User:東東君/正则表达式

简介

正则表达式（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里及程序中，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

wikitext语法中没有“数据类型”这一概念，我们可以认为其中的所有数据都是字符串(string)类型的^{[来源请求]}，因此正则表达式可以在wikitext中发挥极大的作用。

因为萌百中对于正则匹配的支持主要基于Lua语言所提供的string库，string库的正则表达式实现并未遵照POSIX规范，在使用上会与普通的正则表达式有所不同，这里着重讲解Lua的正则表达式写法，若你有正则表达式的基础，也可以先看这里→Lua正则与标准正则的不同。

语法对照表

Lua中的正则表达式 正则表达式由元字符按照规则(语法)组成。lua中的特殊字符是% . [ ] ( ) ^ $ * + - ?,一共12个。它们和一般字符按规则构成了lua的正则表达式。

建议先阅读一遍该表，再结合下面的例子进行理解。

元字符	描述	表达式示例	完整的匹配字符串
字符
普通字符	除去%.[]()^$*+-?的字符，匹配字符本身	string	string
.	匹配任意字符	str.ng	string
%	转义字符，改变后一个字符的原有意思。当后面的接的是特殊字符时，将还原特殊字符的原意。%和一些特定的字母组合构成了lua的预定义字符集。%和数字1~9组合表示之前捕获的分组	strin%a	string
[...]	字符集（字符类）。匹配一个包含于集合内的字符。[...]中的特殊字符将还原其原意，但有下面几种特殊情况 1. %]，%-，%^作为整体表示字符']'，'-'，'^' 2. 预定义字符集作为一个整体表示对应字符集 3. 当]位于序列的第一个字符时只表示字符']' 4. 形如[^...],[...-...]有特定的其他含义	strin[a-z]	string
*	表示前一个字符出现0次或多次	s*	sssss
+	表示前一个字符出现1次或1次以上	s+tring	ssstring
-	表示前一个字符出现0次或多次，且将尽可能匹配较少的内容	s-tring	tring
?	表示前一个字符出现0次或1次	strin?g	strig
预定义字符集
%s	空白字符[ \r\n\t\v\f]（半角空格、全角空格、换行）	str%sing	str ing
%p	半角标点符号	str%ping	str,ing
%c	控制字符
%w	字母数字，相当于[a-zA-Z0-9]	%w%w%w	st0
%a	字母a到z和A-Z，相当于[a-zA-Z]	%a%a%a	str
%l	小写字母，相当于[a-z]	%l%l%l	str
%u	大写字母，相当于[A-Z]	%u%u%u	STR
%d	数字，相当于[0-9]	%d%d%d	123
%x	16进制数，相当于[0-9a-fA-F]	%x%x%x	59c
%z	ascii码是0的字符
捕获组
(...)	表达式中用小括号包围的子字符串为一个分组，分组从左到右（以左括号的位置），组序号从1开始递增。 捕获组不会对匹配结果产生任何影响，只是用来在匹配后对匹配结果进行其他操作的	(string)	string
边界匹配
^	匹配字符串开头	^string	string
$	匹配字符串结尾	string$	string
平衡匹配
%bxy	平衡匹配（匹配xy对）。这里的x，y可以是任何字符，即使是特殊字符也是原来的含义，匹配到的子串以x开始，以y结束，并且如果从x开始，每遇到x，计算+1，遇到y计数-1，则结束的y是第一个y使得计数等于0。就是匹配成对的符号，常见的如%b()匹配成对的括号	%b{}	{string}

示例

在这里我们使用用途最为广泛的replace（替换匹配）进行演示。

{{#invoke:String|replace
|source= <!-- 要匹配的字符串 -->
|pattern= <!-- 正则表达式 -->
|replace= <!-- 要替换的内容 -->
|count= <!-- 替换次数，默认为尽可能地多次匹配 -->
}}

该模板未匹配的部分将原封不动地返回，若整个字符串都不匹配，则全部原样返回。

关于这个模块的更多细节请参考：User:宇文天启/字符串处理#replace

捕获组的使用

{{#invoke:String|replace
|source= 卡布奇诺，咖啡摩卡，咖啡拿铁
|pattern= (卡布奇诺)，(咖啡摩卡)，(咖啡拿铁)     <!-- 在正则中使用括号作为捕获组的标志，捕获组本身不会对匹配造成任何影响 -->
|replace= %3，%2，%1！魔法少女智乃华丽变身～！   <!-- 在替换栏中，使用%n为替代字符，代表对应的捕获组，从1开始，最多9个。若要输出%元字符，则要写成“%%” -->
|plain=false                                     <!-- 接上↑：其中，“%0”代表匹配到的全部字符。 -->
}}

结果：咖啡拿铁，咖啡摩卡，卡布奇诺！魔法少女智乃华丽变身～！

匹配任意数量的字符

{{#invoke:String|replace
|source= 这是一个超超超超超级厉害的页面！
|pattern= .+超+(.+)                       <!-- 匹配到了整句 -->
|replace= %1                              <!-- 将匹配到的内容替换为第一个捕获组的内容 -->
|plain=false
}}

结果：级厉害的页面！

{{#invoke:String|replace
|source= goooooogle
|pattern= %l([^g]*)gle               <!-- 这里表示[^g]匹配非g的字符 -->
|replace= %1
|plain=false
}}

结果：oooooo

匹配任意位置的字符

{{#invoke:String|replace
|source= 《你好，世界！》123《你好，世界！》
|pattern= 《你好，世界！》(123)$           <!-- 这将原封不动地返回，因为匹配的字符串的末尾不是123 -->
|replace= %1
|plain=false
}}

结果：《你好，世界！》123《你好，世界！》

{{#invoke:String|replace
|source= <123>456<123><123>456<123><123>456<123><123>456<123>
|pattern= (<123>456<123>)<123>456<123>$                   <!-- 取倒数第二组“<123>456<123>” -->
|replace= 【%1】<123>456<123>
|plain=false
}}

结果：<123>456<123><123>456<123>【<123>456<123>】<123>456<123>

{{#invoke:String|replace
|source= 王木匠饭还没吃完，就径直向工场走去，满脑子想的都是今天早上刚到的木料。别看就是个锯木头的，一块好木，在巧匠手里就像是块璞玉...
|pattern= (径直向).+(走去)      <!-- 有时为了更精确地匹配某个地方，就需要在两边添加许多原文有的，或者可预见的信息，帮助定位 -->
|replace= %1家%2
|plain=false
}}

结果：王木匠饭还没吃完，就径直向家走去，满脑子想的都是今天早上刚到的木料。别看就是个锯木头的，一块好木，在巧匠手里就像是块璞玉...

转义的使用

{{#invoke:String|replace
|source= 平常的流浪者大叔(60岁)，昨天给我发邮件说喜欢[汚れ]的小哥(45岁)，我(53岁)
|pattern= .+(%[汚れ%]的小哥%(45岁%)).+                <!-- 原文包含“[ ] ( )”等语法使用的符号，需要使用%转义为普通符号，防止被作为语法解析 -->
|replace= %1
|plain=false
}}

结果：[汚れ]的小哥(45岁)

贪婪模式与非贪婪模式

{{#invoke:String|replace
|source=  a123a a456a a456a bbbbbbbbbbbbbb
|pattern= (a.+a).*                 <!-- 默认为贪婪模式，这将匹配直到文本最后的a的字符串 -->
|replace= %1
|plain=false
}}

结果：a123a a456a a456a

{{#invoke:String|replace
|source=  a123a a456a a456a bbbbbbbbbbbbbb
|pattern= (a.-a).*                 <!-- 使用减号的非贪婪模式，只会匹配到第一组 -->
|replace= %1
|plain=false
}}

结果：a123a

平衡匹配

{{#invoke:String|replace
|source= (待添加)实在是太萌了
|pattern= %b()
|replace= 智乃酱
|plain=false
}}

结果：智乃酱实在是太萌了

应用模板

请参考：User:宇文天启/字符串处理

• {{REesc}} 这个模板将对字符串内的所有语法符号进行转义，经常用于模板输入的参数要加入正则表达式时，进行转义操作，防止被错误解析为正则语法。

Lua正则与标准正则的不同

• 除上表列举出特殊字符，其他的均无效（如：%r、%t、%w）等。
• 将特殊字符大写并不代表匹配非该特殊字符的含义，而是会当作普通字符处理。
• . 代表任意字符，包括\n换行符。
• char{min,max} 不支持指定字符数量的操作，花括号同样也只是普通字符。
• (abc|def|) 不支持预料多种结果的操作，若只想判断是否存在，且可预见的情况下可以使用a?b?c?这种形式。
• 不支持任何零宽断言，如：?= 、 ?<= 、 ?! 、 ?<!