上一篇文章講到，從根源上來講，正則表達(dá)式是為了解決文本的查找問題(也稱為匹配問題)而誕生的。不過，文本查找方式的歷史，要遠(yuǎn)早于正則表達(dá)式。

那么，在正則表達(dá)式出現(xiàn)之前，文本查找方式經(jīng)歷了什么演化過程呢？

最后為什么又出現(xiàn)了正則表達(dá)式呢？換言之，正則表達(dá)式的出現(xiàn)，在文本查找方面，解決了其出現(xiàn)之前所不能解決的什么問題呢？

接下來我們一起來尋找這些問題的答案。

直接字面查找方式

正則表達(dá)式其中最基本的功能是為了滿足文本查找的需求，而文本查找需求，是一種非常基礎(chǔ)、極為常見的需求。

很自然，最先想到和做到的當(dāng)然就是直接的字面文本查找(簡(jiǎn)稱字面查找)。所謂“字面文本”，指的是用于查找的文本本身就是直接要查找的文本，也就是說，用于查找的文本沒有特殊含義，就表示文本本身字面上的含義。

比如要查找文本“張三”，就直接以文本“張三”去進(jìn)行查找。

但有時(shí)我們的查找需求要更為復(fù)雜一些，比如不僅要查找“張三”，還有“李三”、“王三”等所有名字中含有“三”這個(gè)字的兩字姓名。

這種情況下，姓名中的姓就是不確定的了，那怎么辦呢？于是比直接的字面查找更為強(qiáng)大、更為方便的另一種查找方式出現(xiàn)了：間接的模式查找方式。

間接模式查找方式

這里出現(xiàn)了一個(gè)關(guān)鍵術(shù)語：模式。那什么是模式呢？

我們知道，工廠生產(chǎn)產(chǎn)品，往往需要先有產(chǎn)品的模板或模具。而模式，就是模板樣式或模具樣式。

正如符合某種樣式的模板或模具，可以用來生產(chǎn)符合這種樣式的同一類產(chǎn)品一樣，反過來，也可以用某種樣式的模板或模具，來檢驗(yàn)框定或篩選過濾出哪些產(chǎn)品才是符合這種樣式的同一類產(chǎn)品。

比如，以上面這個(gè)查找案例來說，從“張三”、“李三”、“王三”等所有名字中含有“三”這個(gè)字的兩字姓名中抽取出來的查找模式可能是這樣的：“?三”，其中的“?”代表所有的單姓。

（注：為簡(jiǎn)化討論，我們這里假定用于查找的文本僅限于姓名，不包括非姓名的其他文本，比如不包括“一二三”這樣的文本，而且也暫不考慮兩字姓名以外的其他三字姓名、四字姓名等。）

因此，就可以用“?三”這個(gè)查找模式來篩選過濾出所有兩字姓名中以“三”這個(gè)字為名字的姓名。 換句話說，只要是所有兩字姓名中以“三”這個(gè)字為名字的姓名，都屬于符合“?三”這個(gè)模式的同一類姓名，因此都可以通過該模式查找匹配出來。

這里，用于查找的文本模式“?三”，并不是我們要直接查找的文本本身，“?三”中的“?”并不是表示“?”這個(gè)字符的字面本身——問號(hào)字符，而是具有了特殊含義——表示所有的單姓，因而“?”在這里具有了一定程度的抽象性、代表性、通用性和普適性。

間接模式查找方式目前大致上可劃分為“通配符查找方式”和“正則表達(dá)式查找方式”兩種，下面分別進(jìn)行簡(jiǎn)要介紹。

通配符查找方式

通配符查找方式，在操作系統(tǒng)的文件查找功能中使用得非常普遍。

在這種間接的模式查找方式中，通常使用到的通配符除了上面提到的?號(hào)，還有*號(hào)。

在操作系統(tǒng)中，一般使用?和*這兩個(gè)具有抽象性、代表性和通用性的通配符來查找硬盤上的文件。其中，?通配符所規(guī)定的查找規(guī)則是查找文件名中的單個(gè)字符，而*通配符所規(guī)定的查找規(guī)則是查找文件名中的零個(gè)、一個(gè)或多個(gè)字符。

比如像“data?.dat”這樣的查找模式，將可以查找到下列文件名：

data1.dat

datax.dat

dataN.dat

而像“data*.dat”這樣的查找模式，則可以查找到下列文件名：

data.dat

data1.dat

data12.dat

datax.dat

dataXYZ.dat

因此，所謂“通配符”，即“通用的查找匹配字符”，就是將某些字符(比如?號(hào)和*號(hào))規(guī)定為特殊的用于查找文本的通用字符。

用某個(gè)通用字符按事先所規(guī)定的規(guī)則來查找某些常規(guī)字符，從而實(shí)現(xiàn)“以一對(duì)多”(或“以一代多”)、“以簡(jiǎn)對(duì)繁”(或“以簡(jiǎn)代繁”)地進(jìn)行查找。

相比較于直接的字面查找方式只能“以一對(duì)一”、“以多對(duì)多”，或者說“以簡(jiǎn)對(duì)簡(jiǎn)”、“以繁對(duì)繁”，通配符查找模式顯然更加抽象化、模式化，所以也就更為通用化、普適化。

然而，盡管通配符查找方式比直接的字面查找方式更強(qiáng)大、更方便、更通用、更普適，但它的功能還是非常有限的，無法精確而靈活地表達(dá)更為復(fù)雜的查找條件(即查找規(guī)則)。

比如無法分組、沒有分支結(jié)構(gòu)(即不支持“或運(yùn)算”)、不支持量詞(即不支持循環(huán))、不支持字符組等等。

比如，我們不僅要查找兩字姓名中的名為“三”字的所有姓名，還要查找兩字姓名中的名為“四”字的所有姓名，如果使用通配符查找方式的話，怎么辦呢？

由于通配符查找方式?jīng)]有分支結(jié)構(gòu)，不支持或運(yùn)算，即不支持類似于“?三|?四”這樣的寫法，則只能分兩次進(jìn)行查找，這顯然非常不方便。

再舉個(gè)例子，如果我們要查找文件系統(tǒng)中命名為DxxxDxxxDxxx.dat的所有文件(其中的x代表任意字符)，由于通配符查找方式不支持分組和量詞，也就是不支持類似于“(D?{3}){3}”這樣的寫法，也是相當(dāng)麻煩的。

正則表達(dá)式查找方式

查找需求的多樣化和復(fù)雜性，呼喚著比通配符查找方式更加強(qiáng)大、更加方便、更加通用、更加普適的查找方式。

于是，能夠更為精確、更為靈活地表達(dá)更加復(fù)雜、更加抽象、更加通用、更加普適的查找條件的全新查找方式——正則表達(dá)式就應(yīng)運(yùn)而生了。

因此，站在查找方式的歷史演化角度上來看，通配符查找方式可認(rèn)為是正則表達(dá)式的前身，或者換言之，正則表達(dá)式是通配符查找方式的升級(jí)版。

和通配符類似，正則表達(dá)式也是以間接的模式來進(jìn)行文本查找的。顯然，相比較于前面所述的“直接字面查找”方式來說，通配符查找方式和正則表達(dá)式查找方式這兩種以模式進(jìn)行查找的方式就是“間接模式查找”方式。

比如，還是前文所述的例子，我們不僅要查找兩字姓名中的名為“三”字的所有姓名，還要查找兩字姓名中的名為“四”字的所有姓名，用通配符查找方式是只能分成兩次進(jìn)行，但如果使用正則表達(dá)式查找的話，只需查找一次，并且寫法非常簡(jiǎn)潔：.三|.四，顯然更為方便。

同樣，如果我們要查找文件系統(tǒng)中命名為DxxxDxxxDxxx.dat的所有文件(其中的x代表任意字符)，使用通配符查找方式的話，查找表達(dá)式寫起來也是很麻煩的，但如果使用正則表達(dá)式的話，只需寫作：(D.{3}){3}，正則表達(dá)式的表達(dá)能力明顯比通配符強(qiáng)得多。

顯然，正則表達(dá)式查找方式相比較于通配符查找方式來說，更為淋漓盡致地體現(xiàn)了“以一對(duì)多”(或“以一代多”)、“以簡(jiǎn)對(duì)繁”(或“以簡(jiǎn)代繁”)的模式查找方式的特點(diǎn)。

這就是正則表達(dá)式?之所以被發(fā)明出來的原因。

不過，既然正則表達(dá)式更為抽象化、通用化和普適化，也更為模式化，功能也更為強(qiáng)大、更加靈活，當(dāng)然也就更為復(fù)雜，更難以學(xué)習(xí)和掌握。

畢竟，強(qiáng)大靈活與簡(jiǎn)單易用，始終都是一對(duì)矛盾。

總結(jié)

以上是生活随笔為你收集整理的【转】刨根究底正则表达式（2）：文本查找方式的演化历史的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。