ruby正则表达式学习

一、Regexp类的一些方法：

    Regexp.new/compile (string/regexp,[options,[lang]]) : 构造一个正则表达式对象。第一个参数是一个字符串或者正则表达式；第二个参数是 正则表达式修饰符的按位OR。

    Regexp.escape/quote (string) : 对正则表达式中的特殊字符进行转义。如：

Regexp.escape('\\*?{}.')   #=> \\\\\*\?\{\}\.

 rxp.match (str) : 返回一个表示匹配结果的MatchData 对象。如果没有匹配则返回nil

str = "a123b456c789"
refs = /(a\d+)(b\d+)(c\d+)/.match(str)
puts refs[0]   # "a123b456c789" 
puts refs[1,3]  # ["a123","b456","c789"]
refs.to_a.each {x| x}   # MatchData对象不是数组，在进行迭代前要调用to_a方法将其转换为一个数组。

 也可以使用全局变量$1,$2等引用匹配结果：

refs = /(a\d+)(b\d+)(c\d+)/.match("a123b456c789")
puts "'#$1','#$2','$3'"  # 'a123','b456','c789'

在sub、gsub等方法中， 不能使用$1等来引用结果，因为这些参数在调用方法前就已经计算好。这时，可以采用特殊编码\1,\2等：

refs = /(a\d+)(b\d+)(c\d+)/.match("a123b456c789")
puts "'#$1','#$2','$3'"  # 'a123','b456','c789'
"a123b456c789".sub(/(a\d+)(b\d+)(c\d+)/, '1st=\1, 2nd=\2, 3rd=\3')   # 1st=a123, 2nd=b456, 3rd=c789
"a123b456c789".sub(/(a\d+)(b\d+)(c\d+)/, "1st=\\1, 2nd=\\2, 3rd=\\3")   # 1st=a123, 2nd=b456, 3rd=c789
# 上面两个sub方法中，第一个使用的是单引号；第二个是双引号，需要使用双语义

MatchData对象还有以下一些有用的方法：

1. begin(n) : 返回第n个匹配开头的偏移量

2. end(n) : 返回第n个匹配结束的偏移量（等于第n+1个匹配的开头偏移量）

3. offset(n) : 返回一个包含第n个匹配开头和结束偏移量的数组

4. pre_match : 返回匹配子字符串前面的字符串部分

5. post_match : 返回匹配子字符串后面的字符串部分

 

 

二、一些常用的标记

1.  ^ 和 $   : 行或字符串开头/结尾（注意：匹配单行的行头/行尾）。

src = "abc\ndef\nghi"
/^abc/ =～ src  #0
/^def/ =～ src   #4
/def$/ =～ src   #4
/ghi$/ =～ src  #8

2. \A 和 \Z : 整个字符串的开头/末尾或最后的换行符前

     \z : 基本同 \Z，但是不能匹配最后的换行符

src = "abc\ndef\nghi"
/\Aabc/ =～ src  #0
/\Adef/ =～ src   #nil
/def\Z/ =～ src   #nil
/ghi\Z/ =～ src  #8
/ghi\z/ =～ src  #8
src << "\n"
/ghi\Z/ =～ src  #8
/ghi\z/ =～ src  #nil

3. \b : 单词边界（在[]外）； \B : 非单词边界

src = "this is a test"
src.gsub(/\b/, '|')  # "|this| |is| |a| |test|"
src.gsub(/\B/, '-')  # "t-h-i-s i-s a t-e-s-t"

4. {?=} : 正预查 ，当匹配子字符串sub后面接着的字符串与预查中=号后面的字符串匹配时，sub才匹配成功；{?!}: 负预查，当匹配子字符串sub后面接着的字符串与预查中=号后面的字符串不匹配时，sub才匹配成功。

/(a\d+)(?=b)(b\d+)(c\d+)/.match("a123b456c789")    # ['a123','b456','c789']
 /(a\d+)(?=c)(b\d+)(c\d+)/.match("a123b456c789")    # nil
 /(a\d+)(?=b)(\d+)(c\d+)/.match("a123b456c789")     # nil

 /(a\d+)(?!c)(b\d+)(c\d+)/.match("a123b456c789")    # ['a123','b456','c789'

5. () : 子表达式编组； (?:) : 非捕获组

refs = /(a\d+)(b\d+)(c\d+)/.match("a123b456c789")
puts "'#$1','#$2','$3'"  # 'a123','b456','c789'

refs = /(a\d+)(?:b\d+)(c\d+)/.match("a123b456c789")
puts "'#$1','#$2','$3'"  # 'a123','c789','nil'

6. 字符类：包括在方括号[]中的一组字符，其中每一个子匹配是任意一个字符。

    (1) ^用于字符类的开头时有特殊意义，它对字符列表取反。

    (2) 像.和?之类的元字符在字符类中没有特殊含义，表示自身代表的字符。而\n这样的转义序列仍然有效。

    (3) 连字符-用于字符类的开头或结尾，脱字符^用于字符类的中间时，没有特殊含义，只表示自身；左括号[和右括号]用于字符类中时，也是如此，而且还必须显示进行转义。

/[abc]/ =~ "abcd"   #0
/[^abc]/ =~ "abcd"   #3

/[.?abc]/ =~ ".?"   #0

/[-^\[\]]/ =~ "^" #0

       7. 几个修饰符的介绍

           (1) i    :  正则表达式不区分大小写

           (2) o  :  只执行一次表达式替换

           (3) m   :  多行模式（句点匹配换行）

           (4) x    :  扩展正则表达式（允许空白、注释）

 

 

三、一些常用正则表达式实例

1. 匹配IP地址

num = /\d|[01]?\d\d|2[0-4]\d|25[0-5]/
ip = /^(#{num}\.){3}#{num}$/

ip =~ '192.168.0.50'  # 0
ip =~ '192.168.0.500'  # nil

2. 匹配email地址

before_at = /([a-zA-Z0-9]+(_?[a-zA-Z0-9])+)/
after_at = /[a-zA-Z]+(-?[a-zA-Z])+(\.[a-zA-Z]+)+/
email = /^(#{before_at}@#{after_at})$/

email =~ 'abc_123@xyz.com.cn' #0
email =~ 'abc_123@xyz.com' #0
email =~ 'abc_@xyz.com.cn' #nil
email =~ 'abc_123@xy-z.com.cn' #0
email =~ 'abc_123@xyz-.com.cn' #nil

3. 匹配时间/日期类型（yyyy.mm.dd hh:mm:ss）

yyyy = /[1-9]\d\d\d/
mm = /0?[1-9]|1[12]/
dd = /0?[1-9]|[12]\d|3[01]/
hh = /[01]?[1-9]|2[0-4]/
MM = /[0-5]\d/
ss = /[0-5]\d/
date_time = /^(#{yyyy}\.#{mm}\.#{dd}) (#{hh}:#{MM}:#{ss})$/

date_time =~ '2008.8.27 22:12:10'  # 0
date_time =~ '2008.8.27 22:12:60'  # nil