读《正则表达式30分钟入门教程》有感

阅读更多

《正则表达式30分钟入门教程》 是一篇非常精彩的正则表达式入门介绍的文章，文章部分翻译自《The 30 Minute Regex Tutorial》。很早之前我就曾拜读过，印象很深刻。今天再次拜读，是想温故一下正则表达式的知识。这次读得比较细致，对正则表达式又有了更深刻的认识，现分享如下：

 

1.  “分枝条件”一节中，作者说\(?0\d{2}\)?[- ]?\d{8}|0\d{2}[- ]?\d{8}可以 “匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔”。但其实这个表达式，依然可以匹配“010)12345678”这样的case。正确的表达式应该是：\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}，应该是作者的笔误。

 

 

2.  “后向引用”一节中，作者对(?:exp)的使用原因卖了一个关子，我个人理解是，使用这个是为了performance的原因，如果你对这个分组并不感兴趣，没有必要去捕获它，捕获它势必会消耗一定的时间与空间。

 

3.  “零宽断言”一节中，作者提到：“((?<=\d)\d{3})+\b，用它对1234567890进行查找时结果是234567890” ， 个人觉得这个例子举得不好，因为(\d{3})+\b同样能达到目的，这里体现不出断言的作用。我想到了一个好玩的例子：用 ab(?=cd)ef 去匹配abcdef 会怎么样呢？

 

4.  “负向零宽断言”一节，我本来一直觉得“负向零宽断言”完全可以由“零宽断言”替代，比如\b\w*q(?!u)\w*\b 与 \b\w*q(?=[^u])\w*\b是等价的。但其实不然，我们并不能表达任何正则表达式的反向意思，比如[abcd]的反向意思是[^abcd]，但abcd的反向意思是什么呢？ \b((?!abc)\w)+\b 就没法用"零宽断言"来取代。

 

5.  “平衡组/递归匹配”一节，压栈操作与出栈操作的语法与命名组的语法是一样的，是不是说，每个有名字的组都会被压栈，且组名不能以减号开始，以免与出栈操作混淆？(不懂.Net ，所以没法验证:P)

 

6.  最后，我想说看这样一篇文章，如果用心看并且边看边实践的话确实不止30分钟。在此推荐一个很好的网站：http://regex101.com/ 可以很方便地测试正则表达式（并且它支持Possessive数量修饰符"+"）。