论正则表达式的“贪婪”性

2004年03月26日 22:28 查看3334次 作者: michaelds  【
文章分类:其它杂谈
 正则表达式是具有贪婪性的,我们从下面这例谈起:
  已知str="uid=100(guest) gid=100(others) groups=10(users),11(floppy)"

  现在想要得到这个字符串中的第一个括号内的值,即guest该怎么办?假设$str的括号外的内容是不固定的,不能依据uid之类的关键字或空格去查找,所依据的只能是找第一对括号内的内容。

  很自然的我们想到用sed,因为sed具有很强的模式匹配的功能,而且能够将匹配的部分内容强行记下来用于输出。这样,我们就会想:
  echo $str|sed 's/模式串/\1/'
  只要模式串写好了,在匹配的过程中把guest这个字符串抠出来,让sed记住,然后用\1输出就可以了。怎么写这个模式串?
  .*想要匹配"uid=100"
  (...)告诉sed要查找括弧内的文本
  \(.*\)让sed记住匹配内容的常用手段,这里匹配的.*将来就能用\1取出来
  .*想要匹配" gid=100(others) groups=10(users),11(floppy)"部分
  于是我们就写成了echo $str|sed 's/.*(\(.*\)).*/\1/'
  结果呢,得到的是"floppy",为什么?

  正则表达式是有贪婪性的,它总是与最长的可能长度匹配,而且越是排在前面的通配符优先级越高。这一例,第一个.*可以匹配"uid=100(guest) gid=100(others) groups=10(users),11",仍然能保证后面通配符的匹配,那一对()匹配了floppy左右的括号,最后的.*自然是可有可无的,所以sed记住的就是floppy。

  怎么办?我们必须打破正则表达式的贪吃性,用更明确的描述来实现这一点:
  我们考虑如果在模式串中第一个.*中告诉sed这个.*是不能含有"("的,不久可以将.*限制到"uid=100"了吗?这个意思我们完全可以用[^(]*来表达,于是我们修订刚才的代码,变成:
  echo $str|sed 's/[^(]*(\(.*\)).*/\1/'
  似乎应该很好了,执行的结果却是"guest) gid=100(others) groups=10(users),11(floppy",为什么?

  原来仍然是正则表达是的贪婪性在作怪,虽然我们有效的阻止了第一个.*的贪吃,但是我们对\(.*\)中的.*却未加限制,于是它尽可能匹配了"guest) gid=100(others) groups=10(users),11(floppy",还能保证后面").*"的匹配性。我们再作限制,告诉sed,\(.*\)中的.*不能含有")",让它跨不过guest:
  echo $str|sed 's/[^(]*(\([^)]*\)).*/\1/'
  这回,输出结果终于是我们想要得"guest"了。

  问题解决了,我们也了解了正则表达式(或说通配符)的贪婪性,于是就可以留个问题给大家,让大家自己体会体会:
  怎么样取出str中第二对括号的内容"others"?
  怎么样取出str中第三对括号的内容"users"?
  怎么样取出str中第四对括号的内容"floppy"?(这个还用说吗,就利用正则表达式的贪婪性,我们最开始不就实现它了嘛)


  valentine :

  又见michaelds的佳作。
  俺来做作业。

  str="uid=100(guest) gid=100(others) groups=10(users),11(floppy)"
  echo $str|sed 's/[^(]*(\([^)]*\))[^(]*(\([^)]*\))[^(]*(\([^)]*\))[^(]*(\([^)]*\)
  )/\2/'
  上式得到others,把\2改成\3,\4可得到users和floppy。
责任编辑:admin

给文章打分...

平均分:1.0(21 次)

-5 -4 -3 -2 -1 0 1 2 3 4 5
0

顶一下

发表我的见解...

  • 您的大名: 留空为匿名
  • 您的主页:
  • 您的邮箱: