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:
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scan和gsub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
{,n}
或 {,}
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
(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
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/
和
/((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
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
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。
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。
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。
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
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"