文本處理技巧之正則表達(dá)式

在LabVIEW開(kāi)發(fā)過(guò)程中，有很多地方都需要處理文本數(shù)據(jù)，比如數(shù)據(jù)通訊、報(bào)表生成、協(xié)議解析、文件I/O、界面交互等，那有沒(méi)有一個(gè)工具可以幫助我們快速處理文本數(shù)據(jù)呢？答案是有的，那就是：“正則表達(dá)式”！

正則表達(dá)式(Regular Expression)是強(qiáng)大、高效和便捷的文本處理工具。正則表達(dá)式搭配一種編程語(yǔ)言，可以賦予開(kāi)發(fā)人員描述和分析文本的能力。它能夠添加、刪除、拆分、插入和修改各種類型的文本數(shù)據(jù)。掌握正則表達(dá)式，可能帶來(lái)超乎你想象的文本處理能力。

接下來(lái)請(qǐng)跟隨小編一起學(xué)習(xí)正則表達(dá)式的相關(guān)知識(shí)并且了解在LabVIEW中處理文本數(shù)據(jù)時(shí)如何使用正則表達(dá)式吧！

本文分享：

正則表達(dá)式—文本處理技巧

一、 正則表達(dá)式的組成

為了方便大家理解，小編先給大家舉個(gè)例子：huasui.exe是一個(gè)文件名，Windows文件對(duì)話框輸入[*.exe]可以選擇多個(gè)文件，這類文件名通常被稱作“文件群組”或“通配符”，其實(shí)這就是一種正則表達(dá)式，[*.exe]能夠匹配以字符「*」開(kāi)頭，以普通文本「.exe」結(jié)尾的字符串，它的意思是：選擇以任意文本開(kāi)頭，以 .exe結(jié)尾的所有文件。

就像上面的例子那樣，一個(gè)完整的正則表達(dá)式由兩種字符構(gòu)成，其中特殊字符（如剛才例子中的*）稱為“元字符”，其它部分（如剛才例子中的.exe）叫作“普通字符”。正則表達(dá)式其實(shí)遠(yuǎn)不止于此，它可以為很多高級(jí)應(yīng)用提供十分豐富且描述力極強(qiáng)的元字符。

二、 在LabVIEW中使用正則表達(dá)式

LabVIEW中提供了兩個(gè)可以使用正則表達(dá)式的函數(shù)，一個(gè)是“匹配模式”，一個(gè)是“匹配正則表達(dá)式”，它們?cè)诤瘮?shù)選板>>字符串中可以找到。

這兩個(gè)函數(shù)的使用方法大同小異?！捌ヅ淠Ｊ健焙瘮?shù)類似于搜索及替換VI，該函數(shù)雖然只提供較少的字符串匹配選項(xiàng)（例如，該函數(shù)不支持括號(hào)和豎直線），但執(zhí)行效率比“匹配正則表達(dá)式”函數(shù)高。具體使用差別可以參考LabVIEW自帶的幫助文檔。

三、 常用的正則表達(dá)式

在了解了以上LabVIEW和正則表達(dá)式的基礎(chǔ)知識(shí)之后，我們來(lái)一起看看正則表達(dá)式中常用的一些元字符及其含義，以下正則表達(dá)式都用一對(duì)左右角括號(hào)「 」括起來(lái)。

1. 行的起始和結(jié)束

在正則表達(dá)式中，符號(hào)「^」代表一行的開(kāi)始，符號(hào)「$」則代表結(jié)束。比如正則表達(dá)式「huasui」尋找的是一行文本中任意位置的 huasui，而「^huasui」只尋找行首的 huasui，同樣「huasui$ 」只尋找位于行末的 huasui。在理解時(shí)應(yīng)注意，元字符作用的是其緊挨著的一個(gè)字符。不要把「 ^huasui 」理解成匹配以 huasui開(kāi)頭的行，而應(yīng)該理解成匹配的是以h作為一行的第一個(gè)字符，緊接一個(gè) u，然后接一個(gè)a，再接一個(gè)s，之后接一個(gè)u，最后接一個(gè)i的文本。雖然在這個(gè)例子中，這兩種理解的結(jié)果沒(méi)有差異，但是按照作用于字符來(lái)解讀更易于理解正則表達(dá)式的內(nèi)部邏輯。

2.匹配若干字符之一

假如我們要找的單詞是"bear"，但又不確定它是不是寫成"beer"，那么就可以使用正則表達(dá)式結(jié)構(gòu)體 「 [...] 」，它允許使用者列出在某處可能匹配的字符，通常被稱作字符組，比如正則表達(dá)式「 be[ae]r」的意思是：先找到 b，然后跟著一個(gè) e，再跟著一個(gè) a 或 e，最后是一個(gè)r，所以該正則表達(dá)式可以匹配"bear"也可以匹配"beer"。 在字符組內(nèi)可以使用字符組元字符[-](連字符)來(lái)表示一個(gè)范圍區(qū)間，比如正則表達(dá)式「 H[123456]」與「 H[1-6]」是等價(jià)的。「 [0-9] 」、「 [a-z] 」和 「 [A-Z] 」是常用的匹配數(shù)字、大小寫字母的簡(jiǎn)潔表示。當(dāng)然在一個(gè)字符組中也支持多重范圍，比如「 [0123456789abcdef] 」可以寫作「 [0-9a-f] 」。 需要注意的是：連字符[-]只有出現(xiàn)在字符組內(nèi)部，且不處于開(kāi)頭處時(shí)，它才是一個(gè)元字符，否則就是普通的連字符號(hào)。

3. 排除型字符組

使用「 [^...] 」替代「 [...] 」，這個(gè)正則表達(dá)式可以匹配任何沒(méi)有出現(xiàn)的字符，例如「 [^0-4] 」可以匹配除了0-4以外的任何字符。表達(dá)式中開(kāi)頭的 '^' 表示排除，所以它后面出現(xiàn)的字符都是不想匹配到的。

同樣的元字符出現(xiàn)在不同的地方有不同的含義，這就像同一個(gè)語(yǔ)句用在不同的語(yǔ)境中，它要表達(dá)的意思是不同的。比如 '^' 在表達(dá)式外最開(kāi)頭的地方時(shí)表示一個(gè)行起始點(diǎn)，然而當(dāng)它在表達(dá)式內(nèi)部開(kāi)頭處時(shí)就表示排除。

4.匹配任意字符

元字符「 . 」可以用來(lái)匹配任意字符。如果需要在正則表達(dá)式中使用一個(gè)匹配任意字符的占位符，用元字符「 . 」就十分方便。比如在一個(gè)字符串中查找 “2023/01/01” 或“2023-01-01” 或者“2023.01.01”，我們可以將正則表達(dá)式寫成「 2023[-./]01[-./]01 」，當(dāng)然也可以簡(jiǎn)單的寫成「2023.01.01」。

寫正則表達(dá)式是一個(gè)尋求平衡的過(guò)程，它不是一味追求精簡(jiǎn)，比如上面的例子「2023[-./]01[-./]01」這種寫法就要比「2023.01.01」表達(dá)的意思更加明確，但是寫起來(lái)也更麻煩，而后面這種寫法更加簡(jiǎn)單，但是匹配的不夠精細(xì)。那么我們平時(shí)應(yīng)該如何抉擇？其實(shí)這取決于你對(duì)需要檢索的文本的了解程度，以及你需要匹配的準(zhǔn)確程度，在這二者之間尋求一個(gè)平衡。如果你確定在被檢索的文本中使用「2023.01.01」去匹配不會(huì)得到其他非預(yù)期的結(jié)果，那么使用它就是簡(jiǎn)潔且合理的一種表示，但是當(dāng)你不確定（比如被檢索的文本中可能有一串?dāng)?shù)字2023001001），那么匹配就會(huì)得到非預(yù)期結(jié)果，此時(shí)應(yīng)該選擇更加精確的匹配方式「2023[-./]01[-./]01」。

5.匹配任意子表達(dá)式

元字符「 | 」可以讓我們把不同的子表達(dá)式組合成一個(gè)總的表達(dá)式，并且這個(gè)總表達(dá)式又能匹配任意一個(gè)子表達(dá)式，所有的子表達(dá)式都被稱為“多選分支”。舉例說(shuō)明：上面提到的正則表達(dá)式「be[ae]r」還能寫作「bear|beer」或者寫作「 be(a|e)r」。

使用「be(a|e)r」這種方式時(shí)圓括號(hào)是必要的，否則「 bea|er 」的含義就變成了匹配 “bea” 或 “er”，很顯然這不是我們預(yù)期的，圓括號(hào)的作用是可以限制元字符「 | 」的生效范圍。

6. 可選項(xiàng)元素

元字符「 ? 」表示可選項(xiàng)，把它加在某個(gè)字符后面，就表示這里允許出現(xiàn)這個(gè)字符，但該字符并不是匹配成功的必要條件。該元字符只作用于它之前緊鄰的一個(gè)元素。

比如6月份的英文是“June”，也能簡(jiǎn)寫為“Jun”，所以我們既可以用「June|Jun」來(lái)匹配，也可以用「June?」來(lái)匹配。使用正則表達(dá)式來(lái)解決實(shí)際問(wèn)題時(shí)，可能有很多不同的思路和方法，我們需要在其中尋找平衡。正則表達(dá)式不是死記硬背的公式，它其實(shí)靈活的像是一門藝術(shù)。

7. 重復(fù)出現(xiàn)

「 + 」和「 * 」的功能和「 ? 」類似，元字符「 + 」代表前面緊鄰的字符出現(xiàn)一次或多次，而「 * 」代表前面緊鄰的字符沒(méi)有出現(xiàn)或出現(xiàn)多次。這三個(gè)元字符稱作量詞，因?yàn)樗鼈兿薅怂饔米址某霈F(xiàn)次數(shù)。 默認(rèn)情況下，量詞匹配將盡可能多地匹配，這種匹配方式被稱作“貪婪匹配”。如果你希望盡可能少的匹配，那么就在字符串的后面加上[?]進(jìn)行“非貪婪匹配“（也被稱作“懶惰匹配“）。

8. 限制重復(fù)出現(xiàn)次數(shù)的范圍

元字符序列「 {min, max} 」可以表示重現(xiàn)次數(shù)的區(qū)間范圍，所以它叫做區(qū)間量詞，例如「 {2, 4} 」能夠容許的重現(xiàn)次數(shù)在2到4之間，當(dāng)然它還有其它幾種用法，總結(jié)如下：

{n} 準(zhǔn)確匹配n次

{n,} 至少匹配n次

{,n} 最多匹配n次

{n,m} 最少匹配n次，最多不超過(guò)m次

9.轉(zhuǎn)義字符

如果想匹配的某個(gè)字符本身就是一個(gè)元字符，那么就需要用到轉(zhuǎn)義字符(反斜杠 '')。比如要匹配一個(gè)網(wǎng)址 "www.huasui.com.cn"，如果不對(duì)[.]進(jìn)行轉(zhuǎn)義，正則表達(dá)式會(huì)認(rèn)為這里的[.]是一個(gè)元字符，而不是普通的點(diǎn)號(hào)，所以正確的寫法是「 www.huasui.com.cn 」。

四、 常用字符及其含義

五、 常用匹配組

審核編輯：湯梓紅