模板
教程
环境
性能
功能
管理
正则表达式模式匹配
发表于：2007-05-26来源：作者：点击数：
标签：
关于正则表达式的一个问题 首先明确一下什么是匹配 匹配可以从两个方面来理解 1 一个正则表达式和一个字符串是否匹配 在perl中 =~ 代表捆绑 也就是让正则表达式去匹配指定的字符串 如果如果用匹配的符号形式来表现 对于 /regular/ =~ string 如果返回值为真
关于正则表达式的一个问题首先明确一下什么是匹配
匹配可以从两个方面来理解
1 一个正则表达式和一个字符串是否匹配
在perl中 =~ 代表捆绑 也就是让正则表达式去匹配指定的字符串
如果如果用匹配的符号形式来表现 对于 /regular/ =~ "string" 如果返回值为真 则说/regular/ 匹配了"string"
2 一个正则表达式不只可以匹配一个字符串
例如 /a*b/ 不仅可以匹配aaaab 还可以匹配aaaaaab b 等
这里所谓的“匹配”也是指 /a*b/ =~ aaaab /a*b/ =~ b 返回值都是真
下面说说依次匹配
首先的一个问题是一个正则表达式的工作过程
举个例子
| 代码: |
| $data is 192.168.0.1 $data =~ /([0-9]*\.)([0-9]*.)([0-9]*\.)([0-9])/; is 192. is 168. is 0. is 1 这里 /([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/ 匹配了192.168.0.1 同时在这个较长的正则表达式子是由几个短的正则表达式组成的,这些短的在()中的正则表达式称为模式,大家对,,,的值的输出都非常理解 |
下面再举一个例子
| 代码: |
| $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/; is 192. is 0. is 1 |
这里有观点解释到这里([0-9]*\.) ([0-9]*\.) *([0-9]) 红色部分"依次匹配" 了168. 0. 所以是0.
这并不是很好理解
有证:
| 3x3eyes 写到: |
| ....匹配.168都还好理解所谓的依次匹配是什么意思，请各位帮忙 |
问题的关键是为什么这里的红色部分会去依次匹配168. 0.呢?regular 有这种依次匹配的机制吗 它在什么情况下会这样做 什么情况下不会这么做呢
下面我们通过一个例子来验证regular 会不会有这种依次匹配的机制
| 代码: |
| $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/; is 192. is 168. is 0 |
这里红色部分并没有去依次匹配168. 0. 而是直接匹配了168.
为什么呢 看来 问题出现在* 上面
也就是当正则表达式是 $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/; 的时候 红色部分依次匹配了168. 0. 并最终把最后匹配的0.存到了分组2中
当正则表达式是 $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/; 的时候 红色部分就不再依次匹配了?? 它就匹配168. 并把168存在分组2中 这是什么道理？
正则表达式有一个引擎 引擎的工作原理细节没有找到相应文档 但是对于这种情况 可以试着解释为
| 代码: |
| 对于 $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/; 这时候对于模式1 模式2 模式3 他们没有机会选择 分别将各自匹配的 192. 168. 0 存在正则表达式的记忆体 中 而对于 $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/; 对于模式1 从左到右搜索$data 匹配了192. 把它存在了记忆体 中 对于模式2 从左到右搜索剩下的$data 部分 匹配了 168. 并把它存在了记忆体中 下面到了* 这里*代表 前面模式的0次或多次出现 虽然在功能上对于这个例子它等于([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/， 但是它并不等价于正则表达式/([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/ 。这时候仍然是模式2 去从左到右搜索$data剩余的字符串0.1 结果匹配了0. 由于仍然是模式2去匹配，所以0. 仍然存在记忆体中，冲掉了原来存在记忆体中的内容 下面([0-9]) 匹配了1 并把它存在了记忆体中。 |
看到这里，可以试着总结出正则表达式的引擎搜索机制：
| 代码: |
| 1 如果在正则表达式中有模式 ，那么每个模式从左到右搜索要匹配的字符串，如果匹配成功，则把匹配的字符串存到相对应的记忆体中。 2 如果正则表达式中有下一个模式，那么这个模式将继续从左到右搜索没有被匹配的字符串 ，重复前面的步骤1的过程，匹配成功则立即停止，并把匹配的字符串存到相应的记忆体中。 3 如果在2中的模式后面出现了数量符* + ? ，形如：(模式2)*，则匹配过程变为：模式2仍然按照步骤1的过程匹配，匹配成功则停止。但是由于这时候在模式2后面出现了数量符 * ，则仍然由模式2去匹配字符串中没有被匹配的的部分，如果这时候出现了可以匹配多个字符串的情况，那么作后一次匹配成功的字符串被存放到了模式2对应的记忆体中(注意：中间匹配成功的并不是没有存，而是被后面匹配成功的覆盖了)。 |
说到这里仿佛一切问题都得到了很好的解释
可是请看下面的例子
| 代码: |
| $data = 192.168.0.1 $data =~ /([0-9]*\.)([0-9]*\.)*([0-9]*\.)([0-9]*.)([0-9])/ 按照上面的结论，大家不妨猜测一下的内容 ，也就是记忆体2中的值是什么 在没有看到答案之前，也许会有人猜测是0. 或者168.。 但是这里 的值是空值，*在这里是“0个”。 |
由此可以得到：正则表达式并不是按照模式按照从左到右搜索，"一个正则表达式" 就是一段程序，一个正则表达式的匹配引擎机制应该是：尽量多的精确的去匹配目标字符串，至于它采取哪种策略实现这一过程，这也是在此抛砖引玉的目的所在。
