zoukankan      html  css  js  c++  java
  • 关于正则的迷思

    正则是我们日常编程中一定会使用到的,不管是各种语言中的正则匹配,还是linux/unix系统上的grep/egrep命令,都是在使用正则来匹配字符串。随着用的深入,可能会感到越来越迷惑:

    为什么有的语言要提供多种正则匹配的函数集?

    -- 比如php的preg系列和ereg系列

    为什么有的正则语句在不同的语言上匹配出来的东西是不一样的?

    -- 比如unix的grep命令和perl语言的grep

    故事从头开始讲

    正则表达式(Regular Expression)从1956年就开始出现这个概念,后来Unix之父Ken Tompson将这个概念引入Unix,出现了grep工具。但是随着Unix的版本不断演化,Unix的差异也越来越大,一统江湖的POSIX标准就此出现。POSIX(Portable Operating System Interface for uniX)提供的是统一的Unix接口,当然也把正则这块统一了。于是出现了Posix的两种标准:POSIX Basic Regular Expressions (BRE)和POSIX Extended Regular Expressions(ERE)。

    BRE就是现在unix系统使用的grep命令,ERE就是现在unix系统使用的egrep命令。ERE就是BRE的扩展包的意思,基本语法都是一样的,但是两者还是有一些区别,比如对于一些特殊符号,“{ }”是否需要使用反斜杆:

    要匹配“tt”,在BRE中使用“t\{1,2\}”,在ERE中则是使用“t{1,2}”

    Image

    BRE和ERE还有的区别就是ERE多了+,?。具体可以看这篇文章:http://www.regular-expressions.info/posix.html

    PS:现在网络上说的正则,如果没有特殊说明,应该都是指的是ERE。它也是现在使用最广的正则了。

    PS2:grep -e就和egrep是一样的。

    故事继续

    如果世界上的正则只有一种标准,那一切看起来都这么完美,但是在计算机世界总是有各种各样的历史问题。

    有很多种语言也自己定义了一套正则标准,虽然大体上和POSIX的这套很像,但总还是有一些不同的细节的。比如Perl,python,Tcl(Tool Command Language)。都有自己定义的一套正则标准。其中Perl的正则到现在演化成为PCRE(Perl Compatible Regular Expressions)。这个正则语法也是被php所采用的。

    GNU grep,linux机器上使用最广泛的正则语法,几乎所有的linux机器上的grep命令都是GNU grep。它和POSIX是一致的,有GNU Basic Regular Expressions 和GNU Extends Regular Expressions。

    关于各种版本的正则的不同可以查看这篇http://www.greenend.org.uk/rjk/tech/regexp.html

    PHP中的正则

    PHP中有两套正则函数集:preg和ereg (如果你算上mb_ereg那就有三套)

    preg和ereg分别代表的是PCRE regular Expression和Posix extension regular Expression。preg和ereg有一些不同,最大的不同就是preg有“分隔符”(一般是\或者|)来将正则表达式划出来。还有就是preg是没有大小写不同的函数的,它使用“模式修饰符”来对大小写进行匹配。下面是摘自php文档的函数对照表:

    Image(1)

    文档中提到的一个例子需要注意下的:

    one(self)?(selfsufficient)? 匹配字符串“oneselfsufficient ” 在ereg是会匹配出oneselfsufficient的,但是在preg是匹配到oneself的。就是说posix会尽可能的匹配正则,而对于这种可“多种”匹配的正则,pcre的选择更为保守。

    Go中的正则

    go中的正则包是regexp,它使用的是叫做RE2(https://code.google.com/p/re2/wiki/Syntax)这个C++写的库,这个库支持了两种标准:Perl 和 POSIX

    在函数中也有体现

    MustCompile

    MustCompilePOSIX

    所以呢,下面这个代码:

    package main
    import(
        "regexp"
        "fmt"
    )
    func main() {
        var origin1 = `tt`
        var reg = `t\z`
        matches1 := regexp.MustCompile(reg).FindString(origin1)
        fmt.Println(matches1)
    /*
        matches2 := regexp.MustCompilePOSIX(reg).FindString(origin1)
        fmt.Println(matches2)
    */
    }

    \z是只在perl的正则语法存在,表示以t为结尾,在POSIX中没有,所以如果你把注释的部分放开,这个程序就会抛出panic

    go的RE2支持哪些语法可以看https://code.google.com/p/re2/wiki/Syntax 这个页面说明

    参考文章

    http://www.regular-expressions.info/php.html

    http://www.regular-expressions.info/posix.html

    http://blog.csdn.net/cheungjustin/article/details/5897982

    http://baiy.cn/utils/_regex_doc/

    http://www.greenend.org.uk/rjk/tech/regexp.html

    http://blog.csdn.net/cheungjustin/article/details/5897982

    http://www.pcre.org/pcre.txt

    http://en.wikipedia.org/wiki/Regular_expression#POSIX_Basic_Regular_Expressions

    http://www.greenend.org.uk/rjk/tech/regexp.html

    http://baiy.cn/utils/_regex_doc/

    http://www.php.net/manual/zh/reference.pcre.pattern.posix.php

    http://hi.baidu.com/csisno1/item/0ef7c10eec298b103a53ee5a

    http://www.softpanorama.org/Tools/Grep/grep_minitutorial.shtml

    实时了解作者更多技术文章,技术心得,请关注微信公众号“轩脉刃的刀光剑影”

    本文基于署名-非商业性使用 3.0许可协议发布,欢迎转载,演绎,但是必须保留本文的署名叶剑峰(包含链接http://www.cnblogs.com/yjf512/),且不得用于商业目的。如您有任何疑问或者授权方面的协商,请与我联系

  • 相关阅读:
    LINUX常见服务列表
    xinetd服务管理
    System V启动脚本启动的服务
    linux系统服务
    proc文件系统
    sar网络统计数据
    sar磁盘I/O统计数据
    sar-CPU统计数据
    linux性能监视工具sar
    考试认证
  • 原文地址:https://www.cnblogs.com/yjf512/p/3021518.html
Copyright © 2011-2022 走看看