经常会有人问起正则表达式的问题,常见的形式是:要解决这个问题,该怎么写正则表达式?

OK,常见的某些问题,正则表达式应用起来的确得心应手。譬如,验证一个字符串是否数字字符串,\d+\,确实比逐个检查字符,用“或”连接10个判断(是否0-9之间的字符)要方便。

然而,正则表达式终究是一种工具,功能再强大,也不是万能的。许多时候,仅仅希望依靠正则表达式,更准确地说,是“一条”正则表达式来完成任务,反而会走远路。

譬如要找出这样的字符串:aba, aabaa, aaabaaa……
也就是这样的字符串:在字母b的前后,字母a连续出现的次数一样多
这种问题,正则表达式确实能解决。但如果要仅仅用“一条正则表达式”来解决,目前只有Perl的正则表达式强大到这种程度,其它语言中的正则表达式,恐怕做不到这一点。
怎么办呢?其实,我们只需要另外加上一个判断作为辅助,就好了:
正则表达式写作
(?<!a)(a+)b(a+)(?!a)
然后比较group 1和group 2的长度,就可以满足要求了。
这里解释一下开头和结尾的两个结构:

  • (?<!a)表示这个正则表达式匹配文本的左端(而不是在匹配文本之内)不能是字符a,可以是其它任何字符(甚至没有字符)。
  • (?=!a)表示这个正则表达式匹配文本的右端(而不是在匹配文本之内)不能是字符a,可以是其它任何字符(甚至没有字符)。

在应用正则表达式时,记住添加一些用于判断的“锚点”(anchor),准确地表达我们的意图,是一个好习惯。

另一类常见的问题是,没有找到合适的思路,于是写不出正确的表达式。

譬如要处理类似这样的字符串(这个字符串太神奇,但确实有人问起):
printf("%d; %d; %d;", %a, %b, %c);
去掉引号外的%。
“我要怎么用正则表达式来表示“引号外部”的概念呢?”,这个朋友被困住了。
但是,我们仔细观察就会发现,其实我们真正关注的不是“引号外部”,而是引号字符串(也就是表示格式的字符串)之后的内容,也就是说,最后一个引号右边的内容,仔细观察就会发现,其中文字的特点是,它们的右边都没有引号,于是问题就变成了,“去掉这样的百分号,它右边的字符串中不包含引号”。
于是我们很顺利地写出正则表达式
%(?=[^"]*$)
这里,一定不要忘记添加$,这样,括号内的结构才能匹配右边的所有字符,而不是其中的一串字符。


2条评论

  1. 阁下最后一个例子中的a前面的%不是英文格式下的,谢谢.

  2. 顺带一提,还是最后一个例子,我用的是(?<=, )%

发表评论

评论也有版权!