数据结构与算法：Python语言描述 字符串.ppt

正则表达式的使用 例：假设需要把一个 Python 程序里的变量和函数名都加上 my_ 前缀，可以考虑下面的做法 from keyword import iskeyword ident = r\b[a-zA-Z_]\w*\b # 标识符由字母和 _ 开头 def add_prefix(name) : return name if iskeyword(name) else my_ + name ... ... modified = re.sub( ident, add_prefix, prog_text) ... ... 处理复杂的匹配和修改情况，需要每次自己确定匹配成功的位置，完成所需操作，然后确定下次继续匹配的起始位置 这种循环应该用 while 描述：用一个位置变量 pos 记录维持匹配的起始位置位置，在循环的每次迭代中正确更新 展望和总结 模式匹配问题还有许多可能扩展： 近似匹配 串中数据是通过测量得到的，原本就不准确 并不需要准确的匹配，近似可以根据应用的需要定义 例如，定义两个串的接近程度，定义一种“距离” 其他模式匹配问题，例如，二维或者高维描述中的模式匹配（字符串是一维描述） 等等 字符串类型和操作 构造、拼接、子串替换等都是典型的字符串操作 串匹配是许多串操作的基础。存在很多串匹配算法，值得关注 正则表达式是完成字符串操作的有用工具 模式匹配问题 前面讨论的串匹配基于最简单的字符比较 以常规的字符串作为模式 比较的一方是模式串，另一方是一个字符串的所有可能子串 匹配中考察的是模式串与目标串的所有可能子串之间的相等关系 基本串匹配有很广泛的应用，前面举过一些例子，如 正文编辑器中最常用的操作是查找和替换 网络搜索引擎，基本功能就是在网页中检查检索串的匹配 实际使用中，存在着许多不同的场景，如 用一个模式串，在目标串里反复检索，找出一些或者所有出现 在一个目标串里检查是否出现了一组模式串中的任何一个 在一批目标串里检查一个或一组模式串是否出现，等等 模式匹配的进一步问题 实际中还经常需要（希望）考虑一些更一般的问题，例如 一个目录下所有以 .py 结尾的文件名 文件里所有形为 href=… 的段（HTML网页里的网页链接） DNA片段里以某碱基段开始以另一碱基段结束的片段 计算机可执行文件中的某种片段模式（例如检查病毒），以一种形式的片段开始到另一片段结束，其中出现了某些片段 等等 这种匹配中考虑的不是一个字符串，而是一集字符串 可能有穷，也可能无穷 罗列（枚举）的方式不适合这里的需要，因为可能很多或无穷多 要处理这种匹配问题，就需要考虑字符串集合的描述问题，以及是否属于一个字符串集合的匹配问题 模式匹配的进一步问题 有关字符串集合的描述和匹配，需要考虑两个问题： 怎样描述被考虑的那个串集合？需要一种严格描述方式，能描述很多（所有？）有用的字符串集合。“系统化的” 描述方式就是一种描述串检索模式的语言（简单串匹配的“模式语言”就是字符串本身） 如何（或，是否可能）高效实现所希望的检查（匹配） 模式描述语言的功能很强，就可能描述更多更复杂的模式（对应的，字符串集合），但匹配算法的复杂性也会提高。这方面有许多理论结果 模式语言变得比较复杂以后，或许只能做出具有指数复杂性的匹配算法，这种情况使模式语言变得没有实用意义 如果模式语言进一步复杂，模式匹配问题甚至可能变为不可计算问题。也就是说，根本不可能写出完成匹配的算法。这样的描述语言就完全没有实际价值了 有意义的模式描述语言是描述能力和处理效率之间的合理平衡 模式匹配的进一步问题 如果大家对 DOS 操作系统或者 Windows 命令窗口（cmd）有些了解，可能会知道描述文件名的“通配符” 在 Windows 系统里搜索文件，也会用到 Windows/DOS 的文件名描述中可以使用两个通配符 * 和 ? 写在文件名字符串里的 ? 可以与任何实际字符匹配 * 可与任意一串字符匹配 例：*.py 与所有以 py 为扩展名的文件名匹配 在普通字符串的基础上增加通配符，形成了一种功能更强的模式语言 一个模式描述一集字符串，例如 a?b 描述所有 3 个字符的串，其首字符为 a，尾字符为 b，中间字符任意 能描述无穷字符串集合，例如 a* 描述了所有以 a 开头的字符串 但，只是加入了通配符的模式语言还不够灵活（描述能力不够强） 正则表达式 一种很有意义的实用模式语言是正则表达式（Regular Expression, 或称 regex、regexp、RE、re），由逻辑学家 Kleene 提出 一个具体的正则表达式，描述字符集上的一个字符串集合 正则表达式语言的基本成分是字符集里的普通字符，另外还有几种特殊的组合结构（以及表示组合的括号） 正则表达式里的普通字符只与