《TextPro(cnbook)正则表达式帮助文件》由会员分享，可在线阅读，更多相关《TextPro(cnbook)正则表达式帮助文件（14页珍藏版）》请在金锄头文库上搜索。
1、1TextPro(cnbook)正则表达式帮助文件1.概述 2.正则表达式的构成 2.1 特殊符号 2.2 通配符 2.3 字符集 2.4 子表达式 2.5 重复指示符 3.替换表达式 4.自定义替换表功能 4.1 在查找替换中使用自定义替换表 5.应用举例（一） 5.1 应用举例（二） 5.2应用举例（二）1. 概述从 4.5 版起，TextPro 在查找/替换中支持正则表达式。正则表达式是一种非常强大的搜索功能，通过与 TextPro 的其它功能相结合，可以方便地实现许多复杂的文本处理工作。正则表达式原本是形式语言理论中的概念，与编译器的构造有密切的联系。但是作为一个应用软件的用户，我们没
2、有必要去细究正则表达式的严格定义和处理方法。本文将从实用的角度出发，阐述在 TextPro 中引入正则表达式的目的、正则表达式的命令格式，以及如何利用正则表达式完成一些实际的文本处理工作。我们在处理文本时，经常会遇到一些具有某种特定格式，或者说满足某种规则的文本。比如，一个无符号的整数由一连串的数字构成，而一个 Email 地址的格式则是“用户名主机名”，其中用户名是一串字母或数字，主机名则是由若干个由“.”分隔的字母数字串。正则表达式就是用来指定这种规则的。如果某个字符串满足正则表达式指定的规则，则称该字符串为正则表达式的一个“匹配串”。2. 正则表达式的构成为了方便理解，让我们先来看看大家
3、比较熟悉的数学表达式，“(x+3)*2+y”是一个典型的数学表达式。一个数学表达式由若干个“项”组成，“项”与“项”之间用加号或减号相连；这里“(x+3)*2”和“y”分别是两个项。每个项又由若干个“因子”组成，因子之间用乘号或除号相连；这里第一个项有两个因子“(x+3)”和“2”，而第二个项只有一个因子“y”。每个因子可以是一个简单的数，一个代数变量，也可以是放在括号里面的另一个表达式。对于最后一种情况，括号中的表达式称为“子表达式”；这里“x+3”就是一个子表达式。正则表达式的结构与数学表达式很相似。与数学表达式的“项”相对应，正则表达式由若干个“分支”构成，“分支”之间用符号“|”相连。
4、从逻辑上讲，分支之间是一种“或”的关系，一个字符串只要与正则表达式中的任何一个分支相匹配，这个字符串就与整个正则表达式相匹配。比如，“第三人称代词”可以用正则表达式表示为“他|她|它|他们|她们|它们”。与数学表达式的“因子”相对应，构成正则表达式“分支”的部件称为“原子”。“原子”与“原子”之间没有任何符号相连。从逻辑上讲，原子之间是串接的关系，一个字符串必须与各个原子依次相匹配，才算与这个分支相匹配。比如在上面的例子中，分支“他们”由两个原子“他”和“们”组成。正则表达式的本质是它的“原子”可以有多种不同的形式。前面的例子是最简单的情形，即每个原子由一个普通字符组成。除此以外，“原子”还可
5、以是特殊符号、通配符、字符集以及子表达式。2.1特殊符号2可以作为特殊符号的原子有： 匹配行首。例如，“他”匹配出现在行首的“他”字。值得注意的是，这个符号仅仅表示“行首”这个位置，与它相匹配的字符串长度为 0；$ 匹配行末。与“”相似，它仅表示“行末”这个位置。例如，“。$”匹配出现在行末的句号；匹配词尾。词尾是指紧接在字母数字或下划线之后的第一个非字母数字下划线，任一汉字之后也属于词尾。词尾的匹配长度也是 0；t TAB 字符；2.2通配符通配符是用一个符号(或几个符号组合)来匹配某一类满足条件的字符。可以使用通配符来查找字符是正则表达式的一大特点。TextPro 支持下列通配符(注意大小
6、写的区别)：以半角为主的部分：.(句点) 匹配任意半角或全角字符；a 匹配任意英文字母；a 匹配除字母外的任意半角或全角字符；d 匹配任意数字；d 匹配除数字外的任意半角或全角字符；h 匹配任意词首字符(字母及下划线)；h 匹配除字母及下划线以外的任意字符；l 匹配任意小写字母；l 匹配除小写字母外的任意半角或全角字符；o 匹配任意八进制数字(0-7)；o 匹配除八进制数字外的任意字符；p 匹配任意半角标点符号(非空格、字母、数字的可打印 ASCII 字符)；3p 匹配除半角标点以外的任意半角或全角字符；s 匹配任意空白字符（半角空格、TAB）；s 匹配任意非空白的半角或全角字符；u 匹配任意
7、大写字母；u 匹配除大写字母外的任意半角或全角字符；w 匹配可成词的字符(字母、数字及下划线)；w 匹配成词字符(字母、数字及下划线)外的任意半角或全角字符；x 匹配任意十六进制数字(0-9，a-f,A-F)；x 匹配除十六进制数字外的任意半角或全角字符；以全角为主的部分：f 匹配除 ASCII 字符外的任意全角字符；f 匹配任意 ASCII 字符；A 匹配任意全角 ASCII 字符；b 匹配收录在 BIG5 码集中的任意字符；b 匹配未收录在 BIG5 码集中的任意字符；c 匹配任意汉字(不包括符号)；c 匹配除汉字外的任意全角字符；D 匹配地支字符(子丑寅卯)；g 匹配收录在 GBK 码集
8、中的任意字符；g 匹配未收录在 GBK 码集中的任意字符；G 匹配大写希腊字母j 匹配日文片假名J 匹配日文平假名k 匹配小写希腊字母m 匹配数学符号；4n 匹配中文数字(一二三四)；N 匹配大写中文数字(壹贰叁肆)；P 匹配全角标点符号；r 匹配小写俄文字母；R 匹配大写俄文字母；S 匹配罗马数字，带点、括号或圆圈的序号()；T 匹配天干字符(甲乙丙丁)；V 匹配竖排标点符号；y 匹配拼音字符；Y 匹配注音字符；Z 匹配制表字符；2.3字符集字符集是用一对方括号括起来的字符串，用以匹配字符集中的任何一个字符。比如“他她它”匹配单数任一第三人称代词“他”、“她”或“它”。如果方括号中的第一个字
9、符是，则匹配除指定字符外的任何其它字符。例如“我+$”匹配没有“我”字的行。在字符集中，还可以用-表示字符的范围，例如“a-z”匹配任何小写字母。注意尽量不要用“-”表示汉字的范围，因为汉字并没有公认的次序，TextPro 目前是依据汉字的 Unicode 编码来确定范围的。如果两个汉字的编码相差很大，将消耗大量的内存，运算也将非常缓慢。为了避免这种现象，TextPro 中限制表示范围的起始与终止汉字必须位于 Unicode 编码的同一行（row）。如果字符集要包括字符“”、“”、“-”或“”，可以在这些字符前加“”。例如“xyz”匹配,x,y或z。另外需要特别指出的是，前面所述的特殊字符及通
10、配符，除了t和e外，在字符集中均作为普通字符处理。字符集的匹配速度比通配符慢，所以应该尽可能地使用通配符。例如要查找半角数字时，应该使用d，而不要使用0-9，虽然后者也是正确的。 2.4子表达式5子表达式是指用一对括弧()括起来的另外一个正则表达式。使用子表达式有两种主要的目的。一是改变匹配的优先级，例如“中|西文软件”匹配的是“中”或“西文软件”，但是“(中|西)文软件”匹配的是“中文软件”或“西文软件”。使用子表达式的另一个目的，是引用前面匹配到的内容。例如要查找形如“哈哈”、“嘻嘻”的叠字词，可以写“(c)1”。这里“(c)”匹配任意汉字，而“1”则引用匹配到的内容。TextPro 允许
11、在一个查找串包含最多 9 个子表达式，它们的匹配内容可以分别用“1”，“2”.“9”来加以引用。子表达式也可以嵌套另一个子表达式，子表达式左括号出现的序号为这个表达式的编号。另外需要注意的是，只能引用已经匹配了的表达式，象上面的例子不可以写成“1(c)”，同理，也不应该引用不同分支中的子表达式，因为一个正则表达式中只可能有一个分支被匹配。2.5重复指示符正则表达式的另外一个强大的功能是重复匹配的能力。前述的任何一种“原子”之后，都可以指定一个重复指示符。下面列出各种重复指示符：? 表示前一“原子”可有可无(重复 0 或 1 次)。例如“我们?”匹配“我”或“我们”；+ 表示前一“原子”至少匹配
12、一次。例如“d+”匹配任何一个无符号整数；* 表示前一“前子”重复匹配 0 或多次。例如“hw*”表示许多高级语言对“变量”的定义：以字母或下划线开头，后接任意多个字母数字或下划线；n 表示前一“原子”重复匹配 n 次。例如“c 啦3”匹配“哗啦啦啦”或“呼啦啦啦”等；n,m 表示前一“原子”重复匹配 n 至 m 次，其中 nm，TextPro 将自动交换 m 与 n 的值；n, 至少重复匹配 n 次，相当于n,无穷大；,m 至多重复匹配 m 次，相当于0,m； 重复任意多次，相当于*。在前面所述的各种重复指示符中，如果重复的次数不定，TextPro 将匹配尽可能长的目标串(但最多不超过 32
13、767 次，这是 TextPro 内设定的上限)。例如有一字符串“你好，我好，大家好”，表达式“你.*好”将匹配整个字符串，而不是“你好”或“你好，我好”。如果需要匹配尽可能短的目标串，可以采用前述的最后四种形式，并在“”之后加上“-”号。上例中的表达式如改为“你.-好”，则匹配串为“你好”。-n,m 重复匹配 m 至 n 次，匹配次数尽可能少；-n, 至少重复匹配 n 次，匹配次数尽可能少；6-,m 至多重复匹配 m 次，匹配次数尽可能少，相当于-0,m；- 重复任意多次，类似于*，但匹配次数尽可能少。重复指示符只对紧邻在其前的“原子”起作用，例如“你好+”将匹配“你好”，“你好好”。但是不
14、会匹配“你好你好”。如果要重复匹配一组原子，可以使用括号(子表达式)，如“(你好)+”就会匹配“你好你好”。需要指出的是，重复指示符与引用子表达式具有不同的含义。重复指示符是重复“匹配”，至于匹配的内容则可以不同；而引用子表达式则是重复匹配的内容。例如，“d2”可以匹配任何一个两位数的整数，但是“(d)1”只能匹配“11”、“22”、“33”等数字相同两位数。当然，也可以重复引用子表达式，如“(d)1*”可以匹配“2”，“33”、“111”等各位数全同的整数。如前所述，在正则表达式中，以下字符“*?+.()”具有特殊的含义。如果需要查找这些字符本身，可以在该字符前加一个反斜杠“”。例如查“de
15、f”可以输入“def”。3. 替换表达式3.1 特殊字符在进行替换时，也可以在替换串中使用一些特殊字符。目前 TextPro 支持的特殊字符有：n 插入回车符。可以用这个字符把某些行分成两行或多行；b 向前删除一个字符。当这个字符位于替换串之首时，将删除匹配串之前的一个字符。若匹配串位于行首，将使匹配串所在行与前一行相合并；d 向后删除一个字符。当这个字符位于替换串之末时，将删除匹配串之后的一个字符。若匹配串位于行末，将使匹配串所在行与下一行相合并；t 插入一个 TAB 字符；也可以在替换串中引用查找串中的匹配到的子表达式。引用方法也是用“1”、“2”等。另外还可以用“0”来引用整个匹配到的字符串。3.2 替换函数在替换串中还可以使用一组替换函数，来对查找到的内容做某种变换。替换函数的形式是f.，其中“f”是函数名，它是一个半角英文字母。花括号中的内容是函数的参数。例如，ua表示把“a”转换为大写。目前 TextPro 支持三个替换函数，后继版本将逐步增加。u 转换为大写l 转换为小写U 首字母大写Sxx 替换表/功能S1, 第 1 个自定义替换表S2, 第 2
