正則表達式筆記三則
更新時間：2010年07月27日 20:58:51 作者：
筆記三則，貼在這里。
首字母大小寫無關(guān)模式
有一段時間，我在寫正則表達式來匹配Drug關(guān)鍵字時，經(jīng)常寫出 /viagra|cialis|anti-ed/ 這樣的表達式。為了讓它更美觀，我會給關(guān)鍵詞排序；為了提升速度，我會使用 /[Vv]iagra/ 而非/viagra/i ，只讓必要的部分進行大小寫通配模式。確切地說，我是需要對每個單詞的首字母進行大小寫無關(guān)的匹配。
我寫了這樣的一個函數(shù)，專門用來批量轉(zhuǎn)換。
#convert regex to sorted list, then provide both lower/upper case for the first letter of each word
#luf means lower upper first
sub luf{
# split the regex with the delimiter |
my @arr=sort(split(/\|/,shift));
# provide both the upper and lower case for the
# first leffer of each word
foreach (@arr){s/\b([a-zA-Z])/[\l$1\u$1]/g;}
# join the keyword to a regex again
join('|',@arr);
}
print luf "sex pill|viagra|cialis|anti-ed";
# the output is:[aA]nti-[eE]d|[cC]ialis|[sS]ex [pP]ill|[vV]iagra
控制全局匹配下次開始的位置
記得jyf曾經(jīng)問過我，如何控制匹配開始的位置。嗯，現(xiàn)在我可以回答這個問題了。Perl 提供了 pos 函數(shù)，可以在 /g 全局匹配中調(diào)整下次匹配開始的位置。舉例如下：
$_="abcdefg";
while(/../g)
{
print $&;
}
其輸出結(jié)果是每兩個字母，即ab, cd, ef
可以使用 pos($_)來重新定位下一次匹配開始的位置，如：
$_="abcdefg";
while(/../g)
{
pos($_)--; #pos($_)++;
print $&;
}
輸出結(jié)果：
pos($_)--: ab, bc, cd, de, ef, fg.
pos($_)++: ab, de.
可以閱讀 Perl 文檔中關(guān)于 pos的章節(jié)獲取詳細(xì)信息。
散列與正則表達式替換
《effective-perl-2e》第三章有這樣一個例子（見下面的代碼），將特殊符號轉(zhuǎn)義。
my %ent = { '&' => 'amp', '<' => 'lt', '>' => 'gt' };
$html =~ s/([&<>])/&$ent{$1};/g;
這個例子非常非常巧妙。它靈活地運用了散列這種數(shù)據(jù)結(jié)構(gòu)，將待替換的部分作為 key ，將與其對應(yīng)的替換內(nèi)容作為 value 。這樣只要有匹配就會捕獲，然后將捕獲的部分作為 key ，反查到 value 并運用到替換中，體現(xiàn)了高級語言的效率。
不過，這樣的 Perl 代碼，能否移植到 Python 中呢？ Python 同樣支持正則，支持散列（Python 中叫做 Dictionary），但是似乎不支持在替換過程中插入太多花哨的東西（替換行內(nèi)變量內(nèi)插）。
查閱 Python 的文檔，（在 shell 下 執(zhí)行 python ，然后 import re，然后 help(re)），：
sub(pattern, repl, string, count=0)
Return the string obtained by replacing the leftmost
non-overlapping occurrences of the pattern in string by the
replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. If it is
a callable, it's passed the match object and must return
a replacement string to be used.
原來 python 和 php 一樣，是支持在替換的過程中使用 callable 回調(diào)函數(shù)的。該函數(shù)的默認(rèn)參數(shù)是一個匹配對象變量。這樣一來，問題就簡單了：
ent={'<':"lt",
'>':"gt",
'&':"amp",
}
def rep(mo):
return ent[mo.group(1)]
html=re.sub(r"([&<>])",rep, html)
python 替換函數(shù) callback 的關(guān)鍵點在于其參數(shù)是一個匹配對象變量。只要明白了這一點，查一下手冊，看看該種對象都有哪些屬性，一一拿來使用，就能寫出靈活高效的 python 正則替換代碼。
有一段時間，我在寫正則表達式來匹配Drug關(guān)鍵字時，經(jīng)常寫出 /viagra|cialis|anti-ed/ 這樣的表達式。為了讓它更美觀，我會給關(guān)鍵詞排序；為了提升速度，我會使用 /[Vv]iagra/ 而非/viagra/i ，只讓必要的部分進行大小寫通配模式。確切地說，我是需要對每個單詞的首字母進行大小寫無關(guān)的匹配。
我寫了這樣的一個函數(shù)，專門用來批量轉(zhuǎn)換。
復(fù)制代碼 代碼如下:
#convert regex to sorted list, then provide both lower/upper case for the first letter of each word
#luf means lower upper first
sub luf{
# split the regex with the delimiter |
my @arr=sort(split(/\|/,shift));
# provide both the upper and lower case for the
# first leffer of each word
foreach (@arr){s/\b([a-zA-Z])/[\l$1\u$1]/g;}
# join the keyword to a regex again
join('|',@arr);
}
print luf "sex pill|viagra|cialis|anti-ed";
# the output is:[aA]nti-[eE]d|[cC]ialis|[sS]ex [pP]ill|[vV]iagra
控制全局匹配下次開始的位置
記得jyf曾經(jīng)問過我，如何控制匹配開始的位置。嗯，現(xiàn)在我可以回答這個問題了。Perl 提供了 pos 函數(shù)，可以在 /g 全局匹配中調(diào)整下次匹配開始的位置。舉例如下：
復(fù)制代碼 代碼如下:
$_="abcdefg";
while(/../g)
{
print $&;
}
其輸出結(jié)果是每兩個字母，即ab, cd, ef
可以使用 pos($_)來重新定位下一次匹配開始的位置，如：
復(fù)制代碼 代碼如下:
$_="abcdefg";
while(/../g)
{
pos($_)--; #pos($_)++;
print $&;
}
輸出結(jié)果：
復(fù)制代碼 代碼如下:
pos($_)--: ab, bc, cd, de, ef, fg.
pos($_)++: ab, de.
可以閱讀 Perl 文檔中關(guān)于 pos的章節(jié)獲取詳細(xì)信息。
散列與正則表達式替換
《effective-perl-2e》第三章有這樣一個例子（見下面的代碼），將特殊符號轉(zhuǎn)義。
復(fù)制代碼 代碼如下:
my %ent = { '&' => 'amp', '<' => 'lt', '>' => 'gt' };
$html =~ s/([&<>])/&$ent{$1};/g;
這個例子非常非常巧妙。它靈活地運用了散列這種數(shù)據(jù)結(jié)構(gòu)，將待替換的部分作為 key ，將與其對應(yīng)的替換內(nèi)容作為 value 。這樣只要有匹配就會捕獲，然后將捕獲的部分作為 key ，反查到 value 并運用到替換中，體現(xiàn)了高級語言的效率。
不過，這樣的 Perl 代碼，能否移植到 Python 中呢？ Python 同樣支持正則，支持散列（Python 中叫做 Dictionary），但是似乎不支持在替換過程中插入太多花哨的東西（替換行內(nèi)變量內(nèi)插）。
查閱 Python 的文檔，（在 shell 下 執(zhí)行 python ，然后 import re，然后 help(re)），：
復(fù)制代碼 代碼如下:
sub(pattern, repl, string, count=0)
Return the string obtained by replacing the leftmost
non-overlapping occurrences of the pattern in string by the
replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. If it is
a callable, it's passed the match object and must return
a replacement string to be used.
原來 python 和 php 一樣，是支持在替換的過程中使用 callable 回調(diào)函數(shù)的。該函數(shù)的默認(rèn)參數(shù)是一個匹配對象變量。這樣一來，問題就簡單了：
復(fù)制代碼 代碼如下:
ent={'<':"lt",
'>':"gt",
'&':"amp",
}
def rep(mo):
return ent[mo.group(1)]
html=re.sub(r"([&<>])",rep, html)
python 替換函數(shù) callback 的關(guān)鍵點在于其參數(shù)是一個匹配對象變量。只要明白了這一點，查一下手冊，看看該種對象都有哪些屬性，一一拿來使用，就能寫出靈活高效的 python 正則替換代碼。
相關(guān)文章
本文給大家分享js基礎(chǔ)之正則表達式知識，以及在正則表達式中() [] {}所代表的意思，本文給大家介紹的非常詳細(xì)，需要的朋友參考下2017-01-01
想必很多人都對正則表達式都頭疼。今天，我以我的認(rèn)識，加上網(wǎng)上一些文章，希望用常人都可以理解的表達方式來和大家分享學(xué)習(xí)經(jīng)驗。2008-05-05
這篇文章主要介紹了正則表達式與HTML5新元素的相關(guān)資料,非常不錯，具有參考借鑒價值，需要的朋友可以參考下2016-08-08
昨天，有朋友請教我關(guān)于正則表達式的問題，就這點問題當(dāng)時也真是把我難住了，無奈不得不學(xué)習(xí)了，于是到搜了寫相關(guān)資料，為了加深了印象，現(xiàn)把相關(guān)內(nèi)容整理如下，供大家參考學(xué)習(xí)2015-09-09
這篇文章主要介紹了Eclipse使用正則表達式快速修改代碼的方法，本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值,需要的朋友可以參考下2020-01-01
這篇文章主要介紹了Java正則表達式入門學(xué)習(xí)基礎(chǔ)知識，全面分析了表示匹配次數(shù)的符號使用方法，感興趣的小伙伴們可以參考一下2015-12-12
開發(fā)過程最全的正則表達式匹配中英文、字母和數(shù)字
這篇文章主要介紹了開發(fā)過程最全的正則表達式匹配中英文、字母和數(shù)字 的相關(guān)知識，非常不錯，具有一定的參考借鑒價值,需要的朋友可以參考下2019-05-05
好久沒更新內(nèi)容了，今天分享一個小的知識點，一個正則表達式方面的很容易被人忽視的坑,需要的朋友可以參考下2018-06-06
我通常在匹配一個字符串或是一組數(shù)字的時候會用到正則表達式，但很少會了解它是如何真正開始工作的？它的工作原理是什么？其實正則表達式里面的貓膩還挺多水也挺深的，有時候還不太好理解。2010-04-04
正則中的括號有不同的意義,不同的字符在括號中也有不同的意義,下面這篇文章主要給大家介紹了關(guān)于grep正則表達式匹配中括號的相關(guān)資料,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-09-09