正则表达式模式匹配

关于正则表达式的一个问题

首先明确一下什么是匹配
匹配可以从两个方面来理解
1 一个正则表达式和一个字符串是否匹配
在perl中 =~ 代表捆绑也就是让正则表达式去匹配指定的字符串
如果如果用匹配的符号形式来表现对于 /regular/ =~ "string" 如果返回值为真则说/regular/ 匹配了"string"
2 一个正则表达式不只可以匹配一个字符串
例如 /a*b/ 不仅可以匹配aaaab 还可以匹配aaaaaab b 等
这里所谓的“匹配”也是指 /a*b/ =~ aaaab /a*b/ =~ b 返回值都是真
下面说说依次匹配
首先的一个问题是一个正则表达式的工作过程
举个例子

代码:

$data is 192.168.0.1
$data =~ /([0-9]*\.)([0-9]*.)([0-9]*\.)([0-9])/;
is 192.
is 168.
is 0.
is 1
这里
/([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/ 匹配了192.168.0.1
同时在这个较长的正则表达式子是由几个短的正则表达式组成的,这些短的在()中的正则表达式称为模式,大家对,,,的值的输出都非常理解

下面再举一个例子

代码:

$data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/;
is 192.
is 0.
is 1

这里有观点解释到这里([0-9]*\.) ([0-9]*\.) *([0-9]) 红色部分"依次匹配" 了168. 0. 所以是0.
这并不是很好理解
有证:

3x3eyes 写到:

....匹配.168都还好理解所谓的依次匹配是什么意思，请各位帮忙

问题的关键是为什么这里的红色部分会去依次匹配168. 0.呢?regular 有这种依次匹配的机制吗它在什么情况下会这样做什么情况下不会这么做呢
下面我们通过一个例子来验证regular 会不会有这种依次匹配的机制

代码:

$data =~ /([0-9]*\.)([0-9]*\.)([0-9])/;
is 192.
is 168.
is 0

这里红色部分并没有去依次匹配168. 0. 而是直接匹配了168.
为什么呢看来问题出现在* 上面
也就是当正则表达式是 $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/; 的时候红色部分依次匹配了168. 0. 并最终把最后匹配的0.存到了分组2中
当正则表达式是 $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/; 的时候红色部分就不再依次匹配了?? 它就匹配168. 并把168存在分组2中这是什么道理？
正则表达式有一个引擎引擎的工作原理细节没有找到相应文档但是对于这种情况可以试着解释为

代码:

对于 $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/;
这时候对于模式1 模式2 模式3 他们没有机会选择分别将各自匹配的 192. 168. 0 存在正则表达式的记忆体中
而对于 $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/;
对于模式1 从左到右搜索$data 匹配了192. 把它存在了记忆体中
对于模式2 从左到右搜索剩下的$data 部分匹配了 168. 并把它存在了记忆体中
下面到了* 这里*代表前面模式的0次或多次出现虽然在功能上对于这个例子它等于([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/，但是它并不等价于正则表达式/([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/ 。这时候仍然是模式2 去从左到右搜索$data剩余的字符串0.1 结果匹配了0. 由于仍然是模式2去匹配，所以0. 仍然存在记忆体中，冲掉了原来存在记忆体中的内容下面([0-9]) 匹配了1 并把它存在了记忆体中。

看到这里，可以试着总结出正则表达式的引擎搜索机制：

代码:

1 如果在正则表达式中有模式，那么每个模式从左到右搜索要匹配的字符串，如果匹配成功，则把匹配的字符串存到相对应的记忆体中。
2 如果正则表达式中有下一个模式，那么这个模式将继续从左到右搜索没有被匹配的字符串，重复前面的步骤1的过程，匹配成功则立即停止，并把匹配的字符串存到相应的记忆体中。
3 如果在2中的模式后面出现了数量符* + ? ，形如：(模式2)*，则匹配过程变为：模式2仍然按照步骤1的过程匹配，匹配成功则停止。但是由于这时候在模式2后面出现了数量符 * ，则仍然由模式2去匹配字符串中没有被匹配的的部分，如果这时候出现了可以匹配多个字符串的情况，那么作后一次匹配成功的字符串被存放到了模式2对应的记忆体中(注意：中间匹配成功的并不是没有存，而是被后面匹配成功的覆盖了)。

说到这里仿佛一切问题都得到了很好的解释
可是请看下面的例子

代码:

$data = 192.168.0.1
$data =~ /([0-9]*\.)([0-9]*\.)*([0-9]*\.)([0-9]*.)([0-9])/
按照上面的结论，大家不妨猜测一下的内容，也就是记忆体2中的值是什么
在没有看到答案之前，也许会有人猜测是0. 或者168.。
但是这里的值是空值，*在这里是“0个”。

由此可以得到：正则表达式并不是按照模式按照从左到右搜索，"一个正则表达式" 就是一段程序，一个正则表达式的匹配引擎机制应该是：尽量多的精确的去匹配目标字符串，至于它采取哪种策略实现这一过程，这也是在此抛砖引玉的目的所在。

返回顶部

下一篇：计算网络广播地址的shell >>