正则表达式中与括号相关的特性

以下的例子用echo和grep命令来进行测试. echo后面的参数是目标,grep -P 后的参数是模式. -P参数的意思是模式是Perl格式的模式.

1. 注释 (?#注释)
   

   Administrator@snow ~ $ echo hello | grep -P '(?#this is a comment)hello' hello

   
   上例中，在括号之间的是注释，不作为模式的一部分
   
2. 不保存的分组(non-capturing group) (?:group)
   

   Administrator@snow ~ $ echo hellohihello | grep -P '(hello)(?:hi)\1' hellohihello

   
   上例中，虽然hi被包括在括号中，但是这对括号内的内容不会被保存，所以后面仍可用数字１来引用前面的hello
   
3. 原子组(atomic group) (?>atomicgroup)
   

   Administrator@snow ~ $ echo abcc | grep -P 'a(bc|b)c' abcc Administrator@snow ~ $ echo abc | grep -P 'a(bc|b)c' abc Administrator@snow ~ $ echo abcc | grep -P 'a(?>bc|b)c' abcc Administrator@snow ~ $ echo abc | grep -P 'a(?>bc|b)c'

   
   
   原子组的意思是，组内（即括号内）的模式一旦匹配，正则表达式引擎就不会尝试组内的模式的其他组合。
   
   上面的例１和例２不是原子匹配，它能匹配abcc和abc。例３例４用的是原子匹配，它只能匹配abcc。在例２中，a(bc|b)c的a匹配abc中的a，然后括号内的bc匹配abc中剩下的bc，但是正则表达式引擎发现括号后的c没东西匹配了，于是它放弃bc的匹配，转而尝试括号内的b，它把这个b与abc中的b匹配，然后括号后的c成功与abc中剩下的c匹配。
   
   例４则不同。在例４中，模式中的a同样与abc的a匹配，然后正则表达式引擎在成功把括号内的bc与abc的bc匹配，再之后，它发现模式里剩下的c没有东西匹配了，因为它是原子匹配，组内的模式一旦匹配，正则表达式引擎就不会尝试组内的模式的其他组合，在这个例子中，即不会像例２那样尝试括号内的c这个组合，于是匹配失败。简单地说，即正则表达式引擎在这个时候不会回溯(no trackback)。
   
   原子组有时可以用于优化正则表达式。例如，在integers寻找匹配时，使用　\b(?>integer|insert|in)\b会比使用\b(integer|insert|in)\b来得快，因为后者试了三次才发现匹配不了，前者只要一次。
   
   在使用原子组的时候，必须要注意组内的选项位置。例如，\b(?>integer|insert|in)\b 匹配insert，而\b(?>in|integer|insert)\b不匹配。
4. 前后查看(lookaround, lookahead, lookbehind)
   
   1. 向前查看(?=I hope there is something ahead) (?! I hope nothing is ahead)
      
   向前查看让你可以“预先”查看目标的当前位置的前面有没有某样东西。“预先”的意思是它不消耗目标中的字符。例如，q(?!u)表示q后面不要跟着一个u。
   

   Administrator@snow ~ $ echo qa | grep -P 'q(?!u)' qa Administrator@snow ~ $ echo quick | grep -P 'q(?!u)'

   
   (?! )叫做negative lookahead。(?= )叫做positive lookahead。q(?＝u)表示q后面必须跟一个u。它和qu（不使用向前查看）的区别是，它不消耗目标里的字符：
   

   Administrator@snow ~ $ echo quick | grep -P 'q(?=u)uick' --color quick Administrator@snow ~ $ echo quick | grep -P 'quuick' --color

   
   上面第１个例子括号外的u仍匹配quick里的u，括号里的u只查看一个“前面”有没有u。有则继续，无则返回假，并且把目标的开始位置向前移一位重新尝试。匹配的过程是：模式里的q与目标里的q匹配，然后模式的下一部分是一个向前查看，正则表达式引擎于是查看目标里的下一个字符是不是u。因为目标的当前字符是p,所以下一个字符是u，所以向前查看返回成功，匹配继续；模式的下一个部分是u，而因为向前查看不消耗目标的字符，所以目标的下一个字符还是u，与模式匹配的u匹配，接下来剩下的ick也匹配了。
   2. 向后查看(?<=I hope there was something left behind ) (?<!I hope nothing was left behind) 向后查看和向前查看差不多，只不过它是要求目标的当前位置的前面没有某些东西。例如，(?<!a)b要求b前面不要跟着一个a，所以它能匹配bed，而不能匹配cab： Administrator@snow ~ $ echo cab | grep -P '(?<!a)b' --color -o Administrator@snow ~ $ echo bed | grep -P '(?<!a)b' --color -o b 同样，向后查看也是不消耗目标里的字符的。上例１的匹配过程是：模式的当前位置是一个向后查看，正则表达式引擎于是查看有没有一个a，但是目标的当前位置是第一个字符，没有字符供它向后查看，即"后面"没有a，所以向后查看返回真(没有a时返回真),匹配继续.模式下一个位置是b,但是目标的当前位置是第一个字符c,与模式不匹配,于是目标的当前位置向前移动到第二个字符a，而模式的当前位置重新回到第一部分的向后查看，引擎查看到刚才舍弃了的c，不是a，向后查看成功；模式于是来到第二个位置，即那个b，它与目标的当前位置的a不匹配，于是目标的当前位置又向前移动一位，而模式又回到了向后查看；这一次，向后查看看到了一个a，但是这里希望的是不要有a，于是向后查看返回失败，目标再次向前移动。这时已移到了末尾，所以最后匹配失败。
   在使用前后查看时要注意，它们的括号分成的组也是原子组。这一点只有在前后查看里有分组的时候才注意。例如(?=(\d+))\w+\1永远匹配不了123x12。还有有的正则表达式引擎不支持在向后查看里使用数量符(+,?,*等),即要求向后查看里的必须是定长的。.NET则没有要求。
5. 条件判断 (?ifthen|else)
   如果if返回真，则这个模式用then部分，否则用else部分。if部分使用前后查看正合适，因为它们可以返回真假，并且它们本身的括号正好用于区分if和then部分；另外，也可以使用分组的数字来作if部分(见下面例子)。then和else部分可以使用任何的正则表达式。
   

   Administrator@snow ~ $ echo abd | grep -P '(a)?b(?(1)c|d)' abd Administrator@snow ~ $ echo bc | grep -P '(a)?b(?(1)c|d)'

   
   在例２中，模式中的(a)?部分找不到匹配，于是后面的(1)返回假，所以模式就选择了else部分，即d，但是目标里的是c，所以匹配失败。 这里的1就是分组的数字.
6. 用来开关一些选项
   

   Administrator@snow ~$ echo TEst | grep -P '(?i)te(?-i)st' TEst Administrator@snow ~$ echo teST | grep -P '(?i)te(?-i)st' Administrator@snow ~$ echo TEster | grep -P '(?i)te(?-i:st)ER' TEster

   
   上面的例1和例2用(?i)来打开忽略大小写的开关,用(?-i)来关闭忽略大小写的开关.例3中,第2个括号临时关闭忽略大小写的开关,使得模式中的te和ER是忽略大小写(case insensitive),而st是对大小写敏感的(case sensitive).

转载请注明出处 http://fornote.blogspot.com/