時(shí)間：2015-06-28 00:00:00 來源：IT貓撲網(wǎng) 作者：網(wǎng)管聯(lián)盟 我要評(píng)論(0)
正則表達(dá)式難于書寫、難于閱讀、難于維護(hù)，經(jīng)常錯(cuò)誤匹配意料不到的文本或者錯(cuò)過了有效的文本，這些問題都是由正則表達(dá)式的表現(xiàn)和能力引起的。每個(gè)元字符(metacharacter)的能力和細(xì)微差別組合在一起，使得代碼不借助于智力技巧就無法解釋。
許多包含一定特性的工具使閱讀和編寫正則表達(dá)式變得容易了，但是它們又很不符合習(xí)慣。對(duì)于很多程序員來說，書寫正則表達(dá)式就是一種魔法藝術(shù)。他們堅(jiān)持自己所知道的特征并持有絕對(duì)樂觀的態(tài)度。如果你愿意采用本文所探討的五個(gè)習(xí)慣，你將可以讓你設(shè)計(jì)的正則表達(dá)式經(jīng)受的住反復(fù)試驗(yàn)。
本文將使用Perl、PHP和Python語言作為代碼示例，但是本文的建議幾乎適用于任何替換表達(dá)式(regex)的執(zhí)行。
一、使用空格和注釋
對(duì)于大部分程序員來說，在一個(gè)正則表達(dá)式環(huán)境里使用空格和縮進(jìn)排列都不成問題，如果他們沒有這么做一定會(huì)被同行甚至外行人士看笑話。幾乎每個(gè)人都知道把代碼擠在一行會(huì)難于閱讀、書寫和維護(hù)。對(duì)于正則表達(dá)式又有什么不同呢?
大部分替換表達(dá)式工具都具有擴(kuò)展的空格特性，這允許程序員把他們的正則表達(dá)式擴(kuò)展為多行，并在每一行結(jié)尾加上注釋。為什么只有少部分程序員利用這個(gè)特性呢?Perl 6的正則表達(dá)式默認(rèn)就是擴(kuò)展空格的模式。不要再讓語言替你默認(rèn)擴(kuò)展空格了，自己主動(dòng)利用吧。
記住擴(kuò)展空格的竅門之一就是讓正則表達(dá)式引擎忽略擴(kuò)展空格。這樣如果你需要匹配空格，你就不得不明確說明。
在Perl語言里面，在正則表達(dá)式的結(jié)尾加上x，這樣"m/foo|bar/"變?yōu)槿缦滦问剑?/p>
m/
foo
|
bar
/x
在PHP語言里面，在正則表達(dá)式的結(jié)尾加上x，這樣""/foo|bar/""變?yōu)槿缦滦问剑?/p>
"/
foo
|
bar
/x"
在Python語言里面，傳遞模式修飾參數(shù)"re.VERBOSE"得到編譯函數(shù)如下：
pattern = r'''
foo
|
bar
'''
regex = re.compile(pattern, re.VERBOSE)
處理更加復(fù)雜的正則表達(dá)式時(shí)，空格和注釋就更能體現(xiàn)出其重要性。假設(shè)下面的正則表達(dá)式用于匹配美國的電話號(hào)碼：
\(?\d{3}\)? ?\d{3}[-.]\d{4}
這個(gè)正則表達(dá)式匹配電話號(hào)碼如"(314)555-4000"的形式，你認(rèn)為這個(gè)正則表達(dá)式是否匹配"314-555-4000"或者"555- 4000"呢?答案是兩種都不匹配。寫上這么一行代碼隱蔽了缺點(diǎn)和設(shè)計(jì)結(jié)果本身，電話區(qū)號(hào)是需要的，但是正則表達(dá)式在區(qū)號(hào)和前綴之間缺少一個(gè)分隔符號(hào)的說明。
把這一行代碼分成幾行并加上注釋將把缺點(diǎn)暴露無疑，修改起來顯然更容易一些。
在Perl語言里面應(yīng)該是如下形式：
/
\(? # 可選圓括號(hào)
\d{3} # 必須的電話區(qū)號(hào)
\)? # 可選圓括號(hào)
[-\s.]? # 分隔符號(hào)可以是破折號(hào)、空格或者句點(diǎn)
\d{3} # 三位數(shù)前綴
[-.] # 另一個(gè)分隔符號(hào)
\d{4} # 四位數(shù)電話號(hào)碼
/x
改寫過的正則表達(dá)式現(xiàn)在在電話區(qū)號(hào)后有一個(gè)可選擇的分隔符號(hào)，這樣它應(yīng)該是匹配"314-555-4000"的，然而電話區(qū)號(hào)還是必須的。另一個(gè)程序員如果需要把電話區(qū)號(hào)變?yōu)榭蛇x項(xiàng)則可以迅速看出它現(xiàn)在不是可選的，一個(gè)小小的改動(dòng)就可以解決這個(gè)問題。
二、書寫測試
一共有三個(gè)層次的測試，每一層為你的代碼加上一層可靠性。首先，你需要認(rèn)真想想你需要匹配什么代碼以及你是否能夠處理錯(cuò)誤匹配。其次，你需要利用數(shù)據(jù)實(shí)例來測試正則表達(dá)式。最后，你需要正式通過一個(gè)測試小組的測試。
決定匹配什么其實(shí)就是在匹配錯(cuò)誤結(jié)果和錯(cuò)過正確結(jié)果之間尋求一個(gè)平衡點(diǎn)。如果你的正則表達(dá)式過于嚴(yán)格，它將會(huì)錯(cuò)過一些正確匹配;如果它過于寬松，它將會(huì)產(chǎn)生一個(gè)錯(cuò)誤匹配。一旦某個(gè)正則表達(dá)式發(fā)放到實(shí)際代碼當(dāng)中，你可能不會(huì)兩者都注意到?？紤]一下上面電話號(hào)碼的例子，它將會(huì)匹配"800-555-4000 = -5355"。錯(cuò)誤的匹配其實(shí)很難發(fā)現(xiàn)，所以提前規(guī)劃做好測試是很重要的。
還是使用電話號(hào)碼的例子，如果你在Web表單里面確認(rèn)一個(gè)電話號(hào)碼，你可能只要滿足于任何格式的十位數(shù)字。但是，如果你想從大量文本里面分離電話號(hào)碼，你可能需要很認(rèn)證的排除不符合要求的錯(cuò)誤匹配。
在考慮你想匹配的數(shù)據(jù)的時(shí)候，寫下一些案例情況。針對(duì)案例情況寫下一些代碼來測試你的正則表達(dá)式。任何復(fù)雜的正則表達(dá)式都最好寫個(gè)小程序測試一下，可以采用下面的具體形式。
在Perl語言里面：
#!/usr/bin/perl
my @tests = ( "314-555-4000",
"800-555-4400",
"(314)555-4000",
"314.555.4000",
"555-4000",
"aasdklfjklas",
"1234-123-12345"
);
foreach my $test (@tests) {
if ( $test =~ m/
\(? # 可選圓括號(hào)
\d{3} # 必須的電話區(qū)號(hào)
\)? # 可選圓括號(hào)
[-\s.]? # 分隔符號(hào)可以是破折號(hào)、空格或者句點(diǎn)
\d{3} # 三位數(shù)前綴
[-\s.] # 另一個(gè)分隔符號(hào)
\d{4} # 四位數(shù)電話號(hào)碼
/x ) {
print "Matched on $test\n";
}
else {
print "Failed match on $test\n";
}
}
在PHP語言里面：
$tests = array( "314-555-4000",
"800-555-4400",
"(314)555-4000",
"314.555.4000",
"555-4000",
"aasdklfjklas",
"1234-123-12345"
);
$regex = "/
\(? # 可選圓括號(hào)
\d{3} # 必須的電話區(qū)號(hào)
\)? # 可選圓括號(hào)
[-\s.]? # 分隔符號(hào)可以是破折號(hào)、空格或者句點(diǎn)
\d{3} # 三位數(shù)前綴
[-\s.] # 另一個(gè)分隔符號(hào)
\d{4} # 四位數(shù)電話號(hào)碼
/x";
foreach ($tests as $test) {
if (preg_match($regex, $test)) {
echo "Matched on $test
;";
}
else {
echo "Failed match on $test
;";
}
}
?>;
在Python語言里面：
import re
tests = ["314-555-4000",
"800-555-4400",
"(314)555-4000",
"314.555.4000",
"555-4000",
"aasdklfjklas",
"1234-123-12345"
]
pattern = r'''
\(? # 可選圓括號(hào)
\d{3} # 必須的電話區(qū)號(hào)
\)? # 可選圓括號(hào)
[-\s.]? # 分隔符號(hào)可以是破折號(hào)、空格或者句點(diǎn)
\d{3} # 三位數(shù)前綴
[-\s.] # 另一個(gè)分隔符號(hào)
\d{4} # 四位數(shù)電話號(hào)碼
'''
regex = re.compile( pattern, re.VERBOSE )
for test in tests:
if regex.match(test):
print "Matched on", test, "\n"
else:
print "Failed match on", test, "\n"
運(yùn)行測試代碼將會(huì)發(fā)現(xiàn)另一個(gè)問題：它匹配"1234-123-12345"。
理論上，你需要整合整個(gè)程序所有的測試到一個(gè)測試小組里面。即使你現(xiàn)在還沒有測試小組，你的正則表達(dá)式測試也會(huì)是一個(gè)小組的良好基礎(chǔ)，現(xiàn)在正是開始創(chuàng)建的好機(jī)會(huì)。即使現(xiàn)在還不是創(chuàng)建的合適時(shí)間，你也應(yīng)該在每次修改以后運(yùn)行測試一下正則表達(dá)式。這里花費(fèi)一小段時(shí)間將會(huì)減少你很多麻煩事。
三、為交替操作分組
交替操作符號(hào)(|)的優(yōu)先級(jí)很低，這意味著它經(jīng)常交替超過程序員所設(shè)計(jì)的那樣。比如，從文本里面抽取Email地址的正則表達(dá)式可能如下：
^CC:|To:(.*)
上面的嘗試是不正確的，但是這個(gè)bug往往不被注意。上面代碼的意圖是找到"CC:"或者"To:"開始的文本，然后在這一行的后面部分提取Email地址。
不幸的是，如果某一行中間出現(xiàn)"To:"，那么這個(gè)正則表達(dá)式將捕獲不到任何以"CC:"開始的一行，而是抽取幾個(gè)隨機(jī)的文本。坦白的說，正則表達(dá)式匹配 "CC:"開始的一行，但是什么都捕獲不到;或者匹配任何包含"To:"的一行，但是把這行的剩余文本都捕獲了。通常情況下，這個(gè)正則表達(dá)式會(huì)捕獲大量 Email地址，所有沒有人會(huì)注意這個(gè)bug。
如果要符合實(shí)際意圖，那么你應(yīng)該加入括號(hào)說明清楚，正則表達(dá)式如下：
(^CC:)|(To:(.*))
如果真正意圖是捕獲以"CC:"或者"To:"開始的文本行的剩余部分，那么正確的正則表達(dá)式如下：
^(CC:|To:)(.*)
這是一個(gè)普遍的不完全匹配的bug，如果你養(yǎng)成為交替操作分組的習(xí)慣，你就會(huì)避免這個(gè)錯(cuò)誤。
四、使用寬松數(shù)量詞
很多程序員避免使用寬松數(shù)量詞比如"*?"、"+?"和"??"，即使它們會(huì)使這個(gè)表達(dá)式易于書寫和理解。
寬松數(shù)量詞可以盡可能少的匹配文本，這樣有助于完全匹配的成功。如果你寫了"foo(.*?)bar"，那么數(shù)量詞將在第一次遇到"bar"時(shí)就停止匹配，而不是在最后一次。如果你希望從"foo###bar+++bar"中捕獲"###"，這一點(diǎn)就很重要。一個(gè)嚴(yán)格數(shù)量詞將捕獲"###bar++ +"。
假設(shè)你要從HTML文件里面捕獲所有電話號(hào)碼，你可能會(huì)使用我們上文討論過的電話號(hào)碼正則表達(dá)式的例子。但是，如果
關(guān)鍵詞標(biāo)簽：PHP
相關(guān)閱讀
熱門文章
plsql developer怎么連接數(shù)據(jù)庫-plsql developer連接數(shù)據(jù)庫方法
2021年最好用的10款php開發(fā)工具推薦
php利用淘寶IP庫獲取用戶ip地理位置
在 PHP 中使用命令行工具
人氣排行 詳解ucenter原理及第三方應(yīng)用程序整合思路、方法 plsql developer怎么連接數(shù)據(jù)庫-plsql developer連接數(shù)據(jù)庫方法 PHP中防止SQL注入攻擊 PHP會(huì)話Session的具體使用方法解析 PHP運(yùn)行出現(xiàn)Notice : Use of undefined constant 的解決辦法 PHP如何清空mySQL數(shù)據(jù)庫 CakePHP程序員必須知道的21條技巧 PHP采集圖片實(shí)例（PHP采集）