正则表达式笔记三则
更新时间：2010年07月27日 20:58:51 作者：
笔记三则，贴在这里。
首字母大小写无关模式
有一段时间，我在写正则表达式来匹配Drug关键字时，经常写出 /viagra|cialis|anti-ed/ 这样的表达式。为了让它更美观，我会给关键词排序；为了提升速度，我会使用 /[Vv]iagra/ 而非/viagra/i ，只让必要的部分进行大小写通配模式。确切地说，我是需要对每个单词的首字母进行大小写无关的匹配。
我写了这样的一个函数，专门用来批量转换。
#convert regex to sorted list, then provide both lower/upper case for the first letter of each word
#luf means lower upper first
sub luf{
# split the regex with the delimiter |
my @arr=sort(split(/\|/,shift));
# provide both the upper and lower case for the
# first leffer of each word
foreach (@arr){s/\b([a-zA-Z])/[\l$1\u$1]/g;}
# join the keyword to a regex again
join('|',@arr);
}
print luf "sex pill|viagra|cialis|anti-ed";
# the output is:[aA]nti-[eE]d|[cC]ialis|[sS]ex [pP]ill|[vV]iagra
控制全局匹配下次开始的位置
记得jyf曾经问过我，如何控制匹配开始的位置。嗯，现在我可以回答这个问题了。Perl 提供了 pos 函数，可以在 /g 全局匹配中调整下次匹配开始的位置。举例如下：
$_="abcdefg";
while(/../g)
{
print $&;
}
其输出结果是每两个字母，即ab, cd, ef
可以使用 pos($_)来重新定位下一次匹配开始的位置，如：
$_="abcdefg";
while(/../g)
{
pos($_)--; #pos($_)++;
print $&;
}
输出结果：
pos($_)--: ab, bc, cd, de, ef, fg.
pos($_)++: ab, de.
可以阅读 Perl 文档中关于 pos的章节获取详细信息。
散列与正则表达式替换
《effective-perl-2e》第三章有这样一个例子（见下面的代码），将特殊符号转义。
my %ent = { '&' => 'amp', '<' => 'lt', '>' => 'gt' };
$html =~ s/([&<>])/&$ent{$1};/g;
这个例子非常非常巧妙。它灵活地运用了散列这种数据结构，将待替换的部分作为 key ，将与其对应的替换内容作为 value 。这样只要有匹配就会捕获，然后将捕获的部分作为 key ，反查到 value 并运用到替换中，体现了高级语言的效率。
不过，这样的 Perl 代码，能否移植到 Python 中呢？ Python 同样支持正则，支持散列（Python 中叫做 Dictionary），但是似乎不支持在替换过程中插入太多花哨的东西（替换行内变量内插）。
查阅 Python 的文档，（在 shell 下 执行 python ，然后 import re，然后 help(re)），：
sub(pattern, repl, string, count=0)
Return the string obtained by replacing the leftmost
non-overlapping occurrences of the pattern in string by the
replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. If it is
a callable, it's passed the match object and must return
a replacement string to be used.
原来 python 和 php 一样，是支持在替换的过程中使用 callable 回调函数的。该函数的默认参数是一个匹配对象变量。这样一来，问题就简单了：
ent={'<':"lt",
'>':"gt",
'&':"amp",
}
def rep(mo):
return ent[mo.group(1)]
html=re.sub(r"([&<>])",rep, html)
python 替换函数 callback 的关键点在于其参数是一个匹配对象变量。只要明白了这一点，查一下手册，看看该种对象都有哪些属性，一一拿来使用，就能写出灵活高效的 python 正则替换代码。
有一段时间，我在写正则表达式来匹配Drug关键字时，经常写出 /viagra|cialis|anti-ed/ 这样的表达式。为了让它更美观，我会给关键词排序；为了提升速度，我会使用 /[Vv]iagra/ 而非/viagra/i ，只让必要的部分进行大小写通配模式。确切地说，我是需要对每个单词的首字母进行大小写无关的匹配。
我写了这样的一个函数，专门用来批量转换。
复制代码 代码如下:
#convert regex to sorted list, then provide both lower/upper case for the first letter of each word
#luf means lower upper first
sub luf{
# split the regex with the delimiter |
my @arr=sort(split(/\|/,shift));
# provide both the upper and lower case for the
# first leffer of each word
foreach (@arr){s/\b([a-zA-Z])/[\l$1\u$1]/g;}
# join the keyword to a regex again
join('|',@arr);
}
print luf "sex pill|viagra|cialis|anti-ed";
# the output is:[aA]nti-[eE]d|[cC]ialis|[sS]ex [pP]ill|[vV]iagra
控制全局匹配下次开始的位置
记得jyf曾经问过我，如何控制匹配开始的位置。嗯，现在我可以回答这个问题了。Perl 提供了 pos 函数，可以在 /g 全局匹配中调整下次匹配开始的位置。举例如下：
复制代码 代码如下:
$_="abcdefg";
while(/../g)
{
print $&;
}
其输出结果是每两个字母，即ab, cd, ef
可以使用 pos($_)来重新定位下一次匹配开始的位置，如：
复制代码 代码如下:
$_="abcdefg";
while(/../g)
{
pos($_)--; #pos($_)++;
print $&;
}
输出结果：
复制代码 代码如下:
pos($_)--: ab, bc, cd, de, ef, fg.
pos($_)++: ab, de.
可以阅读 Perl 文档中关于 pos的章节获取详细信息。
散列与正则表达式替换
《effective-perl-2e》第三章有这样一个例子（见下面的代码），将特殊符号转义。
复制代码 代码如下:
my %ent = { '&' => 'amp', '<' => 'lt', '>' => 'gt' };
$html =~ s/([&<>])/&$ent{$1};/g;
这个例子非常非常巧妙。它灵活地运用了散列这种数据结构，将待替换的部分作为 key ，将与其对应的替换内容作为 value 。这样只要有匹配就会捕获，然后将捕获的部分作为 key ，反查到 value 并运用到替换中，体现了高级语言的效率。
不过，这样的 Perl 代码，能否移植到 Python 中呢？ Python 同样支持正则，支持散列（Python 中叫做 Dictionary），但是似乎不支持在替换过程中插入太多花哨的东西（替换行内变量内插）。
查阅 Python 的文档，（在 shell 下 执行 python ，然后 import re，然后 help(re)），：
复制代码 代码如下:
sub(pattern, repl, string, count=0)
Return the string obtained by replacing the leftmost
non-overlapping occurrences of the pattern in string by the
replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. If it is
a callable, it's passed the match object and must return
a replacement string to be used.
原来 python 和 php 一样，是支持在替换的过程中使用 callable 回调函数的。该函数的默认参数是一个匹配对象变量。这样一来，问题就简单了：
复制代码 代码如下:
ent={'<':"lt",
'>':"gt",
'&':"amp",
}
def rep(mo):
return ent[mo.group(1)]
html=re.sub(r"([&<>])",rep, html)
python 替换函数 callback 的关键点在于其参数是一个匹配对象变量。只要明白了这一点，查一下手册，看看该种对象都有哪些属性，一一拿来使用，就能写出灵活高效的 python 正则替换代码。
相关文章
本文给大家分享js基础之正则表达式知识，以及在正则表达式中() [] {}所代表的意思，本文给大家介绍的非常详细，需要的朋友参考下2017-01-01
想必很多人都对正则表达式都头疼。今天，我以我的认识，加上网上一些文章，希望用常人都可以理解的表达方式来和大家分享学习经验。2008-05-05
这篇文章主要介绍了正则表达式与HTML5新元素的相关资料,非常不错，具有参考借鉴价值，需要的朋友可以参考下2016-08-08
昨天，有朋友请教我关于正则表达式的问题，就这点问题当时也真是把我难住了，无奈不得不学习了，于是到搜了写相关资料，为了加深了印象，现把相关内容整理如下，供大家参考学习2015-09-09
这篇文章主要介绍了Eclipse使用正则表达式快速修改代码的方法，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2020-01-01
这篇文章主要介绍了Java正则表达式入门学习基础知识，全面分析了表示匹配次数的符号使用方法，感兴趣的小伙伴们可以参考一下2015-12-12
这篇文章主要介绍了开发过程最全的正则表达式匹配中英文、字母和数字 的相关知识，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-05-05
好久没更新内容了，今天分享一个小的知识点，一个正则表达式方面的很容易被人忽视的坑,需要的朋友可以参考下2018-06-06
我通常在匹配一个字符串或是一组数字的时候会用到正则表达式，但很少会了解它是如何真正开始工作的？它的工作原理是什么？其实正则表达式里面的猫腻还挺多水也挺深的，有时候还不太好理解。2010-04-04
正则中的括号有不同的意义,不同的字符在括号中也有不同的意义,下面这篇文章主要给大家介绍了关于grep正则表达式匹配中括号的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-09-09
最新评论