目錄 搜尋
Ruby用户指南 3、开始 4、简单的例子 5、字符串 6、正则表达式 7、数组 8、回到那些简单的例子 9、流程控制 10、迭代器 11、面向对象思维 12、方法 13、类 14、继承 15、重载方法 16、访问控制 17、单态方法 18、模块 19、过程对象 20、变量 21、全局变量 22、实变量 23、局部变量 24、类常量 25、异常处理:rescue 26、异常处理:ensure 27、存取器 28、对象的初始化 29、杂项 RGSS入门教程 1、什么是RGSS 2、开始:最简单的脚本 3、数据类型:数字 4、数据类型:常量与变量 5、数据类型:字符串 6、控制语句:条件分歧语句 7、控制语句:循环 8、函数 9、对象与类 10、显示图片 11、数组 12、哈希表(关联数组) 13、类 14、数据库 15、游戏对象 16、精灵的管理 17、窗口的管理 18、活动指令 19、场景类 Programming Ruby的翻译 Programming Ruby: The Pragmatic Programmer's Guide 前言 Roadmap Ruby.new 类,对象和变量 容器Containers,块Blocks和迭代Iterators 标准类型 深入方法 表达式Expressions 异常,捕捉和抛出(已经开始,by jellen) 模块 基本输入输出 线程和进程 当遭遇挫折 Ruby和它的世界 Ruby和Web开发 Ruby Tk Ruby 和微软的 Windows 扩展Ruby Ruby语言 (by jellen) 类和对象 (by jellen) Ruby安全 反射Reflection 内建类和方法 标准库 OO设计 网络和Web库 Windows支持 内嵌文档 交互式Ruby Shell 支持 Ruby参考手册 Ruby首页 卷首语 Ruby的启动 环境变量 对象 执行 结束时的相关处理 线程 安全模型 正则表达式 字句构造 程序 变量和常数 字面值 操作符表达式 控制结构 方法调用 类/方法的定义 内部函数 内部变量 内部常数 内部类/模块/异常类 附加库 Ruby变更记录 ruby 1.6 特性 ruby 1.7 特性 Ruby术语集 Ruby的运行平台 pack模板字符串 sprintf格式 Marshal格式 Ruby FAQ Ruby的陷阱
文字

正则表达式

  • 后方参考
  • 字符范围
  • 回缩(backtrack)
  • 范例

下面就来讲讲ruby支持的正则表达式符号(元字符)。

有这么个规则:

  • 不带\的数字和字母不是元字符
  • 带\的符号也不是元字符

下文中出现的“匹配多字节字符的正则表达式”是指,通过使用$KCODE进行设定,或显式地使用汉字选项(请参考正则表达式字面值)等方式进行的匹配多字节字符的正则表达式。

  • ^

    行首。与字符串的头部或换行符之后的位置相匹配。

  • $

    行尾。与字符串的尾部或换行符之前的位置相匹配。不包括换行符本身。

    ruby 1.8 特性:以前,只匹配字符串尾部换行符前的位置,现在则扩大到字符串的尾部。trap::Regexp

    p "\n".gsub(/$/, "o")
    => "o\n"  (1.6)
    => "o\no" (1.8)
    
  • .

    匹配除换行符以外的任意一个字符。使用正则表达式选项 m(多行模式。请参考正则表达式字面值) 时,则匹配包括换行符在内的任意一个字符。在匹配多字节字符的正则表达式中,则匹配一个字(非单字节)。

    当遇到不完整的多字节字符的一部分(无法判断该字符是多字节字符?二进制?还是ASCII)时,也不会匹配。

    p /./e =~ "あ"[0,1]     # => nil
    
  • \w

    字母和数字。等同于[0-9A-Za-z]

    若为匹配多字节字符的正则表达式时,则也会匹配日语的全角字符。

  • \W

    非字母和数字。\w以外的单个字符。

  • \s

    空字符。相当于[ \t\n\r\f]

  • \S

    非空字符。[ \t\n\r\f] 以外的单个字符。

  • \d

    数字。即[0-9]

  • \D

    非数字

  • \A

    字符串头部。与^不同的是,它不受有无换行符的影响 。

  • \Z

    字符串尾部。若字符串以换行符结尾,则匹配换行符前的位置。

    ruby 1.8 特性:以前,只匹配字符串尾部换行符前的位置,现在则扩大到字符串的尾部。trap::Regexp

    p "\n".gsub(/\Z/, "o")
    => "o\n"   (1.6)
    => "o\no"  (1.8)
    
  • \z

    字符串结尾。与$以及\Z不同的是,它不受有无换行符的影响。

  • \b

    在字符范围描述符之外时表示词边界(匹配从\w到\W)。在字符范围描述符之内时表示退格符(0x08)。

  • \B

    非词边界

  • \G

    在上次成功匹配的地方(之后)进行匹配(不留余地)。只有在首次使用时才会匹配到头部(与\A相同)。

    可以用在scangsub中。当您想在上次匹配的地方之后再进行匹配的话,可以使用。

    举个简单(没什么用)的例子。

    # 从头取出3位数字(数字必须相连)。
    str = "123456 789"
    str.scan(/\G\d\d\d/) {|m| p m }
    
  • [ ]

    指定字符范围。请参考字符范围

  • *

    前面元素至少出现0次。尽可能匹配较长的部分。

  • *?

    负责指定数量(quantifiers)。表示前面元素至少出现0次(尽量匹配短的部分)

  • +

    负责指定数量(quantifiers)。表示前面元素至少出现1次

  • +?

    负责指定数量(quantifiers)。表示前面元素至少出现1次(尽量匹配短的部分)

  • {m}
  • {m,}
  • {m,n}

    指定元素重复出现的次数(interval quantifier)。分别表示前面元素重复出现

    • m 次
    • 至少 m 次
    • 至少 m 次,至多 n 次

    {,n}{,} 将导致匹配失败。

    str = "foofoofoo"
    p str[/(foo){1}/]   # => "foo"
    p str[/(foo){2,}/]  # => "foofoofoo"
    p str[/(foo){1,2}/] # => "foofoo"
    

    正则表达式 ?, *, + 分别等同于 {0,1}, {0,} {1,}

  • {m}?
  • {m,}?
  • {m,n}?

    指定元素重复出现的次数(interval quantifier)。分别表示前面元素重复出现

    • m 次
    • 至少 m 次
    • 至少 m 次,至多 n 次

    (尽量匹配短的部分)。

  • ?

    负责指定数量(quantifiers)。表示前面元素至多出现1次。

  • ??

    负责指定数量(quantifiers)。表示前面元素至多出现1次(尽量匹配短的部分)

  • |

    选择(alternative)。

  • ( )

    正则表达式的群组化。与括号中的正则表达式相匹配的字符串将被保存下来,供后方参考使用。

  • \1, \2 ... \n

    后方参考(back reference)。请参考后方参考

  • (?# )

    注释。括号中的任意字符串将被忽视。

  • (?: )

    不具备后方参考功能的群组化。它不为\1,\2(或$1,$2)提供服务,是一种单纯的群组功能。

    /(abc)/ =~ "abc"
    p $1
    => "abc"
    
    /(?:abc)/ =~ "abc"
    p $1
    => nil
    
  • (?= )

    先行(lookahead)。使用模式(pattern)指定位置(不留间隔)

    (?=re1)re2
    

    表示将匹配同时符合re1和re2的要求的字符串。

    re1(?=re2)
    

    という山附は、稿に re2 とマッチする矢机误が鲁く、正则表达式 re1 です。

    p /foo(?=bar)/ =~ "foobar"      # => 0
    p $&    # => "foo"   (bar の婶尸の攫鼠はない)
    
  • (?! )

    否定先行(negative lookahead)。使用否定的模式(pattern)来指定位置(不留间隔)

    (?!re1)re2
    

    该正则表达式表示,匹配re1但不匹配re2。

    # 除000以外的3位数字
    re = /(?!000)\d\d\d/
    p re =~ "000"   # => nil
    p re =~ "012"   # => 0
    p re =~ "123"   # => 0
    
    # C语言标识符 (首位是[A-Za-z_]然后是[0-9A-Za-z_]的字符串)
    /\b(?![0-9])\w+\b/
    
  • (?> )

    禁用回缩功能

    该功能尚处于试验阶段。将来有可能被停用,请您注意使用。特别是不要在广义库中使用。

  • (?ixm-ixm)

    正则表达式中的i选项、x选项、m选项的开关。请您参考正则表达式字面值来了解选项的详细内容。

    re = /A(?i)a(?-i)A/
    p re =~ "AaA"         # => 0
    p re =~ "AAA"         # => 0
    p re =~ "AAa"         # => nil
    
  • (?ixm-ixm: )

    括号中的i选项、x选项、m选项的开关。在括号范围内有效。

    re = /A(?i:a)A/
    p re =~ "AaA"         # => 0
    p re =~ "AAA"         # => 0
    p re =~ "AAa"         # => nil
    

后方参考

正则表达式 \1 \2 ... \n 表示后方参考。\n表示将匹配第n个括号(正则表达式的()表示群)的内容保存起来,供后面使用。

/((foo)bar)\1\2/

/((foo)bar)foobarfoo/

是一样的。

例:

re = /(foo|bar|baz)\1/
p re =~ 'foofoo'   # => 0
p re =~ 'barbar'   # => 0
p re =~ 'bazbaz'   # => 0
p re =~ 'foobar'   # => nil

对应的括号必须位于后方参考表达式的左侧。

若后方参考表达式位于对应的括号中时,匹配常常会失败。当后方参考表达式中的数字是1位,且没有对应的括号时,匹配也将失败。

p /(\1)/ =~ "foofoofoo" # => nil
p /(foo)\2/ =~ "foo\2"  # => nil

虽然可以指定2位以上的后方参考表达式,但是不要把它同反斜线表示法的\nnn(对应于8进制数nnn的字符)混为一谈。当数字只有1位时,通常是后方参考表达式。当指定了一个超过2位的数字时,若没有对应括号的话,则被看作是8进制代码。

相反地,若在正则表达式中使用1位的8进制代码时,必须以0打头,例如\01等(不可能存在形如\0这样的后方参考表达式,因此不会混淆)。

p   /\1/ =~ "\1"   # => nil     # 无对应括号的后方参考
p  /\01/ =~ "\1"   # => 0       8 进制代码
p  /\11/ =~ "\11"  # => 0       8 进制代码

# 8 进制代码 (因为没有对应括号)
p /(.)\10/ =~ "1\10" # => 0

# 后方参考 (因为有对应的括号)
p /((((((((((.))))))))))\10/ =~ "aa"  # => 0

# 8 进制代码 (因为没有像"\0" + "8" -> \08 这样的8进制代码)
p /(.)\08/ =~ "1\0008" # => 0

# 如果想在后方参考表达式之后插入数字的话,就必须使用括号加以分隔。
p /(.)(\1)1/ =~ "111"   # => 0

字符范围

正则表达式 [] 负责指定字符范围。这将匹配 [] 内列出的任何一个字符。

例如/[abc]/表示只要匹配"a", "b", "c"中任何一个即可。也可以按照ASCII代码顺序,在连续的字符串之间插入“-”后写成/[a-c]/也是一样的效果。另外,若头上是“^”的话,表示要匹配指定字符之外的一个字符。

若“^”不在头上的话,表示匹配该字符本身。同时,当“-”出现在头或尾上时,表示匹配该字符本身。

p /[a^]/ =~ "^"   # => 0
p /[-a]/ =~ "-"   # => 0
p /[a-]/ =~ "-"   # => 0
p /[-]/ =~ "-"   # => 0

空的字符范围将引发错误。

p /[]/ =~ ""
p /[^]/ =~ "^"
# => invalid regular expression; empty character class: /[^]/

当“]”出现在头上(或否定的“^”之后)时,表示“]”本身,而并非字符范围的结尾。

p /[]]/ =~ "]"       # => 0
p /[^]]/ =~ "]"      # => nil

可以使用反斜线对"^", "-", "]" 以及 "\\"(反斜线)进行转义,使其匹配该字符本身。

p /[\^]/ =~ "^"   # => 0
p /[\-]/ =~ "-"   # => 0
p /[\]]/ =~ "]"   # => 0
p /[\\]/ =~ "\\"  # => 0

在[]中可以使用反斜线表示法以及正则表达式\w, \W, \s, \S, \d, \D (这些都是表示字符范围的简写法)。

请注意,下列包含否定意味的字符范围也将匹配换行符(正则表达式 \W,\D 也是如此)。

p /[^a-z]/ =~ "\n"    # => 0

字符范围中也可以使用下列特殊的表达法,但是,将来这些表达法是否会继续得到支持还未可知(所以此处从略,欲知详情请参考grep(1)的手册)。

[:alnum:]  数字和字母 0-9a-zA-Z
[:alpha:]  字母 a-zA-Z
[:blank:]  空白类
[:cntrl:]  控制字符
[:digit:]  数字
[:graph:]  除空白以外的可打印可视字符
[:lower:]  小写字母
[:print:]  可视字符
[:punct:]  符号
[:space:]  空白字符
[:upper:]  大写字母
[:xdigit:] 16进制字符

例: (包括"[]"在内,"[:...:]"表示1个字符。并非文字类的"[]")

p /[[:alnum:]][[:cntrl:]]/ =~ "a\x01"  # => 0

注: 全角字符不在考虑范围之内。即使指定让正则表达式对汉字进行匹配时,[:alpha:]等也不会匹配全角的字母。

p /[[:alpha:]]/e =~ "A"        # => nil

回缩(backtrack)

用特殊括号(?> )将正则表达式括起来后,与该正则表达式相匹配的字符串中的回缩功能就将失效。举例如下。

例如在通常的正则表达式中

p /(a*)ab/ === 'aaab'

是匹配的。该匹配过程如下所示。

  1. 正则表达式 a* 从索引0开始匹配3个a
  2. 正则表达式 a 匹配失败
  3. 正则表达式 a* 将匹配部分稍稍“缩小”一下,匹配2个a(使用了回缩功能)
  4. 正则表达式 a 与字符a匹配
  5. 正则表达式 b 与字符b匹配
但是,如果用括号(?> )把正则表达式括起来的话,就不再匹配了。详细过程如下。

  1. 正则表达式 a* 从索引0开始匹配3个a
  2. 正则表达式 a 匹配失败
  3. a* 想把匹配部分回缩一下,但由于特殊括号的作用,回缩功能失效。
  4. 正则表达式 a* 从索引1开始匹配2个a

接下来的匹配都不成功,最终导致整体匹配失败。

简单说来,通常的正则表达式是“贪婪型的匹配”,而(?> )则是“超贪婪型的匹配”,因为它一旦匹配成功就决不放手。

范例

为了便于您拷贝使用,我们将其代入到以$re_开头的全局变量中。

数值

  • 浮点数(包括整数)

    $re_float = /[-+]?(?:[0-9]+(\.[0-9]*)?|(\.[0-9]+))([eE][-+]?[0-9]+)?/
    
    p $re_float =~ "1.23"    # => 0
    p $&.to_f                # => 1.23
    p $re_float =~ ".23"     # => 0
    p $&.to_f                # => 0.23
    p $re_float =~ "1.23e1"  # => 0
    p $&.to_f                # => 12.3
    p $re_float =~ "1.23e-1" # => 0
    p $&.to_f                # => 0.123
    

用逗号将数字划分成3位一组的形式

  • 方法1:使用回行和先行的方法(回行(lookbehind)需要Oniguruma库的支持)

    p "tone of 12345Hz".gsub(/(?<=\d)(?=(?:\d\d\d)+(?!\d))/, ',')
    => ruby 1.8.0 (2003-08-07) [i586-linux]
       "tone of 12,345Hz"
    
  • 方法2:只使用先行的方法

    p "tone of 12345Hz".gsub(/(\d)(?=(?:\d\d\d)+(?!\d))/, '\1,')
    => ruby 1.8.0 (2003-08-07) [i586-linux]
       "tone of 12,345Hz"
    
  • 方法3:不使用先行的方法

    s = "tone of 12345Hz"
    nil while s.gsub!(/(.*\d)(\d\d\d)/, '\1,\2')
    p s
    => ruby 1.8.0 (2003-08-07) [i586-linux]
       "tone of 12,345 Hz"
    

上一篇: 下一篇: