TCL+正则表达式参考
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
正则表达式参考
——蒋小超
2007-07-23一、介绍
追根溯源,正则表达式是在1956年的时候,人类最早研究神经网络的产物,但随着时间的流逝,几乎所有编程语言都加入了对它的支持,hoho~其实这个东西也是程序员开发中比较有名的一个难点。但是不要以为它只能用于程序开发,在Unix/Linux系统管理中它也有极为广泛的应用。
不要认为正则表达式很可怕,用直白的话来说,正则表达式就是利用26个英文字符与一些特殊符号的配合来进行文字内容比对的方法,绝大部分情况下,26个英文字符都代表它们本身,但在特殊符号的辅助下,这些英文字符也会有其他的含义,正则表达式比较困难的地方,也就在这种字符的2义性上面,这篇文档中对于这种具有字符2义性的地方,都会有专门的标注和说明。
如果用过Dos/Windows/Linux中的通配符,就可以理解正则表达式的作用了,通配符用*号匹配任意多的任意字符,用?号匹配任意的一个字符,正则表达式有更加复杂的一套匹配系统,可以用来匹配几乎所有希望匹配的文字内容。
二、文档约定
本文档中的所有实例,都是在以下环境中调试和运行的:
操作系统:
CentOS4.1(Linux 2.6.9-11)
编程语言:
TCL8.4文本编辑器:
VIM6.3.46文档格式约定:实例的解释性文字,使用华文楷体小四号蓝色字体显示
实例的解释性文字
系统或程序输出,使用浅蓝色底纹表示
特别需要注意和标注的地方,将以笑脸符号专门表示看我可爱吗?
系统或者程序输出
三、基本正则表达式
正则表达式中,26个英文字符代表它们本身,但是下面表格中的特殊字符则赋予了更多不同的含义,一定要记住它们,因为它们是一切正则表达式的基础
别看基本正则表达式就是这么9个符号,但是想完全理解和用好它们,还是很困难的,为了加深理解,我来详细的说明一下,这也是我自己学习时的理解和心得,请仔细的阅读。
要想完全明白这些符号的作用,必须多方位理解,我大概是根据符号所属的类型以及它们所起的作用这2个方向来理解它们的。
按照类型划分,上面表格中的特殊字符分为几个类型:
字符关键字:
这部分关键字包括26个英文字符(上面的表格没有列出来)。这些关键字的特点就是它们匹配自身。
数量关键字:
这部分关键字包括.(点)*(星号)+(加号)?(问号)这4个关键字,这中间.(点)这个关键字稍微特殊一点,因为它有2个作用:既可以作为字符关键字表示任何字符,又可以作为数量关键字代表1个字符。
【任何字符】这个含义很深,因为——空字符也算任何字符,也就是说一个点可以表示有一个字符,也可以表示没有字符,这个概念是新手很容易犯错的地方。
数量关键字本身没有任何用处,它必须和【模式】这个概念一起共同作用,在正则表达式中,【模式】可以说是最为核心也最为广泛的内容。总体来说,模式就是用来表示自己想匹配字符的方法,但实际上模式的概念要更为复杂和广泛,这部分内容我会在后面有更详细的描述,就现在来说,你只要理解,数量关键字必须与模式一起共用就可以了。
模式关键字:
()(括号)|(竖号)[](中括号)^(尖号)$(美元号)这5个符号都属于模式关键字,它们要么代表模式本身(括号、竖号、中括号),要
么作用于模式为模式提供其他更高级的功能(尖号、美元号)。
现在,我们从另一个角度来看这些关键字,下面的内容,详细说明这9个关键字所起的作用以及实际表达方法,这部分会有一些比较详细的说明和实例,但是在此之前,我们必须了解一下什么是模式:
什么是模式?
模式就是一组用来匹配字符的关键字集合,一个最小的模式只有一个关键字,而大的模式则可以有无数个关键字:
A这是一个模式,代表A这个字符本身
A+这也是一个模式,代表一个或者任意多个A字符
A是一
个没有数量关键字的模式,而A+中的+号就向左作用于前面这个A模式,如果没有A这个模式,+号本身是没有任何意义的,这里A虽然是一个字符,但是我觉得把A称为模式能更清楚的理解模式的含义。
正则表达式的核心就是对模式的掌握和操作,理解了模式就等于拿到了开启大门的钥匙。
这里我介绍一个TCL语言中的命令:regsub,这个命令的作用就是利用正则表达式来获取想要的字符,它的使用方法如下:
regsub[选项]<正则表达式><匹配的原始字符串><保存匹配后字符串的变量>[其他保存子模式匹配字符串的变量]
上面regsub中用[]括起来的部分是可选的,其他<>括起来的部分是必须的,如果正则表达式匹配从原始字符串中匹配到了内容,则命令返回1并且将匹配到的内容<保存匹配后字符串的变量>中。
下面我们来看1个简单的例子:
regsub {A+}"AABBCC"
match puts $match 上面的puts 命令用来打印match 变量中的内容,A+这个模式从AABBCC 这个原始字符串中匹配到了AA 这2个字符,并将它置于
match 这个变量中,这就是一个最基本的正则表达式使用过程。
正因为模式如此重要,下面的内容就要详细说明几个模式关键字的作用了:
()子模式匹配关键字
这样就可以更加精细的控制匹配方式了,我们来看一个例子:
regexp --
{(AA)(BB)(CC)}"AABBCC"match sub1sub2sub3puts "The
match is:$match"puts "The
sub1is:$sub1"puts "The
sub2is:$sub2"puts "The
sub3is:$sub3"上面的例子中,处于{}之间的内容是一个完整的正则表达式,在正则表达式里面我们用()将表达式分为3个子模式,后面的match 变量中保存所有已经匹配到的字符,而几个sub?变量则保存相应子模式中匹配到的字符。
|交替匹配关键字
交替匹配用来匹配|符号二边的一个模式,比如下面的例子:
TOPSEC|topsec
上面的表达式表示匹配要么是全部大写的TOPSEC ,要么是全部小写的
AA The
match is:AABBCC The
sub1is:AA The
sub2is:BB The sub3is:CC