tcl/tk参考——字符串操作re_syntax

.

.

名称

re_syntax - Tcl正则表达式语法

描述

正则表达式描述了字符串中的字符，它是一个匹配特定的字符串而不匹配其他的字符串的模式。

不同的正则表达式

正则表达式是由POSIX定义的，有两种形式，扩展的正则表达式（Extended RE）和基础正则表达式（Basic RE），EREs就是传统上说的egrep，BREs就是ed，还有第三种形式，基于EREs添加一些重要的扩展，叫做高级正则表达式（Advanced RE）。

这个用户手册主要描述AREs，BREs经常出现在需要向后兼容的程序当中，POSIX的EREs是AREs的一个子集，属于AREs但是不属于EREs的特性将会简单的指出来。

正则表达式语法

Tcl正则表达式使用Henry Spencer写的包来实现，基于POSIX 1003.2并参照了Perl5的扩展，本文中很多正则表达式的描述是直接复制Henry Spencer的用户手册。

一个ARE有一个或多个由"|"分开的分支，匹配任何需要匹配的分支。

一个分支是一个或多个约束和量化元字符，它首先匹配好一个匹配，然后再进行第二个匹配，以此类推，空分支就匹配空字符串。

量词

一个量化元字符是由一个元字符后面紧接着一个简单的量词组成，如果没有量词，就只匹配这个元字符，量词如下：

*

匹配0个或多个元字符的序列

+

匹配1个或多个元字符的序列

?

匹配0个或1个元字符的序列

{ m }

严格匹配m个元字符的序列

{ m ,}

匹配m个或多个元字符的序列

{ m , n }

匹配m个到n个元字符的序列

*? +? ?? { m }? { m ,}? { m , n }?

非贪婪量词，与贪婪量词匹配的方式相同，但是非贪婪两次只匹配最少能匹配到的序列，而贪婪匹配需要匹配最多能匹配的序列。

使用{和}的形式需要受限，m和n必须是无符号整数，取值在0到255之间。

元字符

元字符是以下几种形式：

( re )

将一个元字符括起来（re是任意正则表达式）。

(?: re )

与上面相同，但是不报告（不捕获括号的配置）

()

匹配一个空字符串

(?:)

与上面相同，但是不报告

[ chars ]

一个中括号表达式，匹配任何一个chars中的字符。

.

匹配任意一个字符

/ k

匹配非字母和数字字符

/ c

匹配escape项目中所罗列的字符

{

当后面不是数字时，匹配"{"，当后面跟着数字时，是一个量词范围的开始（只支持AREs）

x

当x是一个字符时就匹配这个字符

约束

在特定的条件下约束匹配一个空字符串，约束的后面不能是量词，简单的约束如下，其它的在 ESCAPES之后介绍：

^

在字符串的开头匹配

$

在字符串的结尾匹配

(?= re )

向前肯定，匹配任何以 re开始的子字符串。

(?! re )

向前否定，匹配任何不以 re开始的子字符串。

向前约束可能不包含向后，所有的括号都不捕获。

一个正则表达式不能够以"/"结尾。

中括号表达式

一个中括号表达式是在"[]"中的一系列字符，一般匹配一个在这一系列字符中的一个字符，如果以"^"开头，就匹配任何不在这一系列字符中的字符。
　

如果两个字符以"-"隔开，可以指定两个字符的区间，[0-9]匹配任何十进制数字，两个范围必须是两个终点，所以"a-c-e"是不合法的。范围使用Unicode的顺序。

如果要包含]或者-，就需要使用[和]把它括起来，使用时要么把]和-放在前面，要么使用"/"。

字符类

在中括号中，字符类在[:和:]中表示字符类中的所有字符，标准的字符类如下：

alpha

一个字母

upper

一个大写字母

lower

一个小写字母

digit

一个十进制数字

xdigit

一个十六进制数字

alnum

字母或数字

print

可打印的字符，与graph类似，但是包含空格符

blank

一个空格符或制表符

space

一个空格符

punct

一个标点符号

graph

一个可见的字符（包括字母、数字和标点符号）

cntrl

控制字符，/u0001到/u001F

中括号约束

这里有两个特殊的中括号表达式：[[:<:]]和[[:>:]]，用来匹配以空字符串开头的字符串，字符串由字母、数字和"_"组成，这种特殊的中括号表达式容易被忽略。可以使用转义来替代。

对等元素

在一个中括号中，一个对等元素在[.和.]中表示一个元素字符，在[.和.]之间的对等元素在源代码文件generic/regc_locale.c中找到，使用一个单词来代表一个元素字符，也可以使用一个字符代表这个字符本身。（我并没有发现对等元素和等价类在tcl中的实际用途）。

等价类

在一个中括号的表达式中，一个等价的元素由[=和=]括起来，代表了在相同字母顺序上的等价元素，如果o和o是一个等价类中的元素，那么， 都是同义的

转义

转义，是由/跟着一个字母或数字字符，有字符转义、速记类转义、约束转义和回退引用等多种形式，在AREs中反斜杠是由意义的，但是在EREs中没有转义，/仅仅是关闭一些特殊字符的意思或者只是代表/后面的字符。

字符转义

字符转义只有在AREs中才有。

/a

报警和振铃字符，与c语言相同

/b

退格符，与c语言相同

/B

代表/字符，可以取代//

/c X

X是任何字符，字符的低5位与X相同，其它位为0

/e

ESC符，/u001B

/f

换页符，与c语言相同

/n

换行符，与c语言相同

/r

回车符，与c语言相同

/t

水平制表符，与c语言相同

/u wxyz

wxyz是四个严格的十六进制符，16位Unicode字符编码

/U stuvwxyz

stuvwxyz是八个严格的十六进制符，可以代表32位Unicode字符编码

/v

垂直制表符，与c语言相同

/x hhh

hhh是16进制数字，16进制值为0xhhh的字符（无论0x后面有多少个h都只匹配3个）

/0

NULL，值也是0

/ xy

要么是一个十进制回退引用，要么是两个8进制字符编码。

/ xyz

要么是一个十进制回退引用，要么是三个8进制字符编码。

　

16进制数字是"0-9a-fA-F"，8进制数字是"0-7"

字符转义可以代表普通字符，比如/135在Unicode中是]，但是/135并不代表一个中括号表达式中的]，只能够代表一个字符。

速记类转义

速记类只在AREs中提供，为一些经常使用的字符类提供速记方式。

/d

[[:digit:]]

/s

[[:space:]]

/w

[[:alnum:]_] (note underscore)

/D

[^[:digit:]]

/S

[^[:space:]]

/W

[^[:alnum:]_] (note underscore)

约束转义

约束转义只在AREs中提供，在特殊的条件下匹配空字符串。

/A

只从一个字符串的开头匹配（查看MATCHING，与^有什么不同？）

/m

只从一个词的开头匹配

/M

只从一个词的结尾匹配

/y

只从一个词的开头或结尾匹配

/Y

不从一个词的开头或结尾匹配

/Z

只从一个字符串的结尾匹配（查看MATCHING，与$有什么不同？）

/ m

m是一个非0数字，一个回退引用

/ mnn

一个回退引用，m是一个非0数字，nn是更多的数字，但是这个十进制数值mnn不能比子模式的数量大

回退引用

回退引用只有在AREs中提供，匹配一个之前已经匹配了的子模式，引用之前匹配的字模式的值来匹配，比如"([bc])/1"匹配bb或者cc，但是不匹配bc，子表达式必须在回退引用之前。

嵌入语法

除了上面描述的主语法，这里还有一些特殊的形式和混合宜用的一些语法。

一个ARE可以以些嵌入的可选项开头，序列(?xyz)，其中xyz是一个或多个字母字符。

b

余下的模式是一个基本的正则表达式

c

大小写敏感的匹配，默认情况

e

余下的模式是一个扩展的正则表达式

i

大小写不敏感的匹配

m

与n相同

n

换行符敏感匹配，有lineanchor和linestop模式

p

部分换行符敏感匹配，只有linestop模式

q

余下的模式是一个普通的字符串

s

换行符不敏感，默认情况

t

严格语法，默认情况

w

与p相反，只有lineanchor模式

x

空白字符和在#之间的注释被忽略掉的扩展语法

嵌入式的可选项使用)终结，只有在ARE中存在。