用戶:東東君/正則表達式

簡介

正則表達式（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），是計算機科學的一個概念。正則表達式使用單個字符串來描述、匹配一系列匹配某個句法規則的字符串。在很多文本編輯器里及程序中，正則表達式通常被用來檢索、替換那些匹配某個模式的文本。

wikitext語法中沒有「數據類型」這一概念，我們可以認為其中的所有數據都是字符串(string)類型的^{[來源請求]}，因此正則表達式可以在wikitext中發揮極大的作用。

因為萌百中對於正則匹配的支持主要基於Lua語言所提供的string庫，string庫的正則表達式實現並未遵照POSIX規範，在使用上會與普通的正則表達式有所不同，這裏着重講解Lua的正則表達式寫法，若你有正則表達式的基礎，也可以先看這裏→Lua正則與標準正則的不同。

語法對照表

Lua中的正則表達式 正則表達式由元字符按照規則(語法)組成。lua中的特殊字符是% . [ ] ( ) ^ $ * + - ?,一共12個。它們和一般字符按規則構成了lua的正則表達式。

建議先閱讀一遍該表，再結合下面的例子進行理解。

元字符	描述	表達式示例	完整的匹配字符串
字符
普通字符	除去%.[]()^$*+-?的字符，匹配字符本身	string	string
.	匹配任意字符	str.ng	string
%	轉義字符，改變後一個字符的原有意思。當後面的接的是特殊字符時，將還原特殊字符的原意。%和一些特定的字母組合構成了lua的預定義字符集。%和數字1~9組合表示之前捕獲的分組	strin%a	string
[...]	字符集（字符類）。匹配一個包含於集合內的字符。[...]中的特殊字符將還原其原意，但有下面幾種特殊情況 1. %]，%-，%^作為整體表示字符']'，'-'，'^' 2. 預定義字符集作為一個整體表示對應字符集 3. 當]位於序列的第一個字符時只表示字符']' 4. 形如[^...],[...-...]有特定的其他含義	strin[a-z]	string
*	表示前一個字符出現0次或多次	s*	sssss
+	表示前一個字符出現1次或1次以上	s+tring	ssstring
-	表示前一個字符出現0次或多次，且將儘可能匹配較少的內容	s-tring	tring
?	表示前一個字符出現0次或1次	strin?g	strig
預定義字符集
%s	空白字符[ \r\n\t\v\f]（半角空格、全形空格、換行）	str%sing	str ing
%p	半角標點符號	str%ping	str,ing
%c	控制字符
%w	字母數字，相當於[a-zA-Z0-9]	%w%w%w	st0
%a	字母a到z和A-Z，相當於[a-zA-Z]	%a%a%a	str
%l	小寫字母，相當於[a-z]	%l%l%l	str
%u	大寫字母，相當於[A-Z]	%u%u%u	STR
%d	數字，相當於[0-9]	%d%d%d	123
%x	16進制數，相當於[0-9a-fA-F]	%x%x%x	59c
%z	ascii碼是0的字符
捕獲組
(...)	表達式中用小括號包圍的子字符串為一個分組，分組從左到右（以左括號的位置），組序號從1開始遞增。 捕獲組不會對匹配結果產生任何影響，只是用來在匹配後對匹配結果進行其他操作的	(string)	string
邊界匹配
^	匹配字符串開頭	^string	string
$	匹配字符串結尾	string$	string
平衡匹配
%bxy	平衡匹配（匹配xy對）。這裏的x，y可以是任何字符，即使是特殊字符也是原來的含義，匹配到的子串以x開始，以y結束，並且如果從x開始，每遇到x，計算+1，遇到y計數-1，則結束的y是第一個y使得計數等於0。就是匹配成對的符號，常見的如%b()匹配成對的括號	%b{}	{string}

示例

在這裏我們使用用途最為廣泛的replace（替換匹配）進行演示。

{{#invoke:String|replace
|source= <!-- 要匹配的字符串 -->
|pattern= <!-- 正则表达式 -->
|replace= <!-- 要替换的内容 -->
|count= <!-- 替换次数，默认为尽可能地多次匹配 -->
}}

該模板未匹配的部分將原封不動地返回，若整個字符串都不匹配，則全部原樣返回。

關於這個模塊的更多細節請參考：User:宇文天啟/字符串處理#replace

捕獲組的使用

{{#invoke:String|replace
|source= 卡布奇诺，咖啡摩卡，咖啡拿铁
|pattern= (卡布奇诺)，(咖啡摩卡)，(咖啡拿铁)     <!-- 在正则中使用括号作为捕获组的标志，捕获组本身不会对匹配造成任何影响 -->
|replace= %3，%2，%1！魔法少女智乃华丽变身～！   <!-- 在替换栏中，使用%n为替代字符，代表对应的捕获组，从1开始，最多9个。若要输出%元字符，则要写成“%%” -->
|plain=false                                     <!-- 接上↑：其中，“%0”代表匹配到的全部字符。 -->
}}

結果：咖啡拿鐵，咖啡摩卡，卡布奇諾！魔法少女智乃華麗變身～！

匹配任意數量的字符

{{#invoke:String|replace
|source= 这是一个超超超超超级厉害的页面！
|pattern= .+超+(.+)                       <!-- 匹配到了整句 -->
|replace= %1                              <!-- 将匹配到的内容替换为第一个捕获组的内容 -->
|plain=false
}}

結果：級厲害的頁面！

{{#invoke:String|replace
|source= goooooogle
|pattern= %l([^g]*)gle               <!-- 这里表示[^g]匹配非g的字符 -->
|replace= %1
|plain=false
}}

結果：oooooo

匹配任意位置的字符

{{#invoke:String|replace
|source= 《你好，世界！》123《你好，世界！》
|pattern= 《你好，世界！》(123)$           <!-- 这将原封不动地返回，因为匹配的字符串的末尾不是123 -->
|replace= %1
|plain=false
}}

結果：《你好，世界！》123《你好，世界！》

{{#invoke:String|replace
|source= <123>456<123><123>456<123><123>456<123><123>456<123>
|pattern= (<123>456<123>)<123>456<123>$                   <!-- 取倒数第二组“<123>456<123>” -->
|replace= 【%1】<123>456<123>
|plain=false
}}

結果：<123>456<123><123>456<123>【<123>456<123>】<123>456<123>

{{#invoke:String|replace
|source= 王木匠饭还没吃完，就径直向工场走去，满脑子想的都是今天早上刚到的木料。别看就是个锯木头的，一块好木，在巧匠手里就像是块璞玉...
|pattern= (径直向).+(走去)      <!-- 有时为了更精确地匹配某个地方，就需要在两边添加许多原文有的，或者可预见的信息，帮助定位 -->
|replace= %1家%2
|plain=false
}}

結果：王木匠飯還沒吃完，就徑直向家走去，滿腦子想的都是今天早上剛到的木料。別看就是個鋸木頭的，一塊好木，在巧匠手裏就像是塊璞玉...

轉義的使用

{{#invoke:String|replace
|source= 平常的流浪者大叔(60岁)，昨天给我发邮件说喜欢[汚れ]的小哥(45岁)，我(53岁)
|pattern= .+(%[汚れ%]的小哥%(45岁%)).+                <!-- 原文包含“[ ] ( )”等语法使用的符号，需要使用%转义为普通符号，防止被作为语法解析 -->
|replace= %1
|plain=false
}}

結果：[汚れ]的小哥(45歲)

貪婪模式與非貪婪模式

{{#invoke:String|replace
|source=  a123a a456a a456a bbbbbbbbbbbbbb
|pattern= (a.+a).*                 <!-- 默认为贪婪模式，这将匹配直到文本最后的a的字符串 -->
|replace= %1
|plain=false
}}

結果：a123a a456a a456a

{{#invoke:String|replace
|source=  a123a a456a a456a bbbbbbbbbbbbbb
|pattern= (a.-a).*                 <!-- 使用减号的非贪婪模式，只会匹配到第一组 -->
|replace= %1
|plain=false
}}

結果：a123a

平衡匹配

{{#invoke:String|replace
|source= (待添加)实在是太萌了
|pattern= %b()
|replace= 智乃酱
|plain=false
}}

結果：智乃醬實在是太萌了

應用模板

請參考：User:宇文天啟/字符串處理

• {{REesc}} 這個模板將對字符串內的所有語法符號進行轉義，經常用於模板輸入的參數要加入正則表達式時，進行轉義操作，防止被錯誤解析為正則語法。

Lua正則與標準正則的不同

• 除上表列舉出特殊字符，其他的均無效（如：%r、%t、%w）等。
• 將特殊字符大寫並不代表匹配非該特殊字符的含義，而是會當作普通字符處理。
• . 代表任意字符，包括\n換行符。
• char{min,max} 不支持指定字符數量的操作，花括號同樣也只是普通字符。
• (abc|def|) 不支持預料多種結果的操作，若只想判斷是否存在，且可預見的情況下可以使用a?b?c?這種形式。
• 不支持任何零寬斷言，如：?= 、 ?<= 、 ?! 、 ?<!