2.14. 正規表示式語法

內容

1. 介紹

2. 簡單匹配

3. 跳脫序列

4. 字元類

5. 元字元

5.1. 元字元 - 行分隔符

5.2. 元字元 - 預定義類

5.3. 元字元 - 詞邊界

5.4. 元字元 - 迭代器

5.5. 元字元 - 替代項

5.6. 元字元 - 子表示式

5.7. 元字元 - 反向引用

6. 斷言（前瞻和後瞻斷言）

7. 非捕獲組

8. 原子組

9. Unicode類別

10. 修飾符

1. 介紹

正規表示式是一種廣泛使用的指定文字搜尋模式的方法。特殊字元（元字元）允許我們指定，例如，我們正在尋找的特定字串出現在行的開頭或結尾，或者包含字元或字元組的n次出現。

Double Commander在以下功能中支援正規表示式：

• 尋找檔案（檔名或內容搜尋）
• 在批次重新命名工具中
• 在內部編輯器中
• 在內部檢視器中

TRegExp庫支援兩種操作模式：ANSI和Unicode。在文字檔案中搜尋時，Double Commander使用兩者（取決於檔案編碼）。在按名稱搜尋時，使用Unicode。

（回到頂部）

2. 簡單匹配

任何單個字元都匹配自身，除非它是一個具有下面描述的特殊含義的元字元。

一系列字元匹配目標字串中的該系列字元，因此模式bluh將匹配目標字串中的bluh。

我們可以通過在元字元或跳脫序列前面加上反斜線\來使它們被逐字解釋，例如：元字元^匹配字串開頭，但\^匹配字元^，\\匹配\等等。

以下是一些示例：

（回到頂部）

3. 跳脫序列

可以使用類似於C和Perl中使用的跳脫序列語法來指定字元：\n匹配換行符，\t匹配製表符等。

更一般地，\xnn，其中nn是一串十六進位數字，匹配ASCII值為nn的字元。

如果您需要寬（Unicode）字元程式碼，可以使用\x{nnnn}，其中nnnn – 一個或多個十六進位數字。

以下是一些示例：

（回到頂部）

4. 字元類

您可以通過將字元列表括在[]中來指定字元類，這將匹配列表中的任何一個字元。

如果[後的第一個字元是^，則該類匹配列表中不包含的任何字元。

在列表中，-字元用於指定範圍，因此a-z表示從a到z的所有字元，包括在內。

如果您希望-本身成為類的成員，請將其放在列表的開頭或結尾，或用反斜線跳脫。

如果您希望使用]，可以將其放在列表的開頭或用反斜線跳脫。

以下是一些示例：

（回到頂部）

5. 元字元

元字元是正規表示式的精髓，是特殊字元。

有不同的元字元類型，如下所述。

（回到頂部）

5.1. 元字元 - 行分隔符

一些表示式有助於檢測行分隔。

以下是一些示例：

預設情況下，^元字元僅保證在輸入字串/文字的開頭匹配，$元字元僅在末尾匹配。嵌入的行分隔符不會被^或$匹配。

但是，您可能希望將字串視為多行緩衝區，這樣^將在字串內的任何行分隔符後匹配，$將在任何行分隔符前匹配。您可以通過打開修飾符m來實現。

\A和\Z就像^和$一樣，但當使用修飾符m時，它們不會多次匹配，而^和$將在每個內部行分隔符處匹配。

預設情況下，.元字元匹配任何字元，但如果關閉修飾符s，則.不會匹配嵌入的行分隔符。

TRegExpr按照Unicode技術標準（技術標準#18）處理行分隔符：

• ^在輸入字串的開頭，並且如果修飾符m打開，也在\x0D\x0A或\x0A或\x0D的任何出現之後（支援Unicode：\x2028或\x2029或\x0B或\x0C或\x85）。請注意，在\x0D\x0A序列中沒有空行。

• $在輸入字串的結尾，並且如果修飾符m打開，也在\x0D\x0A或\x0A或\x0D的任何出現之前（支援Unicode：\x2028或\x2029或\x0B或\x0C或\x85）。請注意，在\x0D\x0A序列中沒有空行。

• .匹配任何字元，但如果關閉修飾符s，則.不匹配\x0D\x0A和\x0A和\x0D（支援Unicode：\x2028和\x2029和\x0B和\x0C和\x85）。

請注意，^.*$（空行模式）不會在\x0D\x0A序列中匹配空字串，但會在\x0A\x0D序列中匹配空字串。

（回到頂部）

5.2. 元字元 - 預定義類

一些表示式有助於檢測字元組。

您可以在自定義字元類中使用\w、\d和\s。

以下是一些示例：

（回到頂部）

5.3. 元字元 - 詞邊界

詞邊界（\b）是在其一側有\w而另一側有\W的兩個字元之間的位置（以任一順序），將字串開頭和結尾的假想字元計為匹配\W。

（回到頂部）

5.4. 元字元 - 迭代器

正規表示式的任何項目都可以跟隨另一種類型的元字元 – 迭代器。

使用這些元字元，您可以指定前一個字元、元字元或子表示式的出現次數。

因此，形式為{n,m}的花括號中的數字指定匹配項目的最小次數n和最大次數m。

形式{n}等同於{n,n}，恰好匹配n次。

形式{n,}匹配n次或更多次。

n或m的大小沒有限制，但大數字會減慢執行速度並消耗更多記憶體。

如果花括號出現在任何其他上下文中，它被視為普通字元。

以下是一些示例：

關於"貪婪性"的一點解釋。

"貪婪"取盡可能多，"非貪婪"取盡可能少。

例如，b+和b*應用於字串abbbbc返回bbbb，b+?返回b，b*?返回空字串，b{2,3}?返回bb，b{2,3}返回bbb。

您可以將所有迭代器切換到"非貪婪"模式（參見修飾符g）。

（回到頂部）

5.5. 元字元 - 替代項

您可以使用|分隔一系列替代項來為模式指定，因此fee|fie|foe將匹配目標字串中的fee、fie或foe（f(e|i|o)e也是如此）。

第一個替代項包括從上一個模式分隔符（(、[或模式開頭）到第一個|的所有內容，最後一個替代項包含從最後一個|到下一個模式分隔符的所有內容。

因此，通常做法是將替代項括在括號中，以最大程度地減少關於它們開始和結束位置的混淆。

替代項從左到右嘗試，因此找到的第一個使整個表示式匹配的替代項將被選擇。

這意味著替代項不一定是貪婪的。

例如：當用foo|foot匹配barefoot時，只有foo部分會匹配，因為這是第一個嘗試的替代項，並且它成功匹配了目標字串。（當我們使用括號捕獲匹配文字時，這可能並不重要。）

還要記住，|在方括號內被解釋為字面意思，因此如果您寫[fee|fie|foe]，實際上只匹配[feio|]。

示例：

（回到頂部）

5.6. 元字元 - 子表示式

括號結構( ... )也可用於定義正規表示式子表示式。

搜尋後，您可以調用任何子表示式，還可以將子表示式用作遮罩。

子表示式根據其左括號從左到右的順序進行編號。

第一個子表示式編號為1，最多支援90個子表示式（整個正規表示式匹配編號為0 – 您可以將其替換為$0或$&）。

以下是一些示例：

關於"替換為"模板的注意事項：

• 如果您想在模板中放置原始$或\，請使用前綴\。
  示例：1\$ is $2\\rub\\將返回1$ is <subexpr2>\rub\。
• 如果您想在$n後放置原始數字，則必須用花括號{}將n括起來。
  例如，a$12bc將返回a<subexpr12>bc，但a${1}2bc將返回a<subexpr1>2bc。

示例：

讓我們將日期21.01.2018倒置為2018.01.21：
  搜尋：(\d{2})\.(\d{2})\.(\d{4})
  替換為：$3.$2.$1

（回到頂部）

5.7. 元字元 - 反向引用

元字元\1到\9被解釋為反向引用。\n匹配先前匹配的子表示式n。

以下是一些示例：

（回到頂部）

6. 斷言（前瞻和後瞻斷言）

正向前瞻斷言：foo(?=bar)僅在bar之前匹配foo，並且bar不包含在匹配中。

負向前瞻斷言：foo(?!bar)僅在後面不跟bar時匹配foo。

正向後瞻斷言：(?<=foo)bar僅在foo之後匹配bar，並且foo不包含在匹配中。

負向後瞻斷言：(?<!foo)bar僅在前面沒有foo前綴時匹配bar。

限制：

• 前瞻的括號必須在表示式的末尾，後瞻的括號必須在表示式的開頭。因此不支援在選擇|之間或組內的斷言。

• 對於後瞻(?<!foo)bar，正規表示式foo必須是固定長度，即只包含固定長度匹配的操作。不允許使用量詞，除了帶有重複數字{n}或{n,n}的花括號。此處允許使用字元類，允許使用點，允許使用\b和\B。不允許使用組和選擇。

• 對於其他3種斷言類型，括號中的表示式可以是任意複雜度。

（回到頂部）

7. 非捕獲組

語法：(?:expr)。

這種組沒有"索引"，對反向引用不可見。當我們想要對子表示式進行分組，但不想將其儲存為字串的匹配/捕獲部分時，使用非捕獲組。使用非捕獲組可以加快正規表示式的工作速度。

（回到頂部）

8. 原子組

語法：(?>expr|expr|...)。

原子組是非捕獲組的特殊情況：如果模式的一部分已經找到，這種分組會禁用括號組的回溯。原子組工作更快，對於優化具有許多不同表示式的組很有用。

例如，a(bc|b)c匹配abcc和abc，a(?>bc|b)c匹配abcc但不匹配abc，因為引擎被禁止回溯並嘗試將組設定為b。

（回到頂部）

9. Unicode類別

Unicode標準為字元類別命名。這些是2字母字串。例如Lu是大寫字母，Ll是小寫字母。而1字母的大類別L是所有字母。

元字元\p表示指定類別的一個Unicode字元。語法：\pL和\p{L}用於1字母名稱，\p{Lu}用於2字母名稱。

元字元\P是反向的，它表示不在指定類別中的一個Unicode字元。

這些元字元在字元類中也受支援。

（回到頂部）

10. 修飾符

單個修飾符的語法：(?i)表示打開，(?-i)表示關閉。允許多個修飾符，如：(?msgxr-imsgxr)。

修飾符用於更改正規表示式的行為。修飾符僅影響(?imsgxr-imsgxr)運算子之後的正規表示式部分。

這些修飾符中的任何一個都可以嵌入到正規表示式本身中。如果修飾符內聯到子表示式中，則它僅影響該子表示式。

i

執行不區分大小寫的模式匹配（使用系統中安裝的區域設定）。預設關閉。

m

將字串視為多行。即，將^和$從僅匹配字串的開頭或結尾更改為匹配字串內任何行的開頭或結尾，另請參見行分隔符。預設關閉。

s

將字串視為單行。即，將.更改為匹配任何字元，甚至是行分隔符（另請參見行分隔符），而它通常不會匹配。預設打開。

g

非標準修飾符。關閉它將把所有後續運算子切換到非貪婪模式（預設情況下此修飾符打開）。因此，如果修飾符g關閉，則+的工作方式為+?，*的工作方式為*?等。

x

通過允許空格和註釋來擴展模式的可讀性（見下文說明）。預設關閉。

r

非標準修飾符。如果設定，則範圍а-я額外包括俄語字母ё，А-Я額外包括Ё，а-Я包括所有俄語字母。預設打開。

#

(?#text)：註釋，text被忽略。請注意，TRegExpr在看到)時關閉註釋，因此無法在註釋中放入字面)。

以下是一些示例：

修飾符x本身需要更多的解釋。

它告訴忽略既不帶反斜線也不在字元類中的空格。

您可以使用它將正規表示式分解為（稍微）更可讀的部分。

#字元也被視為引入註釋的元字元，例如：

(
  (abc) # 註釋1
    |   # 您可以使用空格來格式化正規表示式 - TRegExpr會忽略它
  (efg) # 註釋2
)

這也意味著如果您想在模式中使用真正的空格或#字元（在字元類之外，它們不受x影響），您必須跳脫它們或使用八進位或十六進位跳脫進行編碼。

總的來說，這些功能大大提高了正規表示式文字的可讀性。

（回到頂部）   it365工具箱