正则表达式
下面就来讲讲ruby支持的正则表达式符号(元字符)。
有这么个规则：
- 不带\的数字和字母不是元字符
- 带\的符号也不是元字符
下文中出现的“匹配多字节字符的正则表达式”是指，通过使用 $KCODE 进行设定，或显式地使用汉字选项(请参考 正则表达式字面值 )等方式进行的匹配多字节字符的正则表达式。
-
^行首。与字符串的头部或换行符之后的位置相匹配。
-
$行尾。与字符串的尾部或换行符之前的位置相匹配。不包括换行符本身。
ruby 1.8 特性 ：以前，只匹配字符串尾部换行符前的位置，现在则扩大到字符串的尾部。 trap::Regexp
p "\n".gsub(/$/, "o") => "o\n" (1.6) => "o\no" (1.8) -
.匹配除换行符以外的任意一个字符。使用正则表达式选项 m(多行模式。请参考 正则表达式字面值 ) 时，则匹配包括换行符在内的任意一个字符。在匹配多字节字符的正则表达式中，则匹配一个字(非单字节)。
当遇到不完整的多字节字符的一部分(无法判断该字符是多字节字符？二进制？还是ASCII)时，也不会匹配。
p /./e =~ "あ"[0,1] # => nil -
\w字母和数字。等同于
[0-9A-Za-z]。若为匹配多字节字符的正则表达式时，则也会匹配日语的全角字符。
-
\W非字母和数字。
\w以外的单个字符。 -
\s空字符。相当于
[ \t\n\r\f] -
\S非空字符。
[ \t\n\r\f]以外的单个字符。 -
\d数字。即
[0-9] -
\D非数字
-
\A字符串头部。与
^不同的是，它不受有无换行符的影响 。 -
\Z字符串尾部。若字符串以换行符结尾，则匹配换行符前的位置。
ruby 1.8 特性 ：以前，只匹配字符串尾部换行符前的位置，现在则扩大到字符串的尾部。 trap::Regexp
p "\n".gsub(/\Z/, "o") => "o\n" (1.6) => "o\no" (1.8) -
\z字符串结尾。与$以及\Z不同的是，它不受有无换行符的影响。
-
\b在字符范围描述符之外时表示词边界(匹配从\w到\W)。在字符范围描述符之内时表示退格符(0x08)。
-
\B非词边界
-
\G在上次成功匹配的地方(之后)进行匹配(不留余地)。只有在首次使用时才会匹配到头部(与\A相同)。
可以用在 scan 和 gsub 中。当您想在上次匹配的地方之后再进行匹配的话，可以使用。
举个简单(没什么用)的例子。
# 从头取出3位数字(数字必须相连)。 str = "123456 789" str.scan(/\G\d\d\d/) {|m| p m } -
[ ]指定字符范围。请参考 字符范围
。
-
*前面元素至少出现0次。尽可能匹配较长的部分。
-
*?负责指定数量(quantifiers)。表示前面元素至少出现0次(尽量匹配短的部分)
-
+负责指定数量(quantifiers)。表示前面元素至少出现1次
-
+?负责指定数量(quantifiers)。表示前面元素至少出现1次(尽量匹配短的部分)
-
{m} -
{m,} -
{m,n}指定元素重复出现的次数(interval quantifier)。分别表示前面元素重复出现
- m 次
- 至少 m 次
- 至少 m 次，至多 n 次
{,n}或{,}将导致匹配失败。str = "foofoofoo" p str[/(foo){1}/] # => "foo" p str[/(foo){2,}/] # => "foofoofoo" p str[/(foo){1,2}/] # => "foofoo"正则表达式
?,*,+分别等同于{0,1},{0,}{1,}。 -
{m}? -
{m,}? -
{m,n}?指定元素重复出现的次数(interval quantifier)。分别表示前面元素重复出现
- m 次
- 至少 m 次
- 至少 m 次，至多 n 次
(尽量匹配短的部分)。
-
?负责指定数量(quantifiers)。表示前面元素至多出现1次。
-
??负责指定数量(quantifiers)。表示前面元素至多出现1次(尽量匹配短的部分)
-
|选择(alternative)。
-
( )正则表达式的群组化。与括号中的正则表达式相匹配的字符串将被保存下来，供后方参考使用。
-
\1,\2...\ n后方参考(back reference)。请参考 后方参考 。
-
(?# )注释。括号中的任意字符串将被忽视。
-
(?: )不具备后方参考功能的群组化。它不为\1,\2(或 $1 , $2 )提供服务，是一种单纯的群组功能。
/(abc)/ =~ "abc" p $1 => "abc" /(?:abc)/ =~ "abc" p $1 => nil -
(?= )先行(lookahead)。使用模式(pattern)指定位置(不留间隔)
(?=re1)re2表示将匹配同时符合re1和re2的要求的字符串。
re1(?=re2)という山附は、稿に re2 とマッチする矢机误が鲁く、正则表达式 re1 です。
p /foo(?=bar)/ =~ "foobar" # => 0 p $& # => "foo" (bar の婶尸の攫鼠はない) -
(?! )否定先行(negative lookahead)。使用否定的模式(pattern)来指定位置(不留间隔)
(?!re1)re2该正则表达式表示，匹配re1但不匹配re2。
# 除000以外的3位数字 re = /(?!000)\d\d\d/ p re =~ "000" # => nil p re =~ "012" # => 0 p re =~ "123" # => 0 # C语言标识符 (首位是[A-Za-z_]然后是[0-9A-Za-z_]的字符串) /\b(?![0-9])\w+\b/ -
(?> )禁用 回缩功能 。
该功能尚处于试验阶段。将来有可能被停用，请您注意使用。特别是不要在广义库中使用。
-
(?ixm-ixm)正则表达式中的i选项、x选项、m选项的开关。请您参考 正则表达式字面值 来了解选项的详细内容。
re = /A(?i)a(?-i)A/ p re =~ "AaA" # => 0 p re =~ "AAA" # => 0 p re =~ "AAa" # => nil -
(?ixm-ixm: )括号中的i选项、x选项、m选项的开关。在括号范围内有效。
re = /A(?i:a)A/ p re =~ "AaA" # => 0 p re =~ "AAA" # => 0 p re =~ "AAa" # => nil
后方参考
正则表达式 \1 \2 ... \n 表示后方参考。\n表示将匹配第n个括号(正则表达式的()表示群)的内容保存起来，供后面使用。
/((foo)bar)\1\2/
和
/((foo)bar)foobarfoo/
是一样的。
例:
re = /(foo|bar|baz)\1/
p re =~ 'foofoo' # => 0
p re =~ 'barbar' # => 0
p re =~ 'bazbaz' # => 0
p re =~ 'foobar' # => nil
对应的括号必须位于后方参考表达式的左侧。
若后方参考表达式位于对应的括号中时，匹配常常会失败。当后方参考表达式中的数字是1位，且没有对应的括号时，匹配也将失败。
p /(\1)/ =~ "foofoofoo" # => nil
p /(foo)\2/ =~ "foo\2" # => nil
虽然可以指定2位以上的后方参考表达式，但是不要把它同 反斜线表示法 的\nnn(对应于8进制数nnn的字符)混为一谈。当数字只有1位时，通常是后方参考表达式。当指定了一个超过2位的数字时，若没有对应括号的话，则被看作是8进制代码。
相反地，若在正则表达式中使用1位的8进制代码时，必须以0打头，例如\01等(不可能存在形如\0这样的后方参考表达式，因此不会混淆)。
p /\1/ =~ "\1" # => nil # 无对应括号的后方参考
p /\01/ =~ "\1" # => 0 8 进制代码
p /\11/ =~ "\11" # => 0 8 进制代码
# 8 进制代码 (因为没有对应括号)
p /(.)\10/ =~ "1\10" # => 0
# 后方参考 (因为有对应的括号)
p /((((((((((.))))))))))\10/ =~ "aa" # => 0
# 8 进制代码 (因为没有像"\0" + "8" -> \08 这样的8进制代码)
p /(.)\08/ =~ "1\0008" # => 0
# 如果想在后方参考表达式之后插入数字的话，就必须使用括号加以分隔。
p /(.)(\1)1/ =~ "111" # => 0
字符范围
正则表达式 [] 负责指定字符范围。这将匹配 [] 内列出的任何一个字符。
例如/[abc]/表示只要匹配"a", "b", "c"中任何一个即可。也可以按照ASCII代码顺序，在连续的字符串之间插入“-”后写成/[a-c]/也是一样的效果。另外，若头上是“^”的话，表示要匹配指定字符之外的一个字符。
若“^”不在头上的话，表示匹配该字符本身。同时，当“-”出现在头或尾上时，表示匹配该字符本身。
p /[a^]/ =~ "^" # => 0
p /[-a]/ =~ "-" # => 0
p /[a-]/ =~ "-" # => 0
p /[-]/ =~ "-" # => 0
空的字符范围将引发错误。
p /[]/ =~ ""
p /[^]/ =~ "^"
# => invalid regular expression; empty character class: /[^]/
当“]”出现在头上(或否定的“^”之后)时，表示“]”本身，而并非字符范围的结尾。
p /[]]/ =~ "]" # => 0
p /[^]]/ =~ "]" # => nil
可以使用反斜线对"^", "-", "]" 以及 "\\"(反斜线)进行转义，使其匹配该字符本身。
p /[\^]/ =~ "^" # => 0
p /[\-]/ =~ "-" # => 0
p /[\]]/ =~ "]" # => 0
p /[\\]/ =~ "\\" # => 0
在[]中可以使用 反斜线表示法 以及正则表达式\w, \W, \s, \S, \d, \D (这些都是表示字符范围的简写法)。
请注意，下列包含否定意味的字符范围也将匹配换行符(正则表达式 \W,\D 也是如此)。
p /[^a-z]/ =~ "\n" # => 0
字符范围中也可以使用下列特殊的表达法，但是，将来这些表达法是否会继续得到支持还未可知(所以此处从略，欲知详情请参考 grep(1) 的手册)。
[:alnum:] 数字和字母 0-9a-zA-Z
[:alpha:] 字母 a-zA-Z
[:blank:] 空白类
[:cntrl:] 控制字符
[:digit:] 数字
[:graph:] 除空白以外的可打印可视字符
[:lower:] 小写字母
[:print:] 可视字符
[:punct:] 符号
[:space:] 空白字符
[:upper:] 大写字母
[:xdigit:] 16进制字符
例: (包括"[]"在内，"[:...:]"表示1个字符。并非文字类的"[]")
p /[[:alnum:]][[:cntrl:]]/ =~ "a\x01" # => 0
注: 全角字符不在考虑范围之内。即使指定让正则表达式对汉字进行匹配时，[:alpha:]等也不会匹配全角的字母。
p /[[:alpha:]]/e =~ "Ａ" # => nil
回缩(backtrack)
用特殊括号(?> )将正则表达式括起来后，与该正则表达式相匹配的字符串中的回缩功能就将失效。举例如下。
例如在通常的正则表达式中
p /(a*)ab/ === 'aaab'
是匹配的。该匹配过程如下所示。
- 正则表达式 a* 从索引0开始匹配3个a
- 正则表达式 a 匹配失败
- 正则表达式 a* 将匹配部分稍稍“缩小”一下，匹配2个a(使用了回缩功能)
- 正则表达式 a 与字符a匹配
- 正则表达式 b 与字符b匹配
- 正则表达式 a* 从索引0开始匹配3个a
- 正则表达式 a 匹配失败
- a* 想把匹配部分回缩一下，但由于特殊括号的作用，回缩功能失效。
- 正则表达式 a* 从索引1开始匹配2个a
接下来的匹配都不成功，最终导致整体匹配失败。
简单说来，通常的正则表达式是“贪婪型的匹配”，而(?> )则是“超贪婪型的匹配”，因为它一旦匹配成功就决不放手。
范例
为了便于您拷贝使用，我们将其代入到以$re_开头的全局变量中。
数值
-
浮点数(包括整数)
$re_float = /[-+]?(?:[0-9]+(\.[0-9]*)?|(\.[0-9]+))([eE][-+]?[0-9]+)?/ p $re_float =~ "1.23" # => 0 p $&.to_f # => 1.23 p $re_float =~ ".23" # => 0 p $&.to_f # => 0.23 p $re_float =~ "1.23e1" # => 0 p $&.to_f # => 12.3 p $re_float =~ "1.23e-1" # => 0 p $&.to_f # => 0.123
用逗号将数字划分成3位一组的形式
-
方法1：使用回行和先行的方法(回行(lookbehind)需要Oniguruma库的支持)
p "tone of 12345Hz".gsub(/(?<=\d)(?=(?:\d\d\d)+(?!\d))/, ',') => ruby 1.8.0 (2003-08-07) [i586-linux] "tone of 12,345Hz" -
方法2：只使用先行的方法
p "tone of 12345Hz".gsub(/(\d)(?=(?:\d\d\d)+(?!\d))/, '\1,') => ruby 1.8.0 (2003-08-07) [i586-linux] "tone of 12,345Hz" -
方法3：不使用先行的方法
s = "tone of 12345Hz" nil while s.gsub!(/(.*\d)(\d\d\d)/, '\1,\2') p s => ruby 1.8.0 (2003-08-07) [i586-linux] "tone of 12,345 Hz"
