2017-11-15 16:57:30 +03:00
|
|
|
|
---
|
|
|
|
|
|
language: PCRE
|
2018-02-28 12:24:56 +03:00
|
|
|
|
filename: pcre-tw.txt
|
2017-11-15 16:57:30 +03:00
|
|
|
|
contributors:
|
|
|
|
|
|
- ["Sachin Divekar", "http://github.com/ssd532"]
|
|
|
|
|
|
translators:
|
|
|
|
|
|
- ["Michael Yeh", "https://hinet60613.github.io/"]
|
|
|
|
|
|
lang: zh-tw
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
正規表達式(regular expression，或縮寫為regex, regexp)是一種用來表示搜尋模式的特殊字串。例如，你可以用`/^[a-z]+:/`來從網址`http://github.com`中擷取出`http:`這段http協定名稱。
|
|
|
|
|
|
|
|
|
|
|
|
相容Perl正規表達式(Perl Compatible Regular Expressions, PCRE)是一個實作正規表達式的C語言函式庫。此函式庫在1997年被開發出來，在當時面對複雜字串處理時大多會選擇使用Perl。也因為如此，PCRE大多的正規表達式語法都很酷似Perl。PCRE語法被廣泛運用在許多大專案中，包括PHP、Apache、R等。
|
|
|
|
|
|
|
|
|
|
|
|
PCRE中的超字元(metacharacter)主要可以分為以下兩類:
|
2019-09-20 07:12:41 +03:00
|
|
|
|
|
2017-11-15 16:57:30 +03:00
|
|
|
|
* 在中括號外會被辨識的字元
|
2019-09-20 07:12:41 +03:00
|
|
|
|
|
2017-11-15 16:57:30 +03:00
|
|
|
|
```
|
|
|
|
|
|
\ 通用跳脫字元
|
|
|
|
|
|
^ 字串開頭 或 行首
|
|
|
|
|
|
$ 字串結尾 或 行尾
|
|
|
|
|
|
. 除了換行符號外的任何字元
|
|
|
|
|
|
[ 字元集合定義開始
|
|
|
|
|
|
| 支流開始
|
|
|
|
|
|
( 子串模式定義開始
|
|
|
|
|
|
) 子串模式定義結束
|
|
|
|
|
|
? extends the meaning of (
|
|
|
|
|
|
同時為數量0或1配對
|
|
|
|
|
|
also quantifier minimizer
|
|
|
|
|
|
* 量詞 至少0個 至多無限個
|
|
|
|
|
|
+ 量詞 至少1個 至多無限個
|
|
|
|
|
|
同時為佔有型量詞
|
|
|
|
|
|
{ 最大/最小量詞開始
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
* 在中括號內會被辨識的超字元，在中括號外會被視為字元集合使用
|
2019-09-20 07:12:41 +03:00
|
|
|
|
|
2017-11-15 16:57:30 +03:00
|
|
|
|
```
|
|
|
|
|
|
\ 通用跳脫字元
|
|
|
|
|
|
^ 非字元集合的字，但只會抓到第一個符合的字元
|
|
|
|
|
|
- 字元範圍
|
|
|
|
|
|
[ POSIX字元集合(若後面接POSIX格式)
|
|
|
|
|
|
] 字元集合定義結束
|
2019-09-20 07:12:41 +03:00
|
|
|
|
```
|
2017-11-15 16:57:30 +03:00
|
|
|
|
|
|
|
|
|
|
PCRE提供了一些通用的字元類型，可被當作字元集合使用
|
2019-09-20 07:12:41 +03:00
|
|
|
|
|
2017-11-15 16:57:30 +03:00
|
|
|
|
```
|
|
|
|
|
|
\d 任何數字字元
|
|
|
|
|
|
\D 任何非數字字元
|
|
|
|
|
|
\h 任何水平空白字元
|
|
|
|
|
|
\H 任何非水平空白字元
|
|
|
|
|
|
\s 任何空白字元
|
|
|
|
|
|
\S 任何非空白至元
|
|
|
|
|
|
\v 任何垂直空白字元
|
|
|
|
|
|
\V 任何非垂直空白字元
|
|
|
|
|
|
\w 任何英文字
|
|
|
|
|
|
\W 任何非英文字
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 範例
|
|
|
|
|
|
|
|
|
|
|
|
我們以字串 `66.249.64.13 - - [18/Sep/2004:11:07:48 +1000] "GET /robots.txt HTTP/1.0" 200 468 "-" "Googlebot/2.1"` 作為範例，這是一個標準的Apache存取記錄。
|
|
|
|
|
|
|
|
|
|
|
|
| 正規表達式 | 結果 | 說明 |
|
|
|
|
|
|
| :---- | :-------------- | :------ |
|
|
|
|
|
|
| GET | GET | GET 抓取 GET 字串 (會分別大小寫) |
|
|
|
|
|
|
| \d+.\d+.\d+.\d+ | 66.249.64.13 | `\d+` 抓取數字字元，數量由 `+` 定義為至少一個至多無限個。 `\.` 抓取 `.` 字元 |
|
|
|
|
|
|
| (\d+\.){3}\d+ | 66.249.64.13 | `(\d+\.){3}` 會試著抓取剛好三次的 (`\d+\.`) |
|
|
|
|
|
|
| \[.+\] | [18/Sep/2004:11:07:48 +1000] | `.+` 抓取除了換行符號以外的任何字元， `.` 表示任意字元 |
|
|
|
|
|
|
| ^\S+ | 66.249.64.13 | `^` 為行首， `\S+` 抓取至少一個非空白字元 |
|
|
|
|
|
|
| \+[0-9]+ | +1000 | `\+` 抓取 `+` 字元。 `[0-9]` 字元集表示剛好一個數字字元。 可以用 `\+\d+` 達到相同效果。 |
|
|
|
|
|
|
|
|
|
|
|
|
以上範例皆可在 https://regex101.com/ 測試，步驟如下:
|
|
|
|
|
|
|
|
|
|
|
|
1. 複製範例字串到 `TEST STRING` 區域
|
|
|
|
|
|
2. 複製正規表達式字串到 `Regular Expression` 區域
|
|
|
|
|
|
3. 網頁會顯示自動表達式抓取結果
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 更多資料
|
|
|
|
|
|
|
|
|
|
|
|
|
