摘 要：在編寫處理字符串的程序或網(wǎng)頁時，經(jīng)常會有查找符合某些復雜規(guī)則的字符串的需要。正則表達式就是用于描述這些規(guī)則的語法。本文通過與、或、非這三種邏輯運算來闡述正則表達式的正確使用方法。

關(guān)鍵詞：正則表達式；與；或；非

中圖分類號：TP393.08

正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規(guī)則字符串”，這個“規(guī)則字符串”用來表達對字符串的一種過濾邏輯。在計算機科學中，是指一個用來描述或者匹配一系列符合某個句法規(guī)則的字符串的單個字符串。我們可以歸納為三種邏輯，即與、或、非。

一般來說，正則表達式千變?nèi)f化，總是這三種邏輯的組合。比如匹配雙引號字符串\"quoted string\"。

與：首尾的雙引號字符必須出現(xiàn)。

或：兩個雙引號之間的字符個數(shù)是不確定的（如果是空字符串””，則兩個雙引號之間沒有字符）。

非：兩個雙引號之間不能出現(xiàn)雙引號字符。

再比如匹配html中的open-tag（比如

）和close-tag（比如

與：首尾必須分別是<和>，如果是close-tag，則<之后必須出現(xiàn)/。

或：<和>之間必須出現(xiàn)至少一個字符（<>不是一個合法的tag）。

非：<之后不能是/字符，如果是open-tag，<之后不能出現(xiàn)/。

下面我們來解析三種邏輯的對策。

1 與

“與”是正則表達式中最普通的邏輯關(guān)系。一般來說，如果正則表達式中的元素沒有任何量詞（quantifier，比如*、？、+）修飾，就是“與”關(guān)系。比如『<』，就表示“這里必須出現(xiàn)<字符”；『cat』，就表示“這里必須依次出現(xiàn)c、a、t，3個字符”，但有時“必須出現(xiàn)”的是若干個元素，但它們之間并不相連。

2 或

“或”是正則表達式中最靈活的邏輯關(guān)系。正則表達式能應對各種不同的文本，“或”功能不可或缺。

如果“或”的意思是，元素可以出現(xiàn)，也可以不出現(xiàn)，或者出現(xiàn)的次數(shù)不確定，可以用量詞來表示“或”關(guān)系。比如表達式『a？』，表示在此處，字符a可以出現(xiàn)，也可以不出現(xiàn)；表達式『（ab）+』，表示在此處，字符串a(chǎn)b必然要出現(xiàn)1次，也可以出現(xiàn)無限多次。

如果“或”的意思是，可以出現(xiàn)的是某幾個元素中的一個，則應該使用字符組或者多選結(jié)構(gòu)。當元素都是單個字符時，就應該使用字符組『[…]』：比如匹配單詞cat或者cut，除去開頭的a、結(jié)尾的t是固定的，之中“或許出現(xiàn)a，或許出現(xiàn)u”，所以應當使用字符組『[au]』，整個正則表達式就是『c[au]t』。當元素不只單個字符（只要有一個元素不只單個字符）時，就應該使用多選結(jié)構(gòu)『（…|…）』：比如不但要匹配單詞cat或者cut，還要匹配單詞chart、conduct和court，除去開頭的a、結(jié)尾的t是固定的，之中“或許出現(xiàn)a，或許出現(xiàn)u，或許出現(xiàn)har，或許出現(xiàn)onduc，或許出現(xiàn)our”，這時候就應該使用多選結(jié)構(gòu)『（a|u|har|onduc|our）』，整個正則表達式就是『c（a|u|har|onduc|our）t』。

當然，多選分支也可以表示字符組，比如『[au]』就可以表示為『（a|u）』，兩者的功能是完全等價的。

在實踐中，“與”和“或”經(jīng)常同時出現(xiàn)，比如這個URL pattern：/foo/bar_tmp.php。foo是模塊名，bar是控制器名，tmp是方法名。合法的URL并不要求3個名字每次都出現(xiàn)，可以只出現(xiàn)控制器名（/foo），也可以只出現(xiàn)控制器名和模塊名（/foo/bar.php），也可以3者都出現(xiàn)（/foo/bar_tmp.php）。

這里的模塊名、控制器名、方法名，都可以用『[a-z]+』匹配，我們暫用foo、bar、tmp代替對應的表達式。

與：/foo必須出現(xiàn)。

或：/bar和.php是可選出現(xiàn)的，但必須同時出現(xiàn)，或同時不出現(xiàn)（與）/foo必須出現(xiàn)，這很好表示，暫且不去管它；/bar和.php如果出現(xiàn)，必須同時出現(xiàn)，所以它們應該作為一個元素，寫作『（/bar.php）』；整個元素可選出現(xiàn)，所以給它添加量詞，得到『（/bar.php）？』；最后，在/bar和.php都出現(xiàn)的前提下，_tmp才可以出現(xiàn)，所以將『（_tmp）？』填充到『（/bar.php）？』，得到『（/bar（_tmp）？.php）？』，最后加上開頭的/foo，整個表達式就是『（/bar（_tmp）？.php）？』。

3 非

“非”是正則表達式中最難處理的邏輯關(guān)系。因為沒有直接對應的結(jié)構(gòu)。最簡單的“非”，意思是此處不能出現(xiàn)某個字符，似乎用排除型字符組『[^…]』就可以解決。我們?nèi)匀慌ecat和cut的例子，如果仍然希望匹配c開頭、t結(jié)尾的單詞，但不希望匹配cut，可以寫成『c[^u]t』，即：最開頭的字母是c，之后是一個不為u的字符，之后是t。沒錯，它確實不會匹配cut，也可以匹配cat。但是，chart、conduct、court等等，它也沒法匹配，因為[^u]的意思是：匹配一個不是u的字符。

分析要實現(xiàn)的功能：

與：以c開頭，以t結(jié)尾。

或：c和t之間可以出現(xiàn)的字母必須多于一個，沒有上限。

非：c和t之間不能只有一個字符u。

在c之間的位置向后看，不能出現(xiàn)cut。這一點，正好對應否定順序環(huán)視（positive look-ahead）功能，『（？！cut）』就是用來進行這種判斷的，它判斷之后的字符串能不能由cut匹配，但并不真正真正進行匹配，也不會移動“當前位置”。所以我們將它放在表達式的最開頭，得到『（？！cut）c[a-z]+t』。這個表達式的邏輯是：只有在當前位置右側(cè)字符串不能由cut匹配的情況下，才從這里開始，向右嘗試用c[a-z]+t。

如果我們更進一步，需要排除掉cat和cut，可以把否定順序環(huán)視改為『（？！c[au]t）』。這樣就能保證，匹配到的肯定不是cat或者cut。

更復雜一點，如果我們要驗證這樣一個字符串：它全部由小寫字母構(gòu)成，長度不超過12位，其中不能包含unfavored或者unwanted。也可以照章處理，先匹配“長度不超過12位”的小寫字母『[a-z]{，12}』，然后寫出匹配“不需要匹配內(nèi)容”的正則表達式，『（unfavored|unwanted）』，再用否定順序環(huán)視將它“排除”即可，只是這次要注意，不能直接寫『（？?。╱nfavored|unwanted））』，因為它只能排除『（unfavored|unwanted）』出現(xiàn)在字符串開頭的情況，為了排除它出現(xiàn)在字符串中的情況，我們要把否定順序環(huán)視改為『（？！[a-z]*（unfavored|unwanted））』，這樣就確保完整的“排除”，整個表達式就是『（？！[a-z]*（unfavored|unwanted））[a-z]{，12}』。

正則表達式中的“非”，除去能用排除型字符組直接表示的，復雜一點的“非”邏輯都是按照這樣的思路進行的：先用一個正則表達式準確匹配需要“排除”的字符串，再用環(huán)視功能排除掉它——“非”確實是正則表達式中，最難處理的邏輯關(guān)系，好在它并不復雜，而且，除去一些比較古老的工具（比如Apache 1.3），現(xiàn)在各種工具和語言，基本都支持這種功能。

參考文獻：

[1]張樹壯，羅浩，方濱興.面向網(wǎng)絡(luò)安全的正則表達式匹配技術(shù)[J].軟件學報，2011（08）.

[2]鐘京馗.JAVA中的正則表達式及其應用[J].電腦編程技巧與維護，2005（06）.

[3]杜冬梅，許彩欣，蘇健.淺談?wù)齽t表達式在web系統(tǒng)中的應用[J].計算機系統(tǒng)應用，2007（08）.

[4]鄧緒斌，朱揚勇.ReDE：一個基于正則表達式的生物數(shù)據(jù)抽取方法[J].計算機研究與發(fā)展，2005（12）.

作者簡介：周興旺（1979.11-），男，揚州人，講師，碩士，研究方向：計算機網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)挖掘、教育教學管理等。

作者單位：南通農(nóng)業(yè)職業(yè)技術(shù)學院，江蘇南通 226007

基金項目：江蘇高校哲學社會科學研究項目（項目編號：NO.2014SJD641）。