Regexp 是什麼東東?

Regular Expression (簡稱 regexp 或 RE) 是什麼? 有人直譯為「正規表示式」; 筆者偏好意譯, 姑且叫它「字串樣版」。 Regexp 是一組大約三四十個特殊符號 ( 完整文件), 只要學會其中常用二十來個, 就能搜尋字串/代換字串, 甚至完成許多滑鼠選單做不到的驚奇繁雜工作。 以下舉一些例子; 為讓您專注於 regexp 本身, 暫時不寫出完整的指令, 只寫出指令中關於 regexp 的那一小段。

  1. 英文的 "顏色" 一字, 有兩種拼法: color 及 colour。 用 regexp 表達, 可以一石兩鳥: colou?r 其中的 ? 表示 「前面的字元可有可無」
  2. 想要找 "port" 與 "ports", 但又不希望找到 "export", "portable", "important" 等等一大堆不相關的單字, 該怎麼辦? 用 \bports?\b 這裡的 \b 表示 「(文數字 vs. 標點符號等等其他字元 之間的) 邊界 (boundary); 旁邊不可有其他文數字」。 所謂文數字, 就是英文字母, 數字, 及底線 "_"。
  3. 在一篇文章當中, 抓出所有 「看起來像是機場代碼的字串」 (例如 TPE 臺北, KHH 高雄, LAX 洛杉磯, ... 等等): \b[A-Z][A-Z][A-Z]\b。 這裡的 [A-Z] 是 [ABCDEFGHIJKLMNOPQRSTUVWXYZ] 的簡寫, 意思是 「任何一個大寫字母」
  4. 如何在一大片文字, 銀行帳號, 信用卡號... 當中, 找出看來像是行動電話號碼的字串, 例如 0912345678 或是 0912-345678 或是 0912-345-678 之類的? 09\d\d-?\d\d\d-?\d\d\d 這裡的 \d 是 [0-9] 的簡寫, 這又是 [0123456789] 的簡寫, 意思是 「任何一個數字字元」
  5. 想要找一組數字 ip (例如 168.95.1.1 或 163.17.9.176 之類的) 印象中在某個檔案內曾看過, 但既不記得精確的數字, 也不記得在那個檔案看過, 該怎麼辦? 可以搜尋 \d+\.\d+\.\d+\.\d+ 抓出所有數字 ip。 這裡的 + 表示 「前面的東西, 可以重複出現 1 次, 2 次, 3 次, ... 任意次」。 因為 . 在 regexp 當中有特殊的意義: 「任何一個字元」; 但在這裡我們就是要找 "." 於是在前面加上 \ 以取消它的特殊意義。
  6. 可以把一個文字檔裡面的所有空白列都刪掉嗎? 這個 regexp 可以抓出所有空白列: ^\s*$。 在 regexp 最前面放一個 ^ 表示您只對 「出現在一列之首」 的樣版有興趣; 在 regexp 的最後面放一個 $ 表示您只對 「出現在一列之尾」 的樣版有興趣。 \s 是 [ \t\n] 的簡寫, 意思是 「任何一個空白字元」 (包含空格, tab, 等等)。 * 表示 「前面的東西, 可以重複出現 0 次, 1 次, 2 次, ... 任意次」。 這個樣版翻譯成中文, 就是 「從頭到尾都是一片空白的那種列」。

恭喜! 您已經學會大約十個 regexp 特殊符號。 Regexp 總共大約有三四十個符號; 不過其中大約有一半較少用; 只要熟用兩打, 就已經可以變很多魔術了。 你不只可以在 linux 命令列上使用 regexp, 還有 vim (及其他各種) 編輯器、 各種程式語言 (perl/python/php/ruby/javascript/C/C++/...)、 ... 等等許多環境裡面也都可以使用。 Regexp 是一種超級低成本, 高報酬的學習投資。 這也是為什麼我把 regexp 列為 推薦 「實用到二十二世紀」 的程式語言 的第一名。 耐心把這份講義看一半, 絕對比花時間學花俏的圖形介面軟體更值回票價。

你可先拿 假面電話簿 去練習。 (若出現亂碼， 請在瀏覽器裡 「檢視」=> 「編碼」=>「unicode」) 把這個檔案或是你自己想搜尋的文字檔案內容 (另一個例子： apache2 的 access.log) 剪貼到 regex101、 RegExr、 regex tester、 rubular 其中任何一個網站上， 然後在最上方試打各種 regexp， 讓各個欄位被標示出來。 提醒： 別貼隱私或機密文件內容!

能夠讓有興趣的字串被標示出來很有趣； 但若真的要能夠做一些有用的事， 那就需要命令列了。 請從 幾條不同的 linux 入門路徑 當中挑一個方法安裝、 進入 linux、 從選單當中找到終端機、 看著檔案總管截圖快學基本指令。 接下來的操作都在 linux 底下執行。

其他有趣的連結：

  1. Top 15 Commonly Used Regex
  2. Regex Cross­word
  3. 用十分鐘學會字串處理的那些事兒 (陳鐘誠老師)
  4. 正規表達式沒寫好會怎樣？淺談 ReDoS：利用 regexp 的攻擊