了解正则表达式操作符的优先级

前端之家收集整理的这篇文章主要介绍了了解正则表达式操作符的优先级前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

转自:http://book.51cto.com/art/201104/259073.htm

第3章 正则表达式

Perl的正则表达式本身就相当于一门语言了,而且这门语言甚至比Perl更复杂。

我们不会用到正则表达式的全部特性,但其中有些特性的确能大大简化日常工作。本章介绍其中较为常用的一部分特性。

尽管为了提升效率,开发人员已经对正则表达式引擎内部作了大量优化,但即使经验丰富的开发人员,也偶尔会写出效率极为低下的匹配和替换表达式。

效率并不总是我们的首要目标。事实上,在软件开发过程中,效率不应该是我们的首要目标。通常来说,程序员的首要任务是提供完备、稳定而正确的解决方案。当然在开发时,时刻注意效率问题总还是没有坏处的。

由于现在Perl已经能够处理Unicode字符,所以Perl的正则表达式同样能够处理字节(byte)、字符(character)和字素(grapheme)。不仅如此,正则表达式还可以处理字符属性(character property)。我们把大部分此类问题保留到第8章再详细讨论,也就是说,第8章也将包含不少与正则表达式相关的内容

条款28 了解正则表达式操作符的优先级(1)

"正则表达式"一词中之所以包含"表达式",是因为构成和解析正则表达式的语法近似于算术表达式。诚然,正则表达式与算术表达式的作用各不相同,但理解二者的相似性,有助于写出更严谨的正则表达式,或者说更完美的Perl程序。

正则表达式由原子和操作符组成。原子(atom)是构成正则表达式的基本单位,通常是指仅匹配单个字符的匹配模式。例如:

 
 
  1. a#匹配字母a
  2. \$#匹配字符$
  3. \n#匹配换行符
  4. [a-z]#匹配任何一个小写字母
  5. .#匹配除\n以外的任意字符
  6. \1#反向引用所匹配到的第一组捕获内容(文本长度不限)

此外还有一些特殊的"零宽度"原子 ,例如:

  
  
  • \b#单词边界,从\w转换到\W的分界点,反之亦然
  • ^#匹配字串行首位置
  • \A#字串的绝对行首
  • \Z#字串末尾位置或换行符位置
  • #可能是也可能不是零宽度
  • \z#绝对行尾位置,之后再无其他内容
  • 原子由正则表达式操作符修饰或联结在一起。与算术表达式相似,正则表达式的操作符之间也是有优先级次序的。

    1. 正则表达式的优先级

    幸运的是,正则表达式只有四层优先级。试想一下如果正则表达式的优先级和数学表达式一样多一样复杂,会是怎样一种情况!

    圆括号和其他分组操作符拥有最高优先级。表3-1列出了正则表达式操作符的优先级。

    量词与它所修饰的元素的结合最为紧密,不论所修饰的是原子还是分组:

      
      
  • ab*c#匹配ac、abc、abbc、abbbc等
  • abc*#匹配ab、abc、abcc、abccc等
  • ab(c)*#同上,并捕获字母c
  • ab(?:c)*#同上,但不捕获字母c
  • abc{2,4}#匹配abcc、abccc、abcccc
  • (abc)*#匹配空字串、abc、abcabc等
  • 表3-1 正则表达式操作符优先级次序(从高到低)

    优先次序

    操 作 符

    描述

    最高级

    () (?:),等等

    圆括号或其他分组操作符

    ? + * {m,n} +? ++,等等

    重复次数

    ^ $ abc \G \b \B [abc]

    字符序列、文字字符、

    字符组、断言

    最低级

    a|b

    多选结构

    两个原子顺次排列称之为序列(sequence)。虽然没用标点符号,但序列也是一种操作符。为清晰起见,下文使用圆点(o)表示序列关系。上述例子因此变为:

      
      
  • aob*oc#匹配ac、abc、abbc、abbbc等
  • aoboc*#匹配ab、abc、abcc、abccc等
  • aobo(c)*#同上,同时捕获字母c
  • aobo(?:c)*#同上,但不捕获字母c
  • aoboc{2,4}#匹配abcc、abccc、abcccc
  • (aoboc)*#匹配空字串、abc、abcabc等
  • 现在操作符之间的优先级关系是不是明显许多了?

    在优先级次序中级别最低的,要数多选结构了。下面继续使用o记号提示

      
      
  • eod|joo#匹配ed或jo
  • (eod)|(joo)#同上
  • eo(d|j)oo#匹配edo或ejo
  • eod|joo{1,3}#匹配ed、jo、joo、jooo
  • 像^或\b这样的零宽度原子,与其他原子的优先次序是一致的:
  • ^eod|joo$#匹配行首的ed,或行尾的jo
  • ^(eod|joo)$#匹配仅含ed或仅含jo的行
  • 优先级次序不太好记。剔除多余括号属于高级技巧,在正则表达式中尤其如此,因而特别需要留意,以防删除过多而误事:

      
      
  • #这封邮件是谁发给我的?
  • /^Sender|From:\s+(.*)/;#错误!它可以匹配像这样的伪造头:
  • #X-Not-Really-From:faker
  • 上述模式的本意是要匹配邮件头中Sender:或From:开头的行,但实际上能匹配到的内容显然不是我们所期望的。如果加上合适的括号,意思就清晰了:

      
      
  • /(^Sender)|(From:\s+(.*))/;
  • 添加一对圆括号,或非捕获型括号(?:)(见条款32),问题就能迎刃而解:

      
      
  • #改良版本
  • /^(Sender|From):\s+(.*)/;#变量$1保存的是单词Sender或From
  • /^(?:Sender|From):\s+(.*)/;#变量$1保存的是真正要提取内容
  • 2. 双引号变量内插

    Perl正则表达式的变量插值方式与双引号字串内的变量插值方式相同。变量名称以及\U和\Q这样的字符转义,并不属于正则表达式原子,因而正则表达式解析器不会处理它们。内插是一个单独的过程,发生在Perl解析正则表达式之前:

     
     
    1. /te(st)/;#测试系统变量$_是否匹配test
    2. /\Ute(st)/;#匹配TEST
    3. /\Qte(st)/;#匹配te(st)
    4. $x='test';
    5. /$x*/;#匹配tes、test、testt等
    6. /test*/;#同上


    不明白变量插值和正则表达式解析过程的先后顺序,常常会导致混淆误用的情况。请看下面的例子,要是把插值变量当成了正则表达式的原子,会发生什么情况:

      
      
  • #读入一个模式,匹配该模式出现两次的情形
  • chop($pat=<STDIN>);#例如,读入的模式为bob
  • print"matched\n"if/$pat{2}/;#错误,实际相当于/bob{2}/
  • print"matched\n"if/($pat){2}/;#正确,实际相当于/(bob){2}/
  • print"matched\n"if/$pat$pat/;#简单罗列式,虽然相等,倒也正确
  • 上例中,如果用户输入bob,第一条正则表达式所匹配的就是bobb,因为在解析正则表达式之前,变量$pat已经被实际内容替换了。

    上面三条正则表达式都隐藏着另一个陷阱。假如用户输入的是字串hello :-),就会导致严重的运行时错误。变量内插后得到的实际正则表达式会从/($pat){2}/变为/(hello :-)){2}/,不光是毫无意义,连括号也不对称了。Perl会报告正则表达式错在哪里:

      
      
  • Unmatched)inregex;markedby--HEREin
  • m/(hello:-))--HERE{2}/
  • 这种问题我们可以用qr//解决(见条款40)。

    对于括号、星号、点号之类的特殊字符,如果不想把它们作为正则表达式元字符使用,可以借助quoteMeta操作符,或是转义操作符\Q。quoteMeta和\Q会在任何不是字母、数字及下划线的字符之前加上反斜线作转义处理。

    下面的代码从标准输入读取字串,使用quoteMeta将字符中的特殊字符转义,然后再用于匹配。如果输入仍旧是hello :-),那么转义后会变为hello\ \:\-\),可以放心地用这个正则表达式进行匹配了。

      
      
  • chomp($pat=>);
  • my$quoted=quoteMeta$pat;
  • print"matched\n"if/($quoted){2}/;
  • 或者,直接在表达式中使用转义操作符\Q和\E :

    >); 
      
      
  • print"matched\n"if/(\Q$pat\E){2}/;
  • 跟使用正则表达式的其他语法结构一样,一点点疏忽都可能造成正则表达式崩溃:

      
      
  • #它实际上相当于/hello\\:\-\)\{2\}/,显然这是一个致命错误
  • print"matched\n"if/(\Q$pat){2}/;#错误!漏掉了\E
  • 3. 要点

    要留意正则表达式的优先级。

    可以使用圆括号将正则表达式分组。

    使用\Q或quoteMeta将元字符转义为普通字符。

    猜你在找的正则表达式相关文章