erlang的regexp模块
Monday, March 31st, 2008regexp
| 翻译: | gashero |
|---|
- 1 导出函数
- 1.1 match(String,RegExp) -> MatchRes
- 1.2 first_match(String,RegExp) -> MatchRes
- 1.3 matches(String,RegExp) -> MatchRes
- 1.4 sub(String,RegExp,New) -> SubRes
- 1.5 gsub(String,RegExp,New) -> SubRes
- 1.6 split(String,RegExp) -> SplitRes
- 1.7 sh_to_awk(ShRegExp) -> AwkRegExp
- 1.8 parse(RegExp) -> ParseRes
- 1.9 format_error(ErrorDescription) -> Chars
- 2 正则表达式
- 3 作者
应用于字符串的正则表达式函数。
1 导出函数
1.1 match(String,RegExp) -> MatchRes
String=RegExp=string()
MatchRes={match,Start,Length} | nomatch | {error,errordesc()}
Start=Length=integer()
在字符串String中寻找正则表达式RegExp的第一个最长的匹配。搜索最长可能匹配，如果几个结果相同则返回第一个。返回如下：
- {match,Start,Length} ：匹配成功，返回开始和长度。
- nomatch ：无法匹配。
- {error,Error} ：发生错误。
1.2 first_match(String,RegExp) -> MatchRes
String=RegExp=string()
MatchRes={match,Start,Length} | nomatch | {error,errordesc()}
Start=Length=integer()
寻找第一个匹配，通常比 match 更快，并确定匹配的存在与否。返回值同 match 。
1.3 matches(String,RegExp) -> MatchRes
String=RegExp=string()
MatchRes={match,MatchRes} | {error,errordesc()}
MatchRes=list()
返回所有的不重叠匹配结果，返回如下：
- {match,Matches} ：如果正则表达式是正确的，哪么如果没有匹配则返回空的列表。每个元素都是形如 {Start,Length} 的元组。
- {error,Error} ：正则表达式有错。
1.4 sub(String,RegExp,New) -> SubRes
String=RegExp=New=string()
SubRes={ok,NewString,RepCount} | {error,errordesc()}
RepCount=integer
将第一个匹配成功的子字符串替换成New。字符串New中的 & 符号代表被替换掉的字符串，而 & 则代表原来的 & 符号。返回结果如：
- {ok,NewString,RepCount} ：如果正则表达式正确，则RepCount为替换执行的次数，为0或1。
- {error,Error} ：正则表达式有误。
1.5 gsub(String,RegExp,New) -> SubRes
基本等同于 sub ，不同在于所有的不重叠会被替换，而不仅仅是替换一次。
1.6 split(String,RegExp) -> SplitRes
String=RegExp=string()
SubRes={ok,FieldList} | {error,errordesc()}
FieldList=[string()]
通过正则表达式将字符串切割成多个字段。如果分隔字符是空格 ” ” ，则分隔字符也隐含包括TAB字符。其他分隔字符没有此效应。返回值如下：
- {ok,FieldList} ：字符串已经被切分成各个字段了。
- {error,Error} ：正则表达式有误。
1.7 sh_to_awk(ShRegExp) -> AwkRegExp
ShRegExp=AwkRegExp=string()
SubRes={ok,NewString,RepCount} | {error,errordesc()}
RepCount=integer()
转换sh类型的正则表达式到awk类型的正则表达式。返回转换过的字符串。sh正则表达式是给shell用于匹配文件名用的，支持如下特殊字符：
- ：匹配任何数量任何字符
- ? ：匹配单一任意字符
- […] ：匹配范围内的字符，字符范围用符号 – 来分隔。如果第一个字符是 ! 则是相反的匹配。
尽管sh正则表达式并不强大，但在大多数时候却很好用。
1.8 parse(RegExp) -> ParseRes
RegExp=string()
ParseRes={ok,RE} | {error,errordesc()}
转换正则表达式字符串到可供其他正则表达式函数使用的内部格式。可以在调用其他函数时替换正则表达式的位置。这对于同一个正则表达式需要使用多次时非常有效。返回值：
- {ok,RE} ：匹配成功则返回内部表示法。
- {error,Error} ：正则表达式有误。
1.9 format_error(ErrorDescription) -> Chars
ErrorDescriptor=errordesc() Chars=[char() | Chars]
在匹配失败时返回匹配错误的描述信息。
2 正则表达式
这里提到的正则表达式知识 egrep 和AWK语言中的子集。他们由如下字符组成：
| c | 非特殊意义的字母c |
| \c | 匹配转码序列或字面上的c |
| . | 匹配任意字符 |
| ^ | 字符串开头 |
| $ | 字符串结尾 |
| [abc…] | 字符类，即指定字符组成的集合。字符范围是两个字符用 – 连接 |
| [^abc…] | 否定字符类，不匹配集合中的字符 |
| r1 | r2 | 轮流，匹配r1或r2 |
| r1r2 | 串联，匹配r1并且r2 |
| r+ | 匹配一个或更多的r |
| r* | 匹配零个或多个的r |
| r? | 匹配零个或一个的r |
|
|
分组，匹配r |
转码序列允许等同于Erlang字符串：
| \b | 退格 |
| \f | 换页(form feed) |
| \n | 换行(line feed) |
| \r | 回车 |
| \t | TAB |
| \e | escape ESC |
| \v | 纵向TAB |
| \s | 空格 |
| \d | 删除 |
| \ddd | 八进制值ddd |
| \c | 任何除了上面字符以外的，如\或” |
可以让这些函数工作的更方便，比如在 io:get_line 中读取新行，当然字符 $ 也会匹配 “…n” 。如下例子时Erlang一些数据类型的正则表达式：
| Atoms | [a-z][0-9a-zA-Z_]* |
| Variables | [A-Z_][0-9a-zA-Z_]* |
| Floats | (\+|-)?[0-9]+\.[0-9]+((E|e)(\+|-)?[0-9]+)? |
正则表达式是以Erlang字符串来编写的。这意味着字符 \ 或 ” 必须以转码方式来书写。例如浮点数的正则表达式就是： (\\+|-)?[0-9]+\\.[0-9]+((E|e)(\\+|-)?[0-9]+)? 。
正则表达式并不是一定要有转义序列字符的，他们可以自动生成。除了用在不同的地方，否则与普通的Erlang字符串是一样的。
3 作者
Robert Virding – support@erlang.ericsson.se