会遇到一些具有某种特定格式，或者说满足某种规则的文本。比如，一个无符号的整数由一连串的数字构成，而一个Email地址的格式则是“用户名@主机名”，其中用户名是一串字母或数字，主机名则是由若干个由“.”分隔的字母数字串。正则表达式就是用来指定这种规则的。如果某个字符串满足正则表达式指定的规则，则称该字符串为正则表达式的一个“匹配串”。 2. 正则表达式的构成 为了方便理解，让我们先来看看大家比较熟悉的数学表达式，“(x+3)*2+y”是一个典型的数学表达式。一个数学表达式由若干个“项”组成，“项”与“项”之间用加号或减号相连；这里“(x+3)*2”和“y”分别是两个项。每个项又由若干个“因子”组成，因子之间用乘号或除号相连；这里第一个项有两个因子“(x+3)”和“2”，而第二个项只有一个因子“y”。每个因子可以是一个简单的数，一个代数变量，也可以是放在括号里面的另一个表达式。对于最后一种情况，括号中的表达式称为“子表达式”；这里“x+3”就是一个子表达式。 正则表达式的结构与数学表达式很相似。与数学表达式的“项”相对应，正则表达式由若干个“分支”构成，“分支”之间用符号“|”相连。从逻辑上讲，分支之间是一种“或”的关系，一个字符串只要与正则表达式中的任何一个分支相匹配，这个字符串就与整个正则表达式相匹配。比如，“第三人称代词”可以用正则表达式表示为“他|她|它|他们|她们|它们”。 与数学表达式的“因子”相对应，构成正则表达式“分支”的部件称为“原子”。“原子”与“原子”之间没有任何符号相连。从逻辑上讲，原子之间是串接的关系，一个字符串必须与各个原子依次相匹配，才算与这个分支相匹配。比如在上面的例子中，分支“他们”由两个原子“他”和“们”组成。 正则表达式的本质是它的“原子”可以有多种不同的形式。前面的例子是最简单的情形，即每个原子由一个普通字符组成。除此以外，“原子”还可以是特殊符号、通配符、字符集以及子表达式。 2.1　特殊符号 可以作为特殊符号的原子有： ^匹配行首。例如，“^他”匹配出现在行首的“他”字。值得注意的是，这个符号仅仅表示“行首”这个位置，与它相匹配的字符串长度为0； $匹配行末。与“^”相似，它仅表示“行末”这个位置。例如，“。$”匹配出现在行末的句号； 匹配词首。词首的定义是紧接在非字母数字之后的第一个字母数字或下划线(_)，汉字永远是词首。与“^”相似，它仅表示“词首”这个位置，匹配长度为0； 匹配词尾。词尾是指紧接在字母数字或下划线之后的第一个非字母数字下划线，任一汉字之后也属于词尾。词尾的匹配长度也是0； \tTAB字符； 2.2　通配符 通配符是用一个符号(或几个符号组合)来匹配某一类满足条件的字符。可以使用通配符来查找字符是正则表达式的一大特点。 TextPro支持下列通配符(注意大小写的区别)： 以半角为主的部分： .(句点)匹配任意半角或全角字符； \a匹配任意英文字母； \~a匹配除字母外的任意半角或全角字符； \d匹配任意数字； \~d匹配除数字外的任意半角或全角字符； \h匹配任意词首字符(字母及下划线)； \~h匹配除字母及下划线以外的任意字符； \l匹配任意小写字母； \~l匹配除小写字母外的任意半角或全角字符； \o匹配任意八进制数字(0-7)； \~o匹配除八进制数字外的任意字符； \p匹配任意半角标点符号(非空格、字母、数字的可打印ASCII字符)； \~p匹配除半角标点以外的任意半角或全角字符； \s匹配任意空白字符（半角空格、TAB）； \~s匹配任意非空白的半角或全角字符； \u匹配任意大写字母； \~u匹配除大写字母外的任意半角或全角字符； \w匹配可成词的字符(字母、数字及下划线)； \~w匹配成词字符(字母、数字及下划线)外的任意半角或全角字符； \x匹配任意十六进制数字(0-9，