本系列博客為MIT《Missing in CS Class(2020)》課程筆記

正則表達式

在線正則表達式網站：https://regexr-cn.com/

注：若無特殊說明，本文章嚴格區分字符(單個字符)與字符串(多個字符)。

字符串模式匹配

字符串模式匹配：根據模式串(Pattern)的數量，分為單模匹配與多模匹配。設原串\(S\)、模式串\(T\)，\(T\)在\(S\)中可能多次出現，在\(S\)中找所有\(T\)的相等串的過程即為單模匹配；設原串\(S\)、模式串\(\set{T_1,\cdots ,T_n}\)，在\(S\)中找到所有\(\set{T_1,\cdots ,T_n}\)的相等串的過程即為多模匹配

正則表達式是通配符(?、*)的擴展，常用于字符串的模式匹配。通過修改模式串，可使模式串按照一定規則進行匹配。

匹配符號

若要匹配這些符號本身，則需將其本身轉義(\)。

• .：匹配除\n外的任意字符(類似于通配符中的?)。如a.b匹配acb，但不匹配ab和accb。
• [ ]：字符集。匹配字符集中的任意字符。若需匹配的字符間呈連續性(如字典序、數字序列等)，中間部分范圍可用-省略。如a[b-dB-D]可匹配ab、ac、ad、aB、aC、aD。
• [^ ]：取反字符集。匹配除該字符集外的任意字符。如a[^a-b]匹配ac等，但不匹配aa、ab。
• 預定義類：
  • \d：任意數字，等價于[0-9]
  • \D：任意非數字，等價于[^0-9]
  • \w：任意字母、數字、下劃線
  • \W：任意非字母、數字、下劃線
  • \s：任意空白字符(Space、Tab等)
  • \S：任意非空白字符

邊界匹配

邊界匹配符可搭配使用。使用邊界匹配符后，默認僅對文本首行進行邊界匹配。

• ^ ：匹配僅在行頭出現的字符串。如^ab匹配abcd abbc aabc中abcd的ab，但不匹配abbc和aabc。
• $：匹配僅在行尾出現的字符串。如ab$匹配 aabb abab cbab中cbab中的ab，但不匹配aabb和abab。
• \b ：匹配僅在詞頭出現的字符串。如\bab匹配abcd abaa baba中abcd和abaa的ab，但不匹配baba。
• \b：匹配僅在詞尾出現的字符串。如ab\b匹配cdab aaab caba中adab和aaab中的ab，但不匹配caba。
• \B ：匹配非詞頭出現的字符串(位于單詞的中間或末尾)。如\Bab匹配abaa aaba aaab中aaba和aaab中的ab，但不匹配abaa。
• \B：匹配非詞尾出現的字符串(位于單詞的開頭或中間)。如ab\B匹配abaa aaba aaab中abaa和aaba中的ab，但不匹配aaab。

匹配修飾符

• g：全局匹配，匹配模式串出現的所有位置
• i：忽略模式串大小寫
• m：對所有行都進行邊界匹配
• s：使.支持匹配\n

匹配量詞及其匹配模式

匹配量詞

• {<number>}：匹配其前面的字符出現<number>次。若表示重復次數區間，則用,分隔，表示重復次數的閉區間。
  若不給定區間端點，由于貪婪匹配機制，不給定的端點默認為\(0\)(左端點)和\(+\infty\)(右端點)。如abt{3}僅匹配abttt，abt{3,5}僅匹配abttt、abtttt、abttttt，abt{3,}匹配abttt、abtttt等。
• *：匹配其前面的字符出現\(\ge 0\)次，等價于 {0,}。如abt*匹配ab、abt、abtt等。
• +：匹配其前面的字符出現\(\ge 1\)次，等價于 {1,}。如abt+匹配abt、abtt等，但不匹配 ab。
• ?：匹配其前面的字符出現\(0\)或\(1\)次，等價于 {0,1}。如abt?匹配ab、abt，但不匹配abt等。

量詞的匹配模式

• 貪婪匹配：盡可能多匹配，直到無法再進行匹配為止。量詞默認為貪婪匹配。如abt*匹配ab、abt、abtt等。
• 非貪婪匹配：盡可能少匹配，一旦滿足匹配條件則立即停止匹配。在量詞后加?(懶惰符)開啟非貪婪匹配。如abt*?僅匹配abt。

分組 捕獲 引用

• 分組：將若干字符組織成一個整體的字符串進行匹配
• ( )：非命名捕獲分組，分組并捕獲(記憶化)該匹配。如(ab)+則用于字符串ab出現\(\ge 1\)次，匹配ab、abab等。
• (?: )：非命名非捕獲分組。匹配后不進行捕獲。
• (?P<<tag_name>><regex>)：命名捕獲分組。<tag_name>為分組名，其被<>包圍；<regex>為正則表達式內容。
• 引用：重復使用先前被分組捕獲的內容
  • 反向引用：在匹配模式時，當遇到反向引用時，不再繼續向后匹配，而是反過來向前引用先前的捕獲分組。
    反向索引引用：適用于非命名捕獲分組，通過形如\<num>的索引引用訪問先前的捕獲。
    反向命名引用：適用于命名捕獲分組，通過形如(?P=<tag_name>)引用訪問先前的捕獲。
  • 替換引用：在替換時引用。
    替換索引引用：適用于非命名捕獲分組，通過形如$<num>的索引引用訪問先前的捕獲。
    替換命名引用：適用與命名捕獲分組，通過形如\g<name>引用訪問先前的捕獲。

邏輯運算

• |：或。位于兩個模式串之間。可用于實現多模匹配。如abc|def可匹配abc，也可匹配def。

前瞻 后顧