2025-01-20

通配符与正则匹配

首先直接介绍两个名词的直接含义

通配符

一般指在UNIX或者类UNIX系统中，简单匹配文件的符号，用于“通用匹配”文件中的部分内容来指一系列文件，比如alpha.c,beta.c,common.c都可以用*.c这样的通配符辅助的文件名来一起指代，起到一个类似于“筛选”的作用

正则匹配

正则匹配在语义上来讲，和通配的原理相似，但是更加的广泛且功能强大（Regular Expression，简称regex）用于更复杂的文本匹配，常见于编程和文本处理。正则表达式功能强大，支持多种模式匹配规则

在UNIX通配符中，最常用的还是 * 和 ？ 前者可以替代一或多个字符，后者只能匹配单个字符

例如，在您的unixstuff 目录中，键入（%为终端指示）

％ls list*

这将列出当前目录中以list ... 开头的所有文件。

尝试输入

％ls *list

这将列出当前目录中以list 结尾的所有文件

https://www.ruanyifeng.com/blog/2018/09/bash-wildcards.html

更多内容可以看这个，不过理解了*和?基本上足以应对大部分情况了

关于正则匹配，则有更多的话要讲

正则匹配的详细介绍与实际应用

正则表达式（Regular Expression，简称regex）是一种强大的文本匹配工具，广泛应用于字符串搜索、替换、验证等场景。在编译原理中，正则表达式用于词法分析阶段，帮助识别源代码中的基本语法单元（如标识符、关键字、运算符等）。

正则表达式的详细规则

1. 基本元字符

• .：匹配任意单个字符（除换行符外）。

• \\d：匹配数字（等价于[0-9]）。

• \\D：匹配非数字字符。

• \\w：匹配字母、数字或下划线（等价于[a-zA-Z0-9_]）。

• \\W：匹配非字母、数字或下划线的字符。

• \\s：匹配空白字符（空格、制表符、换行符等）。

• \\S：匹配非空白字符。

2. 量词

• *：匹配前一个字符零次或多次。

• +：匹配前一个字符一次或多次。

• ?：匹配前一个字符零次或一次。

• {n}：匹配前一个字符恰好n次。

• {n,}：匹配前一个字符至少n次。

• {n,m}：匹配前一个字符至少n次，至多m次。

3. 字符类

• [abc]：匹配括号内的任意一个字符（a、b或c）。

• [^abc]：匹配不在括号内的任意一个字符。

• [a-z]：匹配a到z之间的任意一个小写字母。

4. 边界匹配

• ^：匹配字符串的开头。

• $：匹配字符串的结尾。

• \\b：匹配单词边界。

• \\B：匹配非单词边界。

5. 分组与捕获

• (abc)：捕获组，匹配并记住匹配的文本。

• (?:abc)：非捕获组，匹配但不记住匹配的文本。

• |：或操作，匹配左边或右边的表达式。

6. 转义字符

• \\：用于转义特殊字符（如\\.匹配句点，\\*匹配星号）。

正则表达式的实际应用

1. 文本搜索与替换

正则表达式常用于文本编辑器或编程语言中，进行字符串的搜索和替换。

示例 ：

• 搜索所有电子邮件地址：[\\w\\.-]+@[\\w\\.-]+\\.\\w+

• 替换文本中的日期格式：将dd/mm/yyyy替换为yyyy-mm-dd。

2. 数据验证

正则表达式可用于验证用户输入的数据格式。

示例 ：

• 验证电子邮件地址：^[\\w\\.-]+@[\\w\\.-]+\\.\\w+$

• 验证手机号码：^\\d{10}$

3. 编译原理中的词法分析

在编译器中，正则表达式用于定义词法规则，识别源代码中的基本语法单元（Token）。

示例 ：

• 识别标识符：[a-zA-Z_]\\w*

• 识别整数：\\d+

• 识别浮点数：\\d+\\.\\d+

在编译原理中的应用

在编译器的词法分析阶段，正则表达式用于定义词法规则。词法分析器（Lexer）根据这些规则将源代码分解为一个个Token。

示例 ：
假设我们需要识别以下Token：

• 关键字：if、else

• 标识符：以字母或下划线开头，后跟字母、数字或下划线。

• 整数：由数字组成。

• 运算符：+、-、*、/

对应的正则表达式规则：

• 关键字：if|else

• 标识符：[a-zA-Z_]\\w*

• 整数：\\d+

• 运算符：[\\+\\-\\*/]

使用代码表述正则匹配的作用

以下是使用Python代码演示正则表达式的应用：

1. 匹配电子邮件地址

import re

定义正则表达式

email_pattern = r'[\w\.-]+@[\w\.-]+\.\w+'

测试字符串

text = "Contact us at support@example.com or info@domain.com."

查找所有匹配的电子邮件地址

emails = re.findall(email_pattern, text) print("Emails found:", emails)

2. 验证手机号码

import re

定义正则表达式

phone_pattern = r'^\d{10}$'

测试手机号码

phone_number = "1234567890"

验证手机号码

if re.match(phone_pattern, phone_number): print("Valid phone number.") else: print("Invalid phone number.")

3. 词法分析示例

import re

定义词法规则

token_specification = [ ('NUMBER', r'\d+'), # 整数 ('IDENTIFIER', r'[a-zA-Z_]\w*'), # 标识符 ('OPERATOR', r'[\+\-\*/]'), # 运算符 ('SKIP', r'[ \t
]'), # 跳过空白字符 ]

编译正则表达式

token_regex = '|'.join(f'(?P<{pair[0]}>{pair[1]})' for pair in token_specification) lexer = re.compile(token_regex)

测试代码

code = "x = 10 + y * 20"

词法分析

for match in lexer.finditer(code): token_type = match.lastgroup token_value = match.group(token_type) if token_type != 'SKIP': print(f"Token: {token_type}, Value: {token_value}")

输出 ：

Token: IDENTIFIER, Value: x

Token: OPERATOR, Value: = Token: NUMBER, Value: 10 Token: OPERATOR, Value: + Token: IDENTIFIER, Value: y Token: OPERATOR, Value: * Token: NUMBER, Value: 20

总结

正则表达式是一种强大的工具，适用于文本处理、数据验证和编译原理中的词法分析。通过掌握其规则和应用场景，可以高效地解决复杂的字符串匹配问题。