文本处理技巧之正则表达式

在LabVIEW开发过程中，有很多地方都需要处理文本数据，比如数据通讯、报表生成、协议解析、文件I/O、界面交互等，那有没有一个工具可以帮助我们快速处理文本数据呢？答案是有的，那就是：“正则表达式”！

正则表达式(Regular Expression)是强大、高效和便捷的文本处理工具。正则表达式搭配一种编程语言，可以赋予开发人员描述和分析文本的能力。它能够添加、删除、拆分、插入和修改各种类型的文本数据。掌握正则表达式，可能带来超乎你想象的文本处理能力。

接下来请跟随小编一起学习正则表达式的相关知识并且了解在LabVIEW中处理文本数据时如何使用正则表达式吧！

本文分享：

正则表达式—文本处理技巧

 

一、 正则表达式的组成

为了方便大家理解，小编先给大家举个例子：huasui.exe是一个文件名，Windows文件对话框输入[*.exe]可以选择多个文件，这类文件名通常被称作“文件群组”或“通配符”，其实这就是一种正则表达式，[*.exe]能够匹配以字符「*」开头，以普通文本「.exe」结尾的字符串，它的意思是：选择以任意文本开头，以 .exe结尾的所有文件。

就像上面的例子那样，一个完整的正则表达式由两种字符构成，其中特殊字符（如刚才例子中的*）称为“元字符”，其它部分（如刚才例子中的.exe）叫作“普通字符”。正则表达式其实远不止于此，它可以为很多高级应用提供十分丰富且描述力极强的元字符。

二、 在LabVIEW中使用正则表达式

LabVIEW中提供了两个可以使用正则表达式的函数，一个是“匹配模式”，一个是“匹配正则表达式”，它们在函数选板>>字符串中可以找到。

这两个函数的使用方法大同小异。“匹配模式”函数类似于搜索及替换VI，该函数虽然只提供较少的字符串匹配选项（例如，该函数不支持括号和竖直线），但执行效率比“匹配正则表达式”函数高。具体使用差别可以参考LabVIEW自带的帮助文档。

三、 常用的正则表达式

在了解了以上LabVIEW和正则表达式的基础知识之后，我们来一起看看正则表达式中常用的一些元字符及其含义，以下正则表达式都用一对左右角括号「 」括起来。

1. 行的起始和结束

在正则表达式中，符号「^」代表一行的开始，符号「$」则代表结束。比如正则表达式「huasui」寻找的是一行文本中任意位置的 huasui，而「^huasui」只寻找行首的 huasui，同样「huasui$ 」只寻找位于行末的 huasui。在理解时应注意，元字符作用的是其紧挨着的一个字符。不要把「 ^huasui 」理解成匹配以 huasui开头的行，而应该理解成匹配的是以h作为一行的第一个字符，紧接一个 u，然后接一个a，再接一个s，之后接一个u，最后接一个i的文本。虽然在这个例子中，这两种理解的结果没有差异，但是按照作用于字符来解读更易于理解正则表达式的内部逻辑。

2. 匹配若干字符之一

假如我们要找的单词是"bear"，但又不确定它是不是写成"beer"，那么就可以使用正则表达式结构体 「 [...] 」，它允许使用者列出在某处可能匹配的字符，通常被称作字符组，比如正则表达式「 be[ae]r」的意思是：先找到 b，然后跟着一个 e，再跟着一个 a 或 e，最后是一个r，所以该正则表达式可以匹配"bear"也可以匹配"beer"。 在字符组内可以使用字符组元字符 [-](连字符)来表示一个范围区间，比如正则表达式「 H[123456] 」与「 H[1-6] 」是等价的。「 [0-9] 」、「 [a-z] 」和 「 [A-Z] 」是常用的匹配数字、大小写字母的简洁表示。当然在一个字符组中也支持多重范围，比如「 [0123456789abcdef] 」可以写作「 [0-9a-f] 」。 需要注意的是：连字符[-]只有出现在字符组内部，且不处于开头处时，它才是一个元字符，否则就是普通的连字符号。

3. 排除型字符组

使用「 [^...] 」替代「 [...] 」，这个正则表达式可以匹配任何没有出现的字符，例如「 [^0-4] 」可以匹配除了0-4以外的任何字符。表达式中开头的 '^' 表示排除，所以它后面出现的字符都是不想匹配到的。

同样的元字符出现在不同的地方有不同的含义，这就像同一个语句用在不同的语境中，它要表达的意思是不同的。比如 '^' 在表达式外最开头的地方时表示一个行起始点，然而当它在表达式内部开头处时就表示排除。

4. 匹配任意字符

元字符「 . 」可以用来匹配任意字符。如果需要在正则表达式中使用一个匹配任意字符的占位符，用元字符「 . 」就十分方便。比如在一个字符串中查找 “2023/01/01” 或“2023-01-01” 或者“2023.01.01”，我们可以将正则表达式写成「 2023[-./]01[-./]01 」，当然也可以简单的写成「2023.01.01」。

写正则表达式是一个寻求平衡的过程，它不是一味追求精简，比如上面的例子「2023[-./]01[-./]01」这种写法就要比「2023.01.01」表达的意思更加明确，但是写起来也更麻烦，而后面这种写法更加简单，但是匹配的不够精细。那么我们平时应该如何抉择？其实这取决于你对需要检索的文本的了解程度，以及你需要匹配的准确程度，在这二者之间寻求一个平衡。如果你确定在被检索的文本中使用「2023.01.01」去匹配不会得到其他非预期的结果，那么使用它就是简洁且合理的一种表示，但是当你不确定（比如被检索的文本中可能有一串数字2023001001），那么匹配就会得到非预期结果，此时应该选择更加精确的匹配方式「2023[-./]01[-./]01」。

5. 匹配任意子表达式

元字符「 | 」可以让我们把不同的子表达式组合成一个总的表达式，并且这个总表达式又能匹配任意一个子表达式，所有的子表达式都被称为“多选分支”。举例说明：上面提到的正则表达式「be[ae]r」还能写作「bear|beer」或者写作「 be(a|e)r」。

使用「be(a|e)r」这种方式时圆括号是必要的，否则「 bea|er 」的含义就变成了匹配 “bea” 或 “er”，很显然这不是我们预期的，圆括号的作用是可以限制元字符「 | 」的生效范围。

6. 可选项元素

元字符「 ? 」表示可选项，把它加在某个字符后面，就表示这里允许出现这个字符，但该字符并不是匹配成功的必要条件。该元字符只作用于它之前紧邻的一个元素。

比如6月份的英文是“June”，也能简写为“Jun”，所以我们既可以用「June|Jun」来匹配，也可以用「June?」来匹配。使用正则表达式来解决实际问题时，可能有很多不同的思路和方法，我们需要在其中寻找平衡。正则表达式不是死记硬背的公式，它其实灵活的像是一门艺术。

7. 重复出现

「 + 」和「 * 」的功能和「 ? 」类似，元字符「 + 」代表前面紧邻的字符出现一次或多次，而「 * 」代表前面紧邻的字符没有出现或出现多次。这三个元字符称作量词，因为它们限定了所作用字符的出现次数。 默认情况下，量词匹配将尽可能多地匹配，这种匹配方式被称作“贪婪匹配”。如果你希望尽可能少的匹配，那么就在字符串的后面加上[?]进行“非贪婪匹配“（也被称作“懒惰匹配“）。

8. 限制重复出现次数的范围

元字符序列「 {min, max} 」可以表示重现次数的区间范围，所以它叫做区间量词，例如「 {2, 4} 」能够容许的重现次数在2到4之间，当然它还有其它几种用法，总结如下：

{n} 准确匹配n次

{n,} 至少匹配n次

{,n} 最多匹配n次

{n,m} 最少匹配n次，最多不超过m次

9. 转义字符

如果想匹配的某个字符本身就是一个元字符，那么就需要用到转义字符(反斜杠 '')。比如要匹配一个网址 "www.huasui.com.cn"，如果不对[.]进行转义，正则表达式会认为这里的[.]是一个元字符，而不是普通的点号，所以正确的写法是「 www.huasui.com.cn 」。

四、 常用字符及其含义

字符	含义
	匹配一个词语边界，也就是词语和空格间的位置。例如，'st' 可以匹配"test" 中的 'st'，但不能匹配 "string" 中的 'st'
B	匹配非词语边界。'stB' 能匹配"string" 中的 'st'，但不能匹配"test" 中的 'st'
d	匹配一个数字字符。等价于 [0-9]
D	匹配一个非数字字符。等价于 [^0-9]
s	匹配任意空白字符，包括空格、换页符、制表符等。等价于 [ f v]。
S	匹配任意非空白字符。等价于 [^ f v]
w	匹配包含下划线的任意单词字符。等价于'[A-Za-z0-9_]'
W	匹配任意非单词字符。等价于 '[^A-Za-z0-9_]'
	匹配制表符。等价于 x09 和 cI
	匹配换行符。等价于 x0a 和 cJ
	匹配回车符。等价于 x0d 和 cM

五、 常用匹配组

匹配组	含义
(demo)	匹配demo并获取一个自动命名的组
(?demo)	匹配demo并获取组’name’
(?=demo)	demo出现在声明右侧，但demo不作为匹配结果返回。 例如： 输入：public keywod string "xyz"; 正则：w+(?=wod)，返回“key”， 含义：匹配以wod结束的单词，但不返回wod
(?<=demo)	demo出现在声明左侧，但demo不作为匹配结果返回 例如： 输入：public remember string "abc"; 正则：(?<=str)w+，返回“ing”， 含义：匹配以str开头的单词，但不返回str
(?!demo)	demo不出现在声明右侧，且demo不作为匹配结果返回 例如： 输入：remember bwa cwe "abc"; 正则：w*w(?!a)w*，返回“cwe”， 含义：匹配带w后面不是跟随a的单词
(?demo)	demo不出现在声明左侧，但demo不作为匹配结果返回

审核编辑：汤梓红