正則表達式(RegularExpression)使用指南

在芯片開發(fā)過程中，正則表達式的使用非常常見。初次上手晦澀難懂，多用幾次愛不釋手！

本文將概述正則表達式以及實用的匹配規(guī)則，并給出使用表達式的輔助工具：CheatSheet和在線測試工具。

01 正則表達式概述

正則表達式，Regular Expression，或縮寫regexp，是一種用于描述文本模式（pattern）的表達式。通過該文本模式，我們可以從文本中高效和準確地匹配查找到想要的字符串。

正則表達式的搜索和匹配功能非常強大，以至于幾乎所有的腳本語言（比如Python, Perl，JavaScript)，Java等高級編程語言，甚至grep等一些Linux命令，都支持正則表達式。

在芯片開發(fā)過程中，難免會有很多膠水腳本（glue script）用來串接各種流程，也就不可避免的需要對流程中產(chǎn)生的中間文件做處理，可能是提取、刪除或者修改內(nèi)容等等。另外，在代碼review、仿真調(diào)試等階段，通常需要對代碼或者仿真日志做信息檢索或數(shù)據(jù)有效性檢查。

而這些，都是正則表達式在芯片開發(fā)過程中大顯身手的地方。

02 Cheat Sheet

CheatSheet可作為日常工具手冊，用戶可以快速地查閱正則表達式的匹配規(guī)則。不過，實際經(jīng)驗告訴我，多用了幾次之后，常用的匹配規(guī)則也就都記住了。

03 常用關(guān)系特性

從CheatSheet可以直接看到正則表達式最基礎的匹配規(guī)則，包括匹配數(shù)字、字母、空白、通配符、開頭、結(jié)尾等等。但在實際使用中，還需要考慮一些匹配關(guān)系，這也是本小節(jié)想要呈現(xiàn)的內(nèi)容。

> 捕獲分組（capturing group）和非捕獲分組（non-capturing group）

在正則表達式中，可以使用圓括號對表達式進行分組。在匹配完成后，就可以使用分組編號來對圓括號中的內(nèi)容進行提取。默認情況下，整個表達式的分組編號是0，之后從左往右每遇到一個”(”就分配一個遞增的分組編號。舉個栗子：

除了如上圖所示直接使用分組編號對匹配結(jié)果進行索引，我們還可以在表達式內(nèi)進行分組命名，這樣就可以是使用組名來進行索引。舉個栗子：

非捕獲分組同樣使用小括號來進行匹配，其格式是(?:exp)。非捕獲分組只能在當前的位置匹配文本，不會被分配分組編號，也即是說，在匹配完成之后無法通過分組編號對其進行索引。

> 前向匹配（lookahead）和后向匹配（lookbehind）

前向匹配和后向匹配，嚴格來講也是非捕獲分組。在有些地方會叫做環(huán)視（lookaround），意味著在匹配的時候需要先“環(huán)顧四周”。前后向匹配在實際應用中非常常用。

前向匹配(?=exp)，用來匹配右邊跟著指定字符串的文本；后向匹配(?<=exp)，用來匹配左邊跟著指定字符串的文本。舉個栗子，匹配2022年且日期為22號的月份：

相反，通過把前后匹配表達式中的”=“改成”!”，即(?

> 貪婪匹配（greedy）和非貪婪匹配（non-greedy）

貪婪程度指的是正則表達式匹配停止的條件，貪婪模式會盡可能多的匹配，非貪婪模式會盡可能少的匹配。

默認的匹配模式是貪婪模式，舉個栗子：d+可以匹配大于1個數(shù)字的字符串，那么針對被檢索文本“20220122”，正則表達式默認盡可能多的匹配，即匹配整個“20220122”，因為它都滿足“大于1個數(shù)字的字符串”這個pattern，而不是只匹配第一個數(shù)字“2”或匹配部分數(shù)字“20220”。

非貪婪匹配也是非常常用的匹配模式，有些地方會叫做懶惰匹配（lazy），但都是一個意思：通過添加?來改變正則表達式匹配停止的條件。舉個栗子：

04 測試工具

這里推薦正則表達式的在線測試工具。在該網(wǎng)站上，提供了正則表達式的使用參考，并且可以供用戶測試自己寫出來的正則表達式是否符合預期。

審核編輯：湯梓紅