Chinaunix

标题: 学习分享--正则中的环视 [打印本页]

作者: jeffreyst 时间: 2014-04-18 17:00
标题: 学习分享--正则中的环视
本帖最后由 jeffreyst 于 2014-04-18 17:15 编辑

网上有关于环视的解释，有些写的很长，很佩服这些这么耐心解释正则环视的大神（绝无讽刺之意），
但是我实在没有太多的耐心把这些内容看完，在此深深的鄙视下自己^-^

在此分享下我对正则环视的理解,在下也是初学，说的不好或者不对的地方，请各位大神指正，多谢！

环视的作用：确定一个位置
下面看下一个从ifconfig中过滤ip地址的例子（获取下面红色标注的IP）
[root]# ifconfig
lo       Link encap:Local Loopback
      inet addr:127.0.0.1  Mask:255.0.0.0
      inet6 addr: ::1/128 Scope:Host
      UP LOOPBACK RUNNING  MTU:16436  Metric:1
      RX packets:69954 errors:0 dropped:0 overruns:0 frame:0
      TX packets:69954 errors:0 dropped:0 overruns:0 carrier:0
      collisions:0 txqueuelen:0
      RX bytes:5139078 (4.9 MiB)  TX bytes:5139078 (4.9 MiB)

p4p1    Link encap:Ethernet  HWaddr A4:1F:72:79:0C:8D
      inet addr:10.84.22.21  Bcast:10.84.22.255  Mask:255.255.255.0
      inet6 addr: fe80::a61f:72ff:fe79:c8d/64 Scope:Link
      UP BROADCAST RUNNING MULTICAST  MTU:1500  Metric:1
      RX packets:121702347 errors:0 dropped:0 overruns:0 frame:0
      TX packets:133507811 errors:0 dropped:0 overruns:0 carrier:0
      collisions:0 txqueuelen:1000
      RX bytes:42562340126 (39.6 GiB)  TX bytes:58317218304 (54.3 GiB)

方式1：ifconfig | grep -oP "[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}"

只看这个正则就感觉比较“笨”，呵呵！这样的结果如下，但是不精确。
127.0.0.1
255.0.0.0
10.84.22.21
10.84.22.255
255.255.255.0
最后还要过滤下，只显示我们需要的两个IP，ifconfig | grep -oP "[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}" | sed -n '1p;3p'

方式2：

看下上面ifconfig显示的内容，我们就很容易发现两个IP前都有一个字串“ inet addr:”
如果使用一种方法把要匹配的位置指定到“ inet addr:”后面就好了，这时我们就可以用到正则的环视了...环视的使用场景就是这样...
现在我们重新写下这个语句：ifconfig | grep -oP "(?<=inet addr:)[0-9\.]+"；这个黑色高亮的部分就是逆序环视了
所谓环视，就是找位置，顺序环视是找字串左面的位置，逆序环视是确定字串右面的位置，那上面的逆序环视确定的位置就是从“inet addr:”开始了...
上面语句就是匹配从“inet addr:”后面开始，由数字和“.”组成的字串，那就是要找的IP了。
执行结果是：[root]# ifconfig | grep -oP "(?<=inet addr:)[0-9\.]+"
127.0.0.1
10.84.22.21

方式3：

如果我们只想要IP：10.84.22.21
我们很容易发现，这个IP是在字串“inet addr:”和 “ Bcast”之间的，修改下上面的语句为：
ifconfig | grep -oP "(?<=inet addr:).*(?= Bcast)"
执行结果就是我们想要的IP：10.84.22.21
我们在语句中又加了一个括号，目的就是要再确认一个位置，这个位置就是要定做“ Bcast”左面，这个括号中的内容就是顺序环视了
一个逆序环视指定边界从表达式的右边开始（我们想要的IP的左边界），
并上一个顺序环视，指定一个结束位置是到表达式的左边（确定了IP的右边界），那么IP的位置就确认了，表达式“.*”就能匹配到这个IP的内容。

总结下，上面说的都是肯定环视，就是匹配到表达式后做的操作，具体的格式如下：

(?<=Expression) 逆序肯定环视，表示所在位置左侧能够匹配Expression
(?=Expression) 顺序肯定环视，表示所在位置右侧能够匹配Expression

否定环视的格式如下：
(?<!Expression) 逆序否定环视，表示所在位置左侧不能匹配Expression
(?!Expression) 顺序否定环视，表示所在位置右侧不能匹配Expression
由于否定的逆序的应用场景我还没有遇到，在这里就不举例了，但是原理应该和上述的类似...

作者: jeffreyst 时间: 2014-04-18 17:02
自己先顶下

顺便问下，帖子中的表情怎么去掉？

作者: laliheyi 时间: 2014-04-18 17:03
禁用表情{:3_182:}

作者: Shell_HAT 时间: 2014-04-18 17:04
Nice work!

作者: jeffreyst 时间: 2014-04-18 17:10
本帖最后由 jeffreyst 于 2014-04-18 17:11 编辑

回复 3# laliheyi

那个表情对应的字符是“:”和“)”
在下愚钝，该如何修改，麻烦具体说下，多谢！

作者: Shell_HAT 时间: 2014-04-18 17:13
回复 5# jeffreyst

顶楼那个帖子，点击“编辑”，勾选右侧的“禁用表情”

作者: jeffreyst 时间: 2014-04-18 17:20
回复 6# Shell_HAT

搞定，多谢HAT哥，上次看到大神用环视，一直很纠结怎么用，今天发奋研究了下...
把研究成果发了出来，请大家帮忙看看有没有什么地方理解的不正确...献丑了！

作者: cxm240 时间: 2014-04-18 18:00
不错..........

作者: blackold 时间: 2014-04-18 18:10
回复 1# jeffreyst

总结就有进步，好!

作者: love_shift 时间: 2014-04-18 18:36

好像比零宽断言好听~

作者: expert1 时间: 2014-04-20 22:11

好贴好贴，学习一下。

作者: cao627 时间: 2014-04-21 10:27
个人觉得还是还是翻译为“断言”比较好。至于加上零宽二字就没必要了。

也没必要将 (?<=Expression) 理解为：匹配的是一个位置，这样理解没错，但不好记。

这样比较好记
(?<=Expression)pat ：pat断言它自己左边有Expression。即左边没有Expression的pat 不是符合条件的pat。

所以“断言”比“环视”好。

作者: Herowinter 时间: 2014-04-21 10:37
回复 12# cao627
英文叫Zero-Width Assertions，好像是直译的。

作者: cao627 时间: 2014-04-21 10:48
@Herowinter
可能老外也不统一，有叫Lookaround的。

作者: jeffreyst 时间: 2014-04-21 11:25
回复 12# cao627

怎么说呢？其实我对零宽断言和环视之间的区别理解不是太深，
我觉得零宽断言这个定义的范围应该比环视的定义大一些，毕竟零宽断言包含其他一些“^”等锚点，
而本文说的环视，是通过一些符号+Expression来确定的Expression前/后的位置，
这个位置的确定是有参照的字串和方向的（相对于Expression的位置），所以个人认为环视比较准确，毕竟有顺序和逆序之分。

要是从记忆的角度上来说的话，个人觉得这个概念的意义就不是那么大了，反而是它的应用场景比较重要，
它本质上就是来找到一个位置，既然是个位置，那么可以理解成字串宽度为0，这个符合零宽断言的字面意思。
Expression前面的字符决定着这个位置在Expression的方向以及是肯定匹配还是否定匹配的。

作者: zxy877298415 时间: 2014-04-21 11:37
回复 1# jeffreyst
[root@hardowrking scripts]# ifconfig
eth0    Link encap:Ethernet  HWaddr 08:00:27:04:61:98
      inet addr:192.168.137.32  Bcast:192.168.137.255  Mask:255.255.255.0
      UP BROADCAST RUNNING MULTICAST  MTU:1500  Metric:1
      RX packets:642 errors:0 dropped:0 overruns:0 frame:0
      TX packets:234 errors:0 dropped:0 overruns:0 carrier:0
      collisions:0 txqueuelen:1000
      RX bytes:75701 (73.9 KiB)  TX bytes:38243 (37.3 KiB)

lo       Link encap:Local Loopback
      inet addr:127.0.0.1  Mask:255.0.0.0
      UP LOOPBACK RUNNING  MTU:16436  Metric:1
      RX packets:5775 errors:0 dropped:0 overruns:0 frame:0
      TX packets:5775 errors:0 dropped:0 overruns:0 carrier:0
      collisions:0 txqueuelen:0
      RX bytes:6078345 (5.7 MiB)  TX bytes:6078345 (5.7 MiB)

[root@hardowrking scripts]# ifconfig | grep -oP "[0-9]{3}\.[0-9]{3}\.[0-9]{3}\.[0-9]{3}"
192.168.137.255

我这个很精确啊！

作者: jeffreyst 时间: 2014-04-21 11:41
回复 16# zxy877298415

你的IP应该是这个吧：192.168.137.32
这个语句只是个引子，我的目的是通过环视来匹配这个ip，顺便说下使用环视匹配的过程而已

作者: zxy877298415 时间: 2014-04-21 11:45
回复 17# jeffreyst
嗯，好帖子学习了，如果位数固定的话，还是能用方法一

作者: blackold 时间: 2014-04-21 11:55
回复 15# jeffreyst

个人觉得，你的理解已经很深了。

lookaround 和 zero-width assertion 本来就是两个不同的概念。

显然，"lookaround zero-width assertion" 只是一种特殊的 zero-width assertion。
如你所说 zero-width assertion 的范围更广, 包括 ^ $ \b等等。

至于如何翻译，自己喜欢就好。关键是要明白是怎么回事。往往有五花八门的翻译，
其实表达的都是同一个意思。

作者: cao627 时间: 2014-04-21 12:41
本帖最后由 cao627 于 2014-04-21 12:43 编辑

@jeffreyst

毕竟零宽断言包含其他一些“^”等锚点

只觉得的“环视”的话光看字面不知说云。“断言”二字却能望文生意，至于零宽不零宽根本没当回事。

作者: jeffreyst 时间: 2014-04-21 13:50
回复 19# blackold

嗯嗯，黑哥说的一针见血

作者: prcardin 时间: 2014-07-12 17:02
mark学习！

作者: qq58945591 时间: 2014-07-13 21:59
学习了，唉，以前不懂老是用笨办法，一次又一次的截取，先普通grep，再sed, 这个就一次成型，简洁

作者: Buring__ 时间: 2014-07-16 17:17

很赞，

作者: zerostudy 时间: 2014-07-17 08:51
学习，不错~
这个东东之前在正则30分入门看过。

作者: lolizeppelin 时间: 2014-07-17 13:24
赶紧转了 ~ mark

作者: jeffreyst 时间: 2014-07-17 13:52
回复 25# zerostudy

这个正则30分组入门还不错，但是里面有个懒惰模式，还没学会...

http://www.jb51.net/tools/zhengze.html

作者: zerostudy 时间: 2014-07-17 14:13
回复 27# jeffreyst

懒惰这个反而好记哦，有些就可以不用分析他的匹配规则，直接.*?，来达到效果。

作者: jeffreyst 时间: 2014-07-17 14:30
回复 28# zerostudy

嗯嗯，用grep简单试了试，没看到效果

作者: zerostudy 时间: 2014-07-17 14:41
回复 29# jeffreyst

[root@localhost awk]# cat p
inet addr:10.16.66.106 Bcast:10.16.66.255 Mask:255.255.255.0 inet addr:10.16.66.108 Bcast:10.16.66.255 Mask:255.255.255.0
[root@localhost awk]# cat p | grep -oP "(?<=inet addr:).*(?= Bcast)"
10.16.66.106 Bcast:10.16.66.255 Mask:255.255.255.0 inet addr:10.16.66.108
[root@localhost awk]# cat p | grep -oP "(?<=inet addr:).*?(?= Bcast)"
10.16.66.106
10.16.66.108
[root@localhost awk]#

复制代码

有效果吧

作者: jeffreyst 时间: 2014-07-17 16:13
回复 30# zerostudy

确实看到了区别，但是理解的依然不是太好，尤其是看到下面的解释：

表5.懒惰限定符
代码/语法说明
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

尽可能少重复，是什么意思...
帮忙解释下，多谢先~

作者: cxm240 时间: 2015-01-17 15:37
看起来不错，有空学习下

jeffreyst 发表于 2014-07-17 13:52
回复 25# zerostudy

欢迎光临 Chinaunix (http://bbs.chinaunix.net/)