关于正则表达式

正则表达式对象的创建方法

• 通过 // 将表示正则表达式模式的字符串括起来
• Regexp.new(str) 创建对象
• 也可以通过 %r 的特殊语法来创建

/R..Y/

re = Regexp.new("Ruby")

%r(模式)
%r<模式>
%r|模式|
%r!模式!

正则表达式的模式与匹配

• =~ 方法是正则表达式中常用的方法，可以判断正则表达式是否与指定的字符串匹配
• 无法匹配时返回 nil

匹配字符

• /ABC/ 匹配普通字符 ABC
• ^ 匹配行首， $ 匹配行尾
• \A 匹配字符串开头， \z, \Z 匹配字符串末尾。很少用
• [AB] 匹配 A 或者 B
• [A-Za-z0-9_-] 匹配全部英文和数字以及，_ 和 -，如果 - 表示的是单纯的字符 -，就必须放在开头或者末尾
• [^A] 匹配除 A 之外的
• . 匹配任意字符
• \s 匹配空格，制表符，换行符，换页符
• \d 匹配数字
• \w 匹配英文字母和数字
• \ 元字符转义
• | 在几个候补模式中匹配任意一个

/\AAB/ =~ "ABC" #=> 0
/BC\z/ =~ "ABC" #=> 1
/(ABC|DEF)$/ =~ "ABC" #=> 0

重复

• * 重复0次以上
• + 重复1次以上
• ? 重复0或1次
• () 重复匹配多个字符

/el*/ =~ "Hello" #=> 1
/^(ABC)*$/ =~ "ABCABC"

贪婪匹配和懒惰匹配

• 匹配 0 次以上的 * 以及匹配 1 次以上的 + 会匹配尽可能多的字符，称为贪婪匹配
• 匹配尽可能少的字符串成为懒惰匹配
• *? 0 次以上的重复中最短的部分
• +? 1 次以上的重复中最短的部分

正则表达式的选项

设定正则表达式时，只需要 /.../ 后面指定即可，比如 /.../im。 Regexp.new 方法中的第 2 个参数可用于指定选项常量。可以用 | 来指定多个选项

• i 忽略英文字母的大小写 Regexp::IGNORECASE
• x 忽略正则表达式中的空白字符以及 # 后面的字符，可以用来写注释 Regexp::EXTENDED
• m 指定这个选项后，可以使用 . 匹配换行符 Regexp::MULTILINE

str = "ABC\nDEF\nGHI"
p /DEF.GHI/ =~ str #=> nil
p /DEF.GHI/m =~ str #=> 4

Regexp.new("Ruby", Regexp::IGNORECASE | Regexp::MULTILINE)

捕获

• 从正则表达式的匹配部分提取其中的某部分。通过 $数字 这种形式的变量，就可以获取匹配了正则表达式中用 () 扩住的部分的字符串。
• 我们可以使用 (?:) 过滤不需要捕获的模式。

/(.)(.)(.)/ =~ "abc"
first = $1
second = $2
third = $3
p first #=> "a"

/(.)(\d\d)+(.)/ =~ "123456"
p $1 #=> "1"
p $2 #=> "45"
p $3 #=> "6"

/(.)(?:\d\d)+(.)/ =~ "123456"
p $1 #=> "1"
p $2 #=> "6"

• $`, $&, $' 分别代表匹配部分前的字符串，匹配部分的字符串，匹配部分后的字符串

/C./ =~ "ABCDEF"
p $` #=> "AB"
p $& #=> "CD"
p $' #=> "EF"

使用正则表达式

• sub 方法只置换首次匹配的部分，gsub 方法则会置换所有匹配的部分。
• 这两个方法还可以使用代码块，程序会将字符串中匹配的部分传递给块，并在块中使用该字符串进行处理。块中返回的字符串会置换字符串中匹配的部分。

str = "abracatabra"
nstr = str.sub(/.a/) do |matched|
  '<' + matched.upcase + '>'
end
p nstr #=> 'ab<RA>catabra'

• scan 方法不能做置换操作。在正则表达式中时候 () 时，匹配部分会以数组的形式返回。
• 如果指定与 () 相等数量的块参数，则返回的结果就不是数组，而是各个元素。
• 如果没有指定块，则直接返回匹配的字符串数组。

"abracatabra".scan('(.)(a)') do |matched|
  p matched
end

#=>
["r", "a"]
["c", "a"]
["t", "a"]
["r", "a"]

"abracatabra".scan('(.)(a)') do |a, b|
  p a + "-" + b
end

#=>
"r-a"
"c-a"
"t-a"
"r-a"

"abracatabra".scan('(.)(a)') #=> ["ra", "ca", "ta", "ra"]