正規表示式是對字串操作的一種邏輯公式,是在處理文字資料時的重要而複雜的技術。那怎麼快速掌握正規表示式?以下本篇文章推薦一種學習方法:透過 AST。希望對大家有幫助!
字串的處理基本上都會用正規表示式,用它來做字串的匹配、提取、替換等很方便。
但是正規表示式的學習還是有些難度的,例如貪婪匹配、非貪婪匹配、捕獲子組、非捕獲子組等概念,不止初學者難理解,有很多工作幾年的人都不理解。
那正規表示式怎麼學比較好?怎麼快速掌握正規表示式呢?
推薦一個我覺得很不錯的學習正規的方式:透過 AST 來學習。
正規表示式的符合原理是把模式字串 parse 成 AST,然後經過這個 AST 去匹配目標字串。
模式字串中的各種資訊在 parse 之後都會保存在 AST 裡面。 AST 是 abstract syntax tree,抽象語法樹的意思,顧名思義,是按照語法結構組織的一棵樹,那麼從 AST 的結構上自然可以輕易的知道正則表達式支持的語法。
怎麼看正規表示式的 AST 呢?
可以透過astexplorer.net 這個網站來視覺化的檢視:
切換parse 的語言為RegExp,就可以做正規表達式的AST 的可視化。
就像前面所說,AST 是按照文法來組織的一棵樹,那麼從它的結構上自然能容易地理清各種文法。
那麼我們就從AST 的角度來學習下各種文法吧:
先從簡單的開始,/abc/ 這樣一個正規可以匹配'abc' 的字串,它的AST 是這樣的:
3 個Char,值分別是a、b、c,類型是simple。那之後的匹配就是遍歷 AST,分別配對這三個字元了。
我們用 exec 的 api 測試了下:
第 0 個元素是符合的字串,index 是匹配字串的開始下標。 input 是輸入的字串。
再來試下特殊的字元:
/\d\d\d/ 是符合三個數字的意思,\ d 是正規支援的有特殊意義的元字元(meta char)。
透過AST 我們也可以看出來,它們雖然也是Char,但類型確是meta:
#可以透過\d 的元字元來匹配任意數字:
哪些是meta char 哪些是simple char,透過AST 來看一目了然。
正規支援透過 [] 的方式來指定一組字符,也就是說匹配其中任何一種字符都行。
透過 AST 我們也可以看出來,它被包裹了一層 CharacterClass,就是字元類別的意思,也就是匹配它所包含的任意一種字元都行。
測試下也確實是如此:
#正規表示式支援指定某個字元重複多少次,以{from,to} 的形式,
例如/b{1,3}/ 表示字元b 重複1 到3 次,/[abc] {1,3}/ 表示這個a/b/c 字元類別重複1 到3 次。
透過AST 可以看出來,這種語法叫做Repetition(重複):
#他有個quantifier 的屬性表示量詞,這裡的型別是range ,從1 到3。
正規也支持一些量詞的簡寫,例如 表示 1 到無數次、* 表示 0 到無數次、? 表示 0 或 1 次。
分別是不同類型的量詞:
有同學可能會問,這裡的 greedy 屬性是啥意思呢?
greedy 是貪婪的意思,這個屬性就表示這個 Repetition 是貪婪匹配還是非貪婪匹配。
如果在量詞後面加個?,你會發現greedy 變成false 了,也就是切換到了非貪婪匹配:
那貪婪和非貪婪是指啥呢?
我們看個例子就知道了。
預設 Repetition 的匹配是貪婪的,只要滿足條件就一直匹配下去,所以這裡 acbac 都能匹配到。
量詞後加個? 就切換到了非貪婪,就只會匹配第一個了:
這就是貪婪匹配和非貪婪匹配,透過AST 我們能夠清楚的知道貪婪和非貪婪是針對重複語法來說的,預設是貪婪匹配,在量詞後面加個? 就可以切換到非貪婪。
正規表示式支援透過()把符合到的一部分字串放到子群組裡回傳。
透過 AST 看一下:
對應的 AST 就叫做 Group。
而且你會發現它有個 capturing 的屬性,預設是 true:
這就是啥意思呢?
這就是子組捕獲的語法。
如果不想捕獲子組,可以這樣寫 (?:aaa)
#看,capturing 變成 false 了。
那捕獲和非捕獲有什麼區別呢?
我們試試看:
哦,原來 Group 的 capturing 屬性代表的是是否提取的意思啊。
我們透過AST 可以看出來,捕獲是針對子組來說的,預設是捕獲,也就是提取子組的內容,可以透過?: 切換到非捕獲,就不會提取子組的內容了。
我們對用AST 來了解正規語法已經輕車熟路了,那來看點難的:
正規表達式支援透過(?=xxx) 的語法來表示先行斷言,用來判斷某個字串是否前面是某個字串。
透過AST 可以看到這個語法叫做Assertion,且型別為lookahead,也就是往前看,只符合前面的意思:
##這是啥意思呢?為啥要這麼寫?和 /bbb(ccc)/ 還有 /bbb(?:ccc)/有啥差別呢? 我們試試看: 從結果可以看出來:/bbb(ccc)/ 配對了ccc 的子群組並且提取出來了這個子組,因為預設子組是捕獲的。 /bbb(?:ccc)/ 匹配了 ccc 的子組但沒有提取出來,因為我們透過 ?: 設定了子組不捕獲。 /bbb(?=ccc)/ 匹配了 ccc 的子組也沒有提取出子組,說明也是非捕獲的。它和 ?: 的差別是 ccc 沒有出現在配對結果裡。 這就是先行斷言(lookahead assertion)的性質:先行斷言代表某段字串前面是某段字串,對應的子組是非捕獲的,而且斷言的字串不會出現在匹配結果中。
如果後面不是跟著那段字串就不符合: #/bbb(?!ccc)/#把?= 改成?! 之後意思就變了,透過AST 看一下: #雖然還是先行斷言lookahead assertion,但是多了個negative 為true 的屬性。 這個意思很明顯,本來是前面是某段字串,否定之後就是前面不是某段字串。 那符合結果剛好就反過來了: 現在前面不是某段字串的話才匹配了,這就是否定先行斷言。有先行斷言自然也有後行斷言,也就是後面是某段字串才符合。
同理,也可以否定:
#(?
(?
先行斷言、後行斷言就是最難理解的正規表示式語法了,透過AST 來學習是不是就容易理解多了~
正規表示式是處理字串的很方便的工具,但它的學習還是有些難度的,像貪婪匹配、非貪婪匹配、捕獲子組、非捕獲子組、先行斷言、後行斷言等語法很多人都搞不清楚。
我推薦透過 AST 來學習正規則,AST 是按照語法結構來組織的一顆物件樹,各種語法透過 AST 節點的名字和屬性可以輕易的理清楚。
例如我們透過AST 理清楚了:
重複語法(Repetition)就是字元量詞的形式,預設是貪婪匹配(greedy 為true),代表一直匹配到不匹配為止,量詞後加個? 就切換成了非貪婪匹配,匹配到一個字符就停止。
子組語法(Group)是用來提取某段字串的,預設是捕獲(capturing 為true),代表需要提取,可以透過(?:xxx)切換到非捕獲,只匹配不提取。
斷言語法(Assertion)代表前面或後面有某段字串,分為先行斷言(lookahead assertion)和後行斷言(lookbehind assertion),語法分別是(?= xxx)和(?
是各種文件對語法理解的深還是編譯器對語法理解的深?
那還用問,一定是編譯器呀!
那麼透過它按照語法 parse 出來的語法樹來學習語法自然比文件更好。
正規表示式是這樣,其他的語法的學習也是這樣,能用 AST 學會的語法,就不需要看文件。
更多node相關知識,請造訪:nodejs 教學!
以上是怎麼快速掌握正規表示式?透過 AST 來學正規語法!的詳細內容。更多資訊請關注PHP中文網其他相關文章!