Tcl正则表达式详解

今天想用正则表达式来获取收到的http报文中的content-length字段的值的时候，无意中发现一篇用tcl语言写的文章，觉得很不错。所以转载。

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？

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。

这些符号的作用需要多方位理解，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

正则表达式中，数量关键字都是作用于左边模式的，上面的例子中，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：

regexp [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regexp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：

regexp {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

小括号用来将一个大模式分为几段更小的模式，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 sub1 sub2 sub3

puts "The match is:$match"

puts "The sub1 is:$sub1"

puts "The sub2 is:$sub2"

puts "The sub3 is:$sub3"