正则表达式中的单元

本文所有内容对编译原理有一定基础者没有任何意义！

而所谓的单元是我假想的一个()括起来的一个整体单位，你可以理解成运算符的优先级，其实就是这个意思，只是这个概念被弱化了。

很多情况下，我们都忽略了一些细节的知识点，今天冷静下来分析一个正则问题的时候，找到了一个小bug

(?!<a).*

对环视有点基础的一定能看出来这在干什么，也很容易看出来错误在什么地方。

(?:(?!<a).)*

 

这说明了一个小的单元概念，即 [元字符或普通字符] 加上 [量词] 组成一个单元。也就是说第一个正则中，这个环视作用范围是 .* 而非 .

 

 

正则表达式中的范围问题一直都是学习正则和理解（看）正则的一个问题，这对初学者来说必然有所感触。

比如,^a|b$

这样的正则简单是说被|一次性划开了，因此这个正则的含义是 ^a b$ 而非 ^ a|b $这样的结构。你可以想象成( (^a) | (b$) )

这里的小括号是我用来解释的假象单元

这样的单元还有如下情况下

[abcd]|[abcd][abcd]|[abcd]

与

([abcd]|[abcd])([abcd]|[abcd])

明显就有不同的意思

这个很容易理解，为什么呢，因为我用括号括起来了。但是前面2个情况却没有

 

第一个情况是， [元字符或普通字符] 加上 [量词]

第二个情况是，整个正则表达式就是一个单元，在这个大的单元里 | 的作用域是所谓“全局作用域”

 

在这里提醒一点，环视的作用范围是下个正则单元，而不是字符单元。即我一开始抛出的问题

那么(?!<a>)(<[^>]*>)+的环视作用域在哪呢，或者是正则单元是哪个呢。

看下面的例题

            string str = "<a><t><t><a><a><a><t><t><t><t><t><a>";
            Regex reg = new Regex("(?!<a>)(<[^>]*>)+");
            Console.WriteLine(reg.Match(str));

 

 

output：<t><t><a><a><a><t><t><t><t><t><a>

 

现在你明白了正则单元是什么了对吧。好吧，再加上一条  [正则单元] + 量词 还是一个正则单元

 

我的基础能力我很清楚，所以用编译原理来解释十分吃力，虽然自己能够理顺，但是真的不敢写出来，很期待 过客 续写这么一篇。他的博客和正则看起来都是那么的舒服。绝不拍马溜须，大家都懂的