|
【前言】 1.此文針對，正則表達(dá)式的初學(xué)者，老鳥請飄過。 正則表達(dá)式的初學(xué)者，常遇到的情況是，對于相對復(fù)雜一點的正則表達(dá)式，覺得很難理解，很難看懂。 2.此文目的，之前你看不懂，看了此教程后，就基本掌握了，看懂復(fù)雜正則表達(dá)式的思路。 這樣就可以通過自己的能力，一點點把復(fù)雜的正則表達(dá)式，一點點拆分，一點點分析，知道完全理解。 3.在看此文之前，肯定需要你本身對于正則表達(dá)式，已經(jīng)有了一些基本的基礎(chǔ)， 比如知道點’.’表示任意字符，星號’*’表示0或多個之類的含義，這樣才有看此文的基礎(chǔ)。 關(guān)于正則表達(dá)式方面的教程和資料，需要的可以去看我整理的一些資料： 【總結(jié)】關(guān)于（C#和Python中的）正則表達(dá)式 java中的正則表達(dá)式：java.util.regex 【如何看懂復(fù)雜的正則表達(dá)式】 基本思路：拆分->各個擊破 解釋： 先將一個，很長的，很復(fù)雜的正則表達(dá)式，從左向右，一點點讀取，分析，一點找到某部分的內(nèi)容，是一個邏輯概念上的獨立的一塊，就暫時拆分出來，如此，一點點把復(fù)雜的正則表達(dá)式，拆分成很多個邏輯上獨立的小塊， 然后針對每個小塊的表達(dá)式，再去分析其含義 每個小塊的正則表達(dá)式都搞懂后 把和所有的含義，合并出一個整體的含義 最后就可以實現(xiàn)，用人類的語言，把對應(yīng)的復(fù)雜的正則表達(dá)式，一點點解釋出來了，即： 把，之前看不懂的，復(fù)雜的正則表達(dá)式，翻譯成，人類可以看懂讀懂的語言（至少先讓你自己讀懂看懂） 在舉例分析之前，需要知道一些前提： 1.任何復(fù)雜的正則表達(dá)式，都是由寫正則表達(dá)式的人，從簡單到復(fù)雜一點點寫出來的。 所以，理論上，如何讀懂復(fù)雜的正則表達(dá)式，也就是一個反向解析的過程，即將復(fù)雜的拆分成多個簡單的，功能上，邏輯是獨立的子表達(dá)式，然后再去分析其含義，最終再合并出來整體的，復(fù)雜的含義。 2.正則表達(dá)式，即使各種語言的正則表達(dá)式的庫函數(shù)，去解析的時候，也是從左到右，一點點分析，一點點拆分，將復(fù)雜的差分成多個子表達(dá)式，以實現(xiàn)，計算機語言內(nèi)部，去理解此表達(dá)式的。 此處，只是通過人類的方式，手動從左到右，一點點分析而已，也算是和計算機語言識別正則的類似的過程。 3.雖然正則表達(dá)式，不同的語言，具體的寫法，有些略微的差別，但是本質(zhì)上的，絕大部分的正則表達(dá)式的寫法，都是基本類似的。 【舉例說明，如何實現(xiàn)拆分復(fù)雜的正則表達(dá)式】 舉例： /^[A-Z]:\\{1,2}[^/:\*\?<>\|]+\.(jpg|gif|png|bmp)$/i正則表達(dá)式表示什么意思？ 首先，對于拿到這個，看似很繁瑣的字符串： /^[A-Z]:\\{1,2}[^/:\*\?<>\|]+\.(jpg|gif|png|bmp)$/i 作為，相對比你熟悉正則的我，一看就知道，是PHP或Perl一類的語言中的正則表達(dá)式，因為這里是： /xxx/i 的格式，其中xxx表示真正的正則表達(dá)式本身，而后面的i表示ignoreCase，即忽略大小寫的意思。 而如果你只是熟悉其他如Python等語言的正則表達(dá)式，則此處無需太關(guān)心那兩個斜杠，可以將其理解為，類似于Python中的這樣的寫法： re.match("xxx", re.I) 其中的xxx，是此處真正的正則表達(dá)式： ^[A-Z]:\\{1,2}[^/:\*\?<>\|]+\.(jpg|gif|png|bmp)$ 而re.I即re.IGNORECASE,表示忽略大小寫的意思。 接下來，就來分析此處的xxx，即： ^[A-Z]:\\{1,2}[^/:\*\?<>\|]+\.(jpg|gif|png|bmp)$ 的完整的含義： 對于我來說，看到此正則表達(dá)式： ^[A-Z]:\\{1,2}[^/:\*\?<>\|]+\.(jpg|gif|png|bmp)$ 后，我可以直接將其，按照之前所介紹的方法，直接拆分出對應(yīng)，幾個子表達(dá)式，其中每個子表達(dá)式，相對來說，是邏輯上獨立的，或者是沒關(guān)系，關(guān)系不大的各個小的正則表達(dá)式。 先說拆分的結(jié)果如下：
但是，作為讀者的你，肯定看了會說，我怎么才能，像我這里一樣，一次性就看出，如何將上述復(fù)雜的正則表達(dá)式，一下次分出這8部分，即（將上面那個復(fù)雜的正則表達(dá)式）大卸八塊呢？^_^ 那么此處，就來介紹一下，基本的思路，或者說，我是怎么實現(xiàn)此過程的： 【如何拆分正則表達(dá)式： ^[A-Z]:\\{1,2}[^/:\*\?<>\|]+\.(jpg|gif|png|bmp)$】 首先，看到這么一堆的復(fù)雜的字符，其實我也不可能立刻實現(xiàn)，全部拆分出來。 我也是一點點，像之前介紹的方法和思路一樣，是從左到右，一點點去，識別，區(qū)分，然后一點點分出來這么多個子表達(dá)式，子部分的： 1.比如，首先，我從左往右看的話，第一個看到的是’^’，對此，對于有了正則表達(dá)式最最基礎(chǔ)的你，應(yīng)該知道，這個是匹配字符串的開始的； 而很明顯，對于’^’，此處，一般不會，此處也沒有后面有啥限定符，即沒有和其他字符，去搭配使用。 所以，此’^’，就是我們所拆分出來的，第一個，相對邏輯上獨立的，子正則表達(dá)式，所以就可以寫出第一個小子表達(dá)式了：
2.然后接著來分析，接下來是左中括號'['，而對于左中括號，還是那句話，作為已有正則表達(dá)式的基礎(chǔ)的你，知道其，一般來說都是和另外一個右中括號’]’去搭配使用，并且左右中括號里面，也會有一些字符，以表示中括號內(nèi)的字符，所組成的集合，即類似于[xxx]的形式，對此，接著往后看，可以說，此處還是很簡單的，就看到了后面還有’A-Z]’，正好和'['組成了'[A-Z]’，正好符合我們所理解和期望的[xxx]的形式。 而此處，很明顯，就是A-Z，對應(yīng)著正則表達(dá)式的語法，在中括號內(nèi)，可以通過短橫線鏈接起始字符，表示一段范圍內(nèi)的字符，此處即通過A-Z表示，A，B，C，。。。，X，Y，Z，這26個大寫字母。 所以，此處，看似，也就很清楚了，覺得第二個子正則表達(dá)式，就是[A-Z]了。 而作為比你經(jīng)驗稍多的我，要告訴你，其實你此處這樣的想法，是嚴(yán)謹(jǐn)?shù)模驗?，對于，中括號?nèi)部表示字符集合，[xxx]的寫法，往往后面還會跟著一些限定符，去表示此集合字符的個數(shù)方面的限定，比如加號’+’表示去匹配，往后數(shù)，盡可能多個，比如表示最少2個，最多5個的'{2,5}’等等。 而此處呢，算是巧了，后面實際上，是沒有這類限定符的，因為我們看到了，后面只有冒號’:’，而冒號，此處，正如按照正常邏輯所理解的一樣，就是表示匹配冒號字符’:’本身而已。 所以，此處，由于巧了，后面沒有字符個數(shù)方面的限定符，所以，第二個子正則表達(dá)式，正好就是[A-Z]本身而已，所以，接著寫出，我們已經(jīng)拆分出來的，共兩個子正則表達(dá)式了：
3.上面已經(jīng)分析了，此處后面跟著的字符，是冒號這個字符’:’，同理，由于后面沒有看到其他的加號’+’之類的限定符，所以此處，冒號本身，就是表示一個完整的子正則表達(dá)式，去匹配單個的冒號了。 所以，此處第三個，子正則表達(dá)式也就是此冒號字符本身了。所以，現(xiàn)在共拆分出來三個子正則表達(dá)式了：
4.可以看到，冒號后面是個反斜杠’\’，而看到反斜杠，作為已了解正則表達(dá)式的語法的你，應(yīng)該知道，正則表達(dá)式中，會有很多’\x’其中x是某個字母的形式，而不同的字符，組合出來的，表示不同的各種含義，比如常見的\d表示數(shù)字0-9等等。 而此處，看到的是反斜杠后面’\’后面，又跟了個反斜杠’\’，對此，根據(jù)正則表達(dá)式的語法，則是表示反斜杠這個字符本身，就是想要去匹配一段字符串中，是否有反斜杠這個字符本身。 然后接著往后看，是{1,2}，很明顯，是之前已提到多次的，限定符，作用是，限制（前面的字符的）個數(shù)是，至少1個，最多2個。所以此處就是去限定前面的，反斜杠字符本身，所以加起來，就是\\{1,2}，而對應(yīng)的含義也就是 去匹配，至少一個反斜杠，最多2個反斜杠。 所以，目前已拆分出共4個子表達(dá)式了：
5.再往后面分析，是左中括號'['，根據(jù)正則表達(dá)式的語法，和前面已經(jīng)討論過一次中括號的用法，我們可以知道，后面一定還有一個右中括號，所以，把左右中括號，以及中間內(nèi)容，都一起寫出來，就是： [^/:\*\?<>\|] 但是，對于中括號中間的這么一堆字符： ^/:\*\?<>\| 至少看起來，也還是比較復(fù)雜的。 再但是呢，對于已經(jīng)了解正則表達(dá)式語法的你，應(yīng)該知道，中括號內(nèi)，表示取反的寫法是，對應(yīng)的字符或字符集，在其前面，添加上那個特殊字符，向上的箭頭，此處叫做插入字符’^’，表示針對某個，或某些字符，取反的意思，即匹配除了這些字符之外的那些字符。 而此處，就是對應(yīng)的 對于 /:\*\?<>\| 前面加上個插入符號’^’，變成： ^/:\*\?<>\| 表示，匹配，除了 字符組合： /:\*\?<>\| 之外的字符。 而此處的字符組合： /:\*\?<>\| 其實就是一堆的字符，一點點寫出來的，其詳細(xì)含義，我們后續(xù)再分析。 此處還沒完，因為此處的[^xxx]的形式之后，還有個加號’+’，對應(yīng)含義也很明確，就是前面那種字符，即除了/:\*\?<>\|之外的字符，的個數(shù)，此處通過加號去限定為，至少是1個，可以更多個，即>=1的個數(shù)。 所以，算是[^xxx]+的形式了，其中xxx是/:\*\?<>\| 因此，此處已經(jīng)共分析出5個子表達(dá)式了：
6.再往后看，就是一個反斜杠’\’加上一個點’.’，即’\.’，其表示點字符本身，這點你也應(yīng)該在學(xué)習(xí)正則表達(dá)式基本語法的時候，有所了解。 此處再多解釋一句就是，之所以不直接寫點’.’，是因為字符點’.’本身，在正則表達(dá)式中，是匹配任意一個單個字符的意思，而想要匹配這樣的，在正則表達(dá)式中被用于表示的含義的字符的時候，就需要用到反斜杠，反斜杠用來表示所謂的轉(zhuǎn)義。 在正則表達(dá)式中，常見的就有：
因此，此處一共已拆分出6個子正則表達(dá)式了：
7.再往后看，后面是一個左括號'('，很明顯，此處后面肯定有一個右括號，和此處的左括號聯(lián)合起來，表示一個組group。 此處，很簡單，就可以看出來是 (jpg|gif|png|bmp) 注：更復(fù)雜的正則表達(dá)式，可能會出現(xiàn)多個group嵌套的情況，即括號內(nèi)嵌套括號的情況，此時，此種拆分方法仍然有效，還是找到最開始的左括號，此時對于括號層次來說肯定是最外層，所匹配的那個的最外層的右括號，那這一部分拿出來，繼續(xù)分析即可。如果存在更多曾的括號嵌套括號，仍然是找到對應(yīng)匹配的括號即可。 而對于此處的group組： (jpg|gif|png|bmp) 的含義，后面再詳細(xì)分析。 此時，也已經(jīng)拆分出來，共7個子表達(dá)式了：
8.最后，還剩下一個美元符號’$’，表示匹配字符串末尾，這個很好理解。不多解釋。 此時，就已經(jīng)實現(xiàn)了，把上述的一個復(fù)雜的正則表達(dá)式，拆分成多個邏輯上獨立的，共8個，子正則表達(dá)式了：
看到這里，對于如何從左往右看，一點點根據(jù)邏輯組合，去拆分成多個子表達(dá)式，的總體方法和思路，應(yīng)該大概清楚了。 余下的事情，就是自己通過多讀多看多學(xué)習(xí)，去了解別人寫的正則表達(dá)式，用此套分析方法，去拆分了。 知道了方法，加上盡量多的練習(xí)，自然會對正則表達(dá)式，越來越熟悉，越來越理解的。 此處，對于此正則表達(dá)式的分析，還沒完。因為還有幾個字正則表達(dá)式的含義，沒有完全分析透徹。 下面先來總結(jié)一下，已經(jīng)知道的，各個子表達(dá)式的含義：
很明顯，還剩兩個我們沒有分析，下面就來詳細(xì)分析解釋其含義： 1./:\*\?<>\| 的含義 其實，理論上，對于這樣的字符串： /:\*\?<>\| 其實也是繼續(xù)將其按照上述方法，去將其拆分為不同的子表達(dá)式。 只是由于此處看似復(fù)雜，其實還是很簡單，所以，直接分析一下，即可看出其含義。就不詳細(xì)拆分了。 此處，根據(jù)字符本身含義，依次是：
所以，此部分 的總體含義就是： 字符，斜杠，冒號，星號，問號，小于號，大于號，豎線，這些字符（集合） 而放到[^xxx]里面，變成： [^/:\*\?<>\|] 的意思就是 除了字符： 斜杠，冒號，星號，問號，小于號，大于號，豎線 這些字符之外的，其他的任意字符 而再加上之前的加號’+’去限定其個數(shù)是最少1個，>=1個，變成： [^/:\*\?<>\|]+ 所表示的意思就很清楚了： 去匹配 盡可能多個字符，這些字符是： 除了字符： 斜杠，冒號，星號，問號，小于號，大于號，豎線 之外的，其他的任意的字符 到此，對此 [^/:\*\?<>\|]+ 的含義，才算基本明確。 而如果你本身對于windows等操作系統(tǒng)對于文件名或者路徑字符的限制有了解的話，你會發(fā)現(xiàn)，這基本上就是 我們所常見的，對于你在windows中，問文件或文件夾命名時，其所提示的，不允許你名字中包含這類： 斜杠，冒號，星號，問號，小于號，大于號，豎線 即： /,:,*,?,<,>,| 而此時，如果你稍微會點舉一反三/觸類旁通的思想的話，就會聯(lián)想到，此處去匹配的東西，很可能是文件或文件夾的名字方面的東西。 2.jpg|gif|png|bmp 的含義 此處的正則表達(dá)式，很明顯看出就是： xxx|xxx|xxx 的格式，其中xxx分別是，具有不同可能的字符串，即多個可能性之一 對應(yīng)的，其所表達(dá)的意思是，去匹配： 要么是jpg，要么是gif，要么是png，要么是bmp （除了這幾種可能外，其他的都不匹配） 對于這種匹配多種可能性的正則的寫法，想要深入了解的話，可以參考教程： 【教程】詳解Python正則表達(dá)式之： '|’ vertical bar 豎杠 所以，此時，我們就可以把每部分的內(nèi)容的含義，都完整分析出來了：
所以，把這些各個子正則的含義，連接在一起，就可以用語言表示為： 去匹配一個字符串， 該字符串，開頭部分，就一個字母，該字母可能是從A到Z的任何一個字母， 后面跟著一個冒號， 再后面是1個或2個反斜杠， 然后是至少一個，但盡量多的，除了斜杠，冒號，星號，問號，小于號，大于號，豎線之外的其他的任意字符， 然后是字符點， 然后以jpg，gif，png，bmp中的其中一個而結(jié)尾 而對應(yīng)的，由于之前還有flag標(biāo)志，表示忽略大小寫，則所匹配的內(nèi)容，就是上述內(nèi)容的表述，再加上一個，期間部分大小寫，就可以了。 所以，最終所要表述的含義就是： 去匹配一個字符串， 期間字母不分大小寫， 該字符串，開頭部分，就一個字母，該字母可能是從A到Z的任何一個字母， 后面跟著一個冒號， 再后面是1個或2個反斜杠， 然后是至少一個，但盡量多的，除了斜杠，冒號，星號，問號，小于號，大于號，豎線之外的其他的任意字符， 然后是字符點， 然后以jpg，gif，png，bmp中的其中一個而結(jié)尾 由此，我們可以隨便寫出來一個，符合該規(guī)則的字符串，比如： a:\123abc.jpg a:\\123abc.bmp a:\\123abcdef.jpg A:\\123abcdef.jpg E:\\abc123.png 等等，諸如此類的字符串。 此時，已可很明顯看出來其用意了，其就是要去匹配： Windows類系統(tǒng)（如XP，Win7等）中，本地的某個磁盤分區(qū)根目錄下的某張圖片而已。 至此，算是完整的，從開始的，無法用肉眼一眼就看出來含義的，那個復(fù)雜的，正則表達(dá)式，將其一點點拆分，分成多個子表達(dá)式，各個擊破其子表達(dá)式的含義，最終再把每個子表達(dá)式的含義合成在一起，再加上對應(yīng)的flag標(biāo)志的影響，最終生成了復(fù)雜表達(dá)式的最終含義，以及，用文字描述出來，最終，領(lǐng)悟和理解，原始的正則表達(dá)式，所要表示的含義。 通過此分析過程可見，其實再復(fù)雜的表達(dá)式，也都是可以通過拆分的方法，由繁化簡，而逐個擊破，了解細(xì)節(jié)的含義，再整合出宏觀上的整體的含義，最終搞懂完整的表達(dá)式的含義的。 只是過程，或繁或簡，取決于表達(dá)式本身的復(fù)雜程度，以及你本身所對正則表達(dá)式的理解和掌握的程度。 【總結(jié)】 千言萬語總結(jié)出幾句話： 1. 對于復(fù)雜的正則表達(dá)式，即使從左往右，一點點分析，拆分出多個子正則表達(dá)式，然后各個擊破，搞懂其含義，最后再合成一個總體的含義，即可實現(xiàn)，將復(fù)雜的正則表達(dá)式，翻譯成人類可以讀懂的含義了。 2.再復(fù)雜的正則表達(dá)式，花足夠的時間去分析，都是能搞懂的。 只不過具體要花多長時間，則因人而異。 3.想要盡快的，準(zhǔn)確的理解原正則表達(dá)式所要描述的含義，還是要多多練習(xí)，最終達(dá)到熟能生巧，以至于觸類旁通的效果。 |
|
|
