正則表達(dá)式概述

正則表達(dá)式在程序設(shè)計(jì)語言中存在著廣泛的應(yīng)用，特別是用來處理字符串。如匹配字符串、查找字符串、替換字符串等?？梢哉f，正則表達(dá)式是一段文本或一個(gè)公式，它是用來描述用某種模式去匹配一類字符串的公式，并且該公式具有一定的模式。
本小節(jié)將介紹正則表達(dá)式的基本概念、第一個(gè)正則表達(dá)式，以及測(cè)試正則表達(dá)式的工具Code Architects Regex Tester。


什么是正則表達(dá)式

正則表達(dá)式（Regular Expression）起源于人類神經(jīng)系統(tǒng)的早期研究。神經(jīng)生理學(xué)家Warren McCulloch和Walter Pitts研究出一種使用數(shù)學(xué)方式描述神經(jīng)網(wǎng)絡(luò)的方法。1956年，數(shù)學(xué)家Stephen Kleene發(fā)表了一篇標(biāo)題為“神經(jīng)網(wǎng)事件的表示法”的論文，并在該論文中引入了“正則表達(dá)式”這一個(gè)概念。該論文稱正則表達(dá)式是：“正則集的代數(shù)”的表達(dá)式。因此，采用“正則表達(dá)式”這個(gè)術(shù)語。正則表達(dá)式的定義存在多種說法，具體如下：

正則表達(dá)式就是用某種模式去匹配一類字符串的公式，主要用來描述字符串匹配的工具。

正則表達(dá)式描述了一種字符串匹配的模式。它可以用來檢查字符串是否含有某種子串、將匹配的子串做替換或者從某個(gè)串中取出符合某個(gè)條件的子串等。

正則表達(dá)式是由普通字符（如字符a到z）以及特殊字符（稱為元字符）組成的文字模式。正則表達(dá)式作為一個(gè)模板，將某個(gè)字符模式與所搜索的字符串進(jìn)行匹配。

正則表達(dá)式就是用于描述某些規(guī)則的工具。這些規(guī)則經(jīng)常用于處理字符串中的查找或替換字符串。換句話說，正則表達(dá)式就是記錄文本規(guī)則的代碼。

正則表達(dá)式就是用一個(gè)“字符串”來描述一個(gè)特征，然后去驗(yàn)證另一個(gè)“字符串”是否符合這個(gè)特征。
　　學(xué)過《編譯原理》的讀者可能知道不確定有限自動(dòng)機(jī)（Non-deterministic finite automaton，簡(jiǎn)稱NFA）和確定有限自動(dòng)機(jī)（Deterministic finite automaton，簡(jiǎn)稱DFA）。其實(shí)，正則表達(dá)式是一個(gè)不確定有限自動(dòng)機(jī)。NFA和DFA的最大區(qū)別在于它們的狀態(tài)轉(zhuǎn)換函數(shù)。NFA可以對(duì)同一個(gè)字符串產(chǎn)生多種理解方式，而DFA則只有唯一的一種理解方式。也正因?yàn)槿绱?，NFA在匹配過程中可能會(huì)回溯，NFA的效率一般要低于DFA。因此，在書寫正則表達(dá)式時(shí)盡量減少回溯來提高正則表達(dá)式的效率。

如果你使用過Windows或DOS下用于文件查找的通配符*和?，那么你不難理解正則表達(dá)式。如果你需要查找所有Word文檔，那么可能使用表達(dá)式*.doc。其中，字符*是一個(gè)通配符，它可以代表任意字符串。正則表達(dá)式和通配符具有相似性，它也可以使用一些字符（如字符.）表示任意字符。然而，它比通配符更具有精確性。
　　在正則表達(dá)式中，匹配是最常用的一個(gè)詞語，它描述了正則表達(dá)式動(dòng)作結(jié)果。給定一段文本或字符串，使用正則表達(dá)式從文本或字符串中查找出符合正則表達(dá)式的字符串。有可能文本或字符存在不止一個(gè)部分滿足給定的正則表達(dá)式，這時(shí)每一個(gè)這樣的部分被稱為一個(gè)匹配。其中，匹配存在下面3種類型：
形容詞性的匹配，即一個(gè)字符串匹配一個(gè)正則表達(dá)式。

動(dòng)詞性的匹配，即在文本或字符串里匹配正則表達(dá)式。

名詞性的匹配，即字符串中滿足給定的正則表達(dá)式的一部分。

　　正則表達(dá)式的應(yīng)用非常廣泛，特別是在字符串處理方面。目前來說，正則表達(dá)式已經(jīng)在很多軟件中得到廣泛了應(yīng)用，如Linux、Unix、HP等操作系統(tǒng)，C#、PHP、Java等程序開發(fā)環(huán)境，以及很多的應(yīng)用軟件中，都可以看到正則表達(dá)式的這樣或那樣的應(yīng)用。正則表達(dá)式常見的應(yīng)用如下：

驗(yàn)證字符串，即驗(yàn)證給定的字符串或子字符串是否符合指定特征，譬如驗(yàn)證是否是合法的郵件地址、驗(yàn)證是否為合法的HTTP地址等。

查找字符串，從給定的文本中查找符合指定特征的字符串，比查找固定字符串更加靈活方便。
替換字符串，即把給定的字符串中的符合指定特征的子字符串替換為其他字符串，比普通的替換更強(qiáng)大。
提取字符串，即從給定的字符串中提取符合指定特征的子字符串。