正則表達(dá)式的細(xì)節(jié)

honbj

在搞清楚所述及的問題之前
首先明確一下什么是匹配
匹配可以從兩個方面來理解
1 一個正則表達(dá)式和一個字符串是否匹配
    在perl中 =~ 代表捆綁 也就是讓正則表達(dá)式去匹配指定的字符串
    如果如果用匹配的符號形式來表現(xiàn) 對于 /regular/ =~ "string"  如果返回值為真 則說/regular/ 匹配了"string"
2 一個正則表達(dá)式不只可以匹配一個字符串
    例如  /a*b/   不僅可以匹配aaaab 還可以匹配aaaaaab     b 等
    這里所謂的“匹配”也是指  /a*b/ =~ aaaab   /a*b/ =~ b  返回值都是真
下面說說依次匹配
首先的一個問題是一個正則表達(dá)式的工作過程
舉個例子

1. $data is 192.168.0.1
   
2. $data =~ /([0-9]*\.)([0-9]*.)([0-9]*\.)([0-9])/;
   
3. $1 is 192.
   
4. $2 is 168.
   
5. $3 is 0.
   
6. $4 is 1
   
7. 這里
   
8. /([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/  匹配了192.168.0.1
   
9. 同時在這個較長的正則表達(dá)式子是由幾個短的正則表達(dá)式組成的,這些短的在()中的正則表達(dá)式稱為模式,大家對$1,$2,$3,$4的值的輸出都非常理解

復(fù)制代碼

下面再舉一個例子

1. $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/;
   
2. $1 is 192.
   
3. $2 is 0.
   
4. $3 is 1
   

復(fù)制代碼

這里有觀點解釋到這里([0-9]*\.) ([0-9]*\.) *([0-9])  紅色部分"依次匹配" 了168.    0.       所以是0.   
這并不是很好理解
有證:
[quote]原帖由 "3x3eyes"]....匹配.168都還好理解所謂的依次匹配是什么意思，請各位幫忙[/quote 發(fā)表：

問題的關(guān)鍵是為什么這里的紅色部分會去依次匹配168.     0.呢?regular 有這種依次匹配的機制嗎 它在什么情況下會這樣做 什么情況下不會這么做呢
下面我們通過一個例子來驗證regular 會不會有這種依次匹配的機制

1. $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/;
   
2. $1 is 192.
   
3. $2 is 168.
   
4. $3 is 0

復(fù)制代碼

這里紅色部分并沒有去依次匹配168.  0. 而是直接匹配了168.  
為什么呢 看來 問題出現(xiàn)在* 上面
也就是當(dāng)正則表達(dá)式是 $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/;   的時候  紅色部分依次匹配了168.   0.   并最終把最后匹配的0.存到了分組2中
      當(dāng)正則表達(dá)式是 $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/;    的時候  紅色部分就不再依次匹配了??  它就匹配168.  并把168存在分組2中 這是什么道理？  
正則表達(dá)式有一個引擎 引擎的工作原理細(xì)節(jié)沒有找到相應(yīng)文檔 但是對于這種情況 可以試著解釋為

1. 對于 $data =~ /([0-9]*\.)([0-9]*\.)([0-9])/;
   
2. 這時候?qū)τ谀Ｊ? 模式2 模式3 他們沒有機會選擇  分別將各自匹配的 192.   168.   0  存在正則表達(dá)式的記憶體 \1 \2 \3中
   
3. 而對于 $data =~ /([0-9]*\.)([0-9]*\.)*([0-9])/;
   
4. 對于模式1  從左到右搜索$data 匹配了192.    把它存在了記憶體  \1中
   
5. 對于模式2  從左到右搜索剩下的$data 部分  匹配了 168.  并把它存在了記憶體\2中
   
6. 下面到了*  這里*代表 前面模式的0次或多次出現(xiàn) 雖然在功能上對于這個例子它等于([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/， 但是它并不等價于正則表達(dá)式/([0-9]*\.)([0-9]*\.)([0-9]*\.)([0-9])/ 。這時候仍然是模式2 去從左到右搜索$data剩余的字符串0.1  結(jié)果匹配了0.  由于仍然是模式2去匹配，所以0. 仍然存在記憶體\2中，沖掉了原來存在記憶體\2中的內(nèi)容 下面([0-9])  匹配了1 并把它存在了記憶體\3中。

復(fù)制代碼

看到這里，可以試著總結(jié)出正則表達(dá)式的引擎搜索機制：

1. 1  如果在正則表達(dá)式中有模式 ，那么每個模式從左到右搜索要匹配的字符串，如果匹配成功，則把匹配的字符串存到相對應(yīng)的記憶體中。
   
2. 2  如果正則表達(dá)式中有下一個模式，那么這個模式將繼續(xù)從左到右搜索沒有被匹配的字符串 ，重復(fù)前面的步驟1的過程，匹配成功則立即停止，并把匹配的字符串存到相應(yīng)的記憶體中。
   
3. 3  如果在2中的模式后面出現(xiàn)了數(shù)量符* + ? ，形如：(模式2)*，則匹配過程變?yōu)椋耗Ｊ?仍然按照步驟1的過程匹配，匹配成功則停止。但是由于這時候在模式2后面出現(xiàn)了數(shù)量符 * ，則仍然由模式2去匹配字符串中沒有被匹配的的部分，如果這時候出現(xiàn)了可以匹配多個字符串的情況，那么作后一次匹配成功的字符串被存放到了模式2對應(yīng)的記憶體中(注意：中間匹配成功的并不是沒有存，而是被后面匹配成功的覆蓋了)。

復(fù)制代碼

說到這里仿佛一切問題都得到了很好的解釋
可是請看下面的例子

1. $data = 192.168.0.1
   
2. $data =~ /([0-9]*\.)([0-9]*\.)*([0-9]*\.)([0-9]*.)([0-9])/
   
3. 按照上面的結(jié)論，大家不妨猜測一下\2的內(nèi)容 ，也就是記憶體2中的值是什么
   
4. 在沒有看到答案之前，也許會有人猜測是0. 或者168.。
   
5. 但是這里 \2的值是空值，*在這里是“0個”。

復(fù)制代碼

由此可以得到：正則表達(dá)式并不是按照模式按照從左到右搜索，"一個正則表達(dá)式" 就是一段程序，一個正則表達(dá)式的匹配引擎機制應(yīng)該是：盡量多的精確的去匹配目標(biāo)字符串，至于它采取哪種策略實現(xiàn)這一過程，這也是在此拋磚引玉的目的所在。

honbj

望高手們出手指正

3x3eyes

一不小心成了反面典型
不過，樓主，我還是認(rèn)為shell是把所有模式里的RE全都解釋了以后，用這整個RE去匹配的

很感激樓主的分析與講解

creat7151

好貼，收下

yuyuyou

頂下

寂寞烈火

眼暈呀~~~~      

gongjijiao

中文匹配該怎么辦？