正则表达式

1.1      简介

RegularExpression(简称regexp或RE)是什么?有人直译为「正则表示式」。Regexp是一组大约三四十个特殊符号，只要学会其中常用二十来个，就能搜寻字串/代换字串，甚至完成许多滑鼠选单做不到的惊奇繁杂工作。以下举一些例子;为让您专注于regexp本身，暂时不写出完整的指令，只写出指令中关于regexp的那一小段。

1）英文的"颜色"一字，有两种拼法:color及colour。用regexp表达，可以一石两鸟:colou?r其中的?表示「前面的字元可有可无」

2）想要找"port"与"ports"，但又不希望找到"export"，"portable"，"important"等等一大堆不相关的单字，该怎么办?用/bports?/b这里的/b表示「(文数字vs。标点符号等等其他字元之间的)边界(boundary);旁边不可有其他文数字」。所谓文数字，就是英文字母，数字，及底线"_"。

3）在一篇文章当中，抓出所有「看起来像是机场代码的字串」(例如TPE台北，KHH高雄，LAX洛杉矶，...等等):/b[A-Z][A-Z][A-Z]/b。这里的[A-Z]是[ABCDEFGHIJKLMNOPQRSTUVWXYZ]的简写，意思是「任何一个大写字母」

4）如何在一大片文字，银行帐号，信用卡号...当中，找出看来像是行动电话号码的字串，例如0912345678或是0912-345678或是0912-345-678之类的?09/d/d-?/d/d/d-?/d/d/d这里的/d是[0-9]的简写，这又是[0123456789]的简写，意思是「任何一个数字字元」

5）想要找一组数字ip(例如168。95。1。1或163。17。57之类的)印象中在某个档案内曾看过，但既不记得精确的数字，也不记得在那个档案看过，该怎么办?可以搜寻/d+/。/d+/。/d+/。/d+抓出所有数字ip。这里的+表示「前面的东西，可以重复出现1次，2次，3次，...任意次」。因为。在regexp当中有特殊的意义:「任何一个字元」;但在这里我们就是要找"。"于是在前面加上/以取消它的特殊意义。

6）可以把一个文字档里面的所有空白列都删掉吗?这个regexp可以抓出所有空白列:^/s *$。在regexp最前面放一个^表示您只对「出现在一列之首」的样版有兴趣;在regexp的最后面放一个$表示您只对「出现在一列之尾」的样版有兴趣。/s是[/t/n]的简写，意思是「任何一个空白字元」(包含空格，tab，等等)。 *表示「前面的东西，可以重复出现0次，1次，2次，...任意次」。这个样版翻译成中文，就是「从头到尾都是一片空白的那种列」。

1.2      Regexp的应用

在Linux平台下，grep、sed等众多命令支持regexp，Perl的命令行应用也能使用regexp来解决一些事情。在C++应用中有Boost。Regex的库。

以下进行实战演练!

在项目中我们增加了通过IPC（UUID）恢复文件索引（MediaIndex）的功能，其中有个与regexp相关的过程，就是查找IPC所属的文件。因为多数情况下IPCs共享一个硬盘分区，我们要在众多IPCs的文件中找到我们所需IPC的文件，而且这里还要排除有其他混杂文件的存在。这里我们可以使用regexp来把我们需要的文件从文件列表中抓出来。

文件名格式

XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX_YYYYMMDDTHHMMSS

XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX：UUID

YYYYMMDDTHHMMSS：年月日“T”时分秒

构造regexp

^/w{8}-/w{4}-/w{4}-/w{4}-/w{12}_/d{8}T/d{6}$

“/w”表示单个英文字母或数字，“{}”表示前面的一个字符重复的次数，作用到“/w”等上也是同样的效果。这里采用“^$”算是一种全匹配，避免出现“AAXXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX_YYYYMMDDTHHMMSSbb”这样的情况。

获取文件列表

当时ls了...用“|”管道将结果传给后一个命令。

匹配内容

貌似grep是不支持“/w”等的符号，改成“[]”是可以匹配的，"/w"将其替换成“[0-9a-zA-Z]”，“/d”自己想吧，反正就是太长太麻烦了。这里用Perl来演示一下，主要是表现一下正则表达式的作用，不需要关注Perl的用法。

ls的结果

匹配后的结果

//<!CopiedfromVMS/DeviceMgr/src/FileFinder.cpp boolCFindFiles::fileNameMatch(const std::string &fileName){assert(!fileName。empty());boost::regexe("^(//w{8}-//w{4}-//w{4}-//w{4}-//w{12})_[0-9]{8}T[0-9]{6}$");boost::match_results<std::string ::const _iterator>what;if(boost::regex_match(fileName，what，e，boost::match_default|boost::match_perl)){if(what[0]==fileName&&what[1]==m_szUuid){return true;}}return false;}

Perl支持通过“（）”将表达式中的某些项目抠出来，通过$1、$2这种内建变量来访问（$0默认是给定表达式匹配的全部部分）。Boost。Regex提供了Perlregexp的这种特性，通过match_results来存放这种匹配的结果，也是通过类似的数字序号索引来访问。