理解Lua中的模式匹配(Pattern Matching) |
您所在的位置：网站首页 › 素描三级画画内容 › 理解Lua中的模式匹配(Pattern Matching) |
|
最近在学习Lua的过程中，发现Lua中并没有内置正则表达式的功能，而是发明了一种类正则表达式的规则——模式匹配(Pattern Matching)来支持类似功能。其主要原因是出于程序大小的考虑：一个符合POSIX标准的正则表达式实现要大于4000行代码，比整个Lua的标准库都要大，而相比之下，Lua中模式匹配的实现只有不到500行。模式匹配的功能虽然没有正则表达式那般强大，但也足以应对大多数场景。这也算是一个“空间换时间”的思路——程序员们的学习时间。本篇将通过一些示例来帮助理解Lua中的模式匹配。 快速预览以下示例程序从字符串s中提取日期部分并打印输出： s = "Deadline is 30/05/1999, firm" date = "%d%d/%d%d/%d%d%d%d" print(string.match(s, date)) --> 30/05/1999其中字符串data就是用作匹配的“模式”(pattern)。不难发现，%d表示一个数字，告诉string.match：把在字符串s中形如dd/mm/yyyy格式的日期匹配出来。 模式的组成 character classes类似%d的用法，在Lua中称之为character classes，列举如下： character class匹配%a字母%c控制字符 (例如回车:\n)%d0-9的数字%l小写字母%p标点符号%s空白字符%u大写字母%w字母和数字%x十六进制%z空字符"\0"使用character class的大写可以表示该类型的补充。例如％A代表所有非字母字符： s, _ = string.gsub("hello, up-down!", "%A", ".") print(s) --> hello..up.down.string.gsub函数过程：匹配"hello, up-down!"中所有非字符字符(%A)，并用"."替代这些符。 magic characters至此，我们发现character class只能匹配一个字符，能力十分有限。不过Lua还引入了类似正则表达式语法，可以通过一些特殊字符实现复杂匹配，这些特殊字符在Lua中称为magic characters，列举如下： magic character描述备注()标记一个子模式，供后续使用，跟正则的用法类似.匹配所有字符类似正则表达式，只不过正则表达式的.不包括回车"\n"%1. 可用作转义符;2. 声明character classess;3. 跟()结合用于子模式匹配：%N，N是一个数字,表示匹配第N个子串，例如%1,%2 ...，跟正则表达式的1,1,1,2...类似。+匹配前面的模式1次或多次-匹配前面的模式0次或多次,返回最短的匹配结果，模式匹配中的“非贪婪模式”*匹配前面的模式0次或多次?匹配前面的模式0次或1次如果处于模式开头，则表示匹配输入字符串的开始位置，如果放在[]中，表示取补集, 跟正则表达式的用法基本一致$表示匹配输入字符串的结尾位置，跟正则表达式的用法基本一致[ ]表示一个字符集合（char-set)，跟正则用法类似例如[%w_]表示匹配字母数字和下划线,[a-f]表示匹配字母a到f 示例在Lua中，用到模式匹配的函数主要有： 函数签名基本用途string.find(string, pattern [, init, plain])在字符串中查找符合pattern模式的第一个实例，并返回其起止位置string.match(string, pattern [, init])返回字符串中符合pattern模式的第一个实例string.gmatch(string, pattern)返回一个迭代函数，该函数每次调用会返回下一个匹配的实例string.gsub(string, pattern,repl [, n])把字符串中所有被pattern匹配的字符串都替换为repl，返回替换后的字符串[]中的参数为可选参数，详尽的函数说明请参阅官方文档。 www.lua.org/manual/5.1/… 接下来我们将通过几个示例程序来演示如何使用模式匹配。 基本示例 匹配多次 -- + 匹配1次或多次 print(string.match("hello world 123","%w+ %w+")) --> hello world print(string.match("helle world 123","[%w %d]+")) --> hello world 123 -- ? 匹配0或1次 （匹配一个有符号数） print(string.match("the number is: +123", "[+-]?%d+")) --> +123 print(string.match("the number is: 123", "[+-]?%d+")) --> 123 print(string.match("the number is: -123", "[+-]?%d+")) --> -123 -- * 匹配0次或多次 print(string.match("abc123abc", "%a+%d*%a+")) --> abc123abc print(string.match("abcabc", "%a+%d*%a+")) --> abcabc 使用[]组合 -- 匹配所有字母数字和 "." print(string.match("a1.a2+a3","[%w.]+")) --> a1.a2 -- 匹配所有数字，等同于%d+，这里只是作为示例，实际编码使用%d+即可 print(string.match("abc123","[0-9]+")) --> 123 -- 匹配所有字母和数字，等同于%w+，这里只是作为示例，实际编码中使用%w+即可 print(string.match("abc123","[a-fA-F0-9]+")) --> abc123 -- 匹配0和1 print(string.match("1010345","[01]+")) --> 1010 -- ^取反， 匹配除了字母以外的所有字符 print(string.match("abc123","[^%a]+")) --> 123 使用()和%N来捕获子模式以下这个例子使用()来捕获子模式，并且返回对应子模式的匹配结果： date = "17/7/1990" _, _, d, m, y = string.find(date, "(%d+)/(%d+)/(%d+)") print(d, m, y) --> 17 7 1990这个例子很好理解：我们在模式中使用()定义了三个子模式，string.find将子模式的匹配结果作为返回值分别返回。 使用()搭配%N，还可以直接在模式中使用被捕获的子模式的值，例如提取一个字符串中被双引号"或单引号'包裹的部分，可以这样做： s = [[then he said: "it's all right"!]] a, b, c, quotedPart = string.find(s, "([\"'])(.-)%1") print(quotedPart) --> it's all right print(c) --> "模式([\"'])(.-)%1包含两个子模式，%1则表示匹配到的第一个子模式（也就是返回值c），也就是([\"'])匹配到的值，在这个例子中，是双引号"。在这个示例中，不能简单的使用类似[\"'].-[\"']这样的模式，因为显然这条模式只能匹配到it。 非贪婪匹配+,*,?的匹配规则跟正则表达式中的贪婪匹配类似，总是尽可能多的匹配。正则表达式使用?来表示非贪婪限定符。在Lua中，?不具备这样的功能，而是使用-来表示非贪婪匹配，例如： print(string.match("helloworld",".+")) --> helloworld print(string.match("helloworld",".-")) --> hello我们希望匹配HTML元素span之间的内容，在第一条模式中，由于.+是贪婪匹配，所以直接匹配到了结尾的之前，也就是helloworld。第二条模式中，.-会匹配尽可能少的字符，也就是非贪婪匹配模式（懒惰模式），匹配到第一个就停止匹配了。 通过string.gusb来观察匹配结果： -- 期望将xxx中的xxx替换成lua -- 贪婪匹配，替换了整个字符串 print(string.gsub("helloworld",".+","lua")) --> lua -- 非贪婪匹配，结果符合预期 print(string.gsub("helloworld",".-","lua")) --> lualua要注意，-用在模式的开头是没有意义的，因为-表示匹配0次或多次，如果放在开头，那意味着永远都表示匹配0次。 string.gmatchstring.match只能匹配字符串中第一个符合pattern模式的字符串，如果我们想得到字符串中所有符合pattern模式的子串，则可以使用string.gmatch，以上述贪婪匹配为例，打印所有span标签中的元素： for i in string.gmatch("helloworld", "(.-)") do print(i) end输出结果： hello world可以发现，我们对pattern做了一点小手脚，从.-改成了(.-)。这样使得string.gmatch返回的迭代器会直接迭代捕获的子模式，也就是(.-)。如果沿用原本的pattern，则输出为： hello world这是gmatch的特性：如果在pattern中出现了()，则迭代器只会迭代()所匹配的子串，如果没有，则返回所有匹配的字符串。利用这个特性，还可以实现读取类似key=value键值对的功能： s = "from=world, to=Lua" for k, v in string.gmatch(s, "(%w+)=(%w+)") do print("key="..k) print("value="..v) end输出结果： key=from value=world key=to value=Lua string.gsubstring.gsub用于字符串的匹配-替换，使用参数repl替换字符串中的所有（或者前n个，如果有传入第三个参数来给定）符合pattern的字符串，其中repl可以是字符串，方法或者是table： x = string.gsub("hello world", "(%w+)", "%1 %1") --> x="hello hello world world" --%1 表示(%w+)所匹配的字符串，也就是"hello world"。 x = string.gsub("hello world", "%w+", "%0 %0", 1) --> x="hello hello world" --第三个参数表示替换前1一个，也就是第一个，匹配到的字符串，也就是"hello"。 --对于第一次匹配，$0 $0 = "hello hello"。 --因此得到结果为"hello hello world"。 x = string.gsub("hello world", "%w+", "%0 %0", 2) --> x="hello hello world world" --第三个参数表示替换前2个匹配到的字符串，也就是"hello"和"world"。 --对于第一次匹配，$0 $0 = "hello hello". --对于第二次匹配，$0 $0 = "world world" --因此得到结果为"hello hello world world" x = string.gsub("hello world from Lua", "(%w+)%s*(%w+)", "%2 %1") --> x="world hello Lua from" x = string.gsub("home = $HOME, user = $USER", "%$(%w+)", os.getenv) --> x="home = /home/roberto, user = roberto" --%$中的%是转义，表示匹配$ --当第二个参数是函数的时候,这个函数会在每次匹配到模式的时候调用，入参为()所匹配的子模式 --函数返回值则则作为替换的字符串。 --在这个示例中，会调用 os.getenv("HOME") 和 os.getenv("USER")，并根据返回值替换原字符串。 x = string.gsub("4+5 = $return 4+5$", "%$(.-)%$", function (s) return loadstring(s)() end) --> x="4+5 = 9" local t = {name="lua", version="5.1"} x = string.gsub("$name-$version.tar.gz", "%$(%w+)", t) --> x="lua-5.1.tar.gz" 执行过程拆解string.gsub玩法十分丰富，但万变不离其宗。理解了其执行过程，再理解上面的示例就很轻松了。 string.gsub的执行过程就是一个模式匹配+字符串替换的循环，直到模式匹配停止。过程伪代码表示如下： repeat 执行模式匹配 根据repl规则，对本次循环模式匹配到的字符串进行替换 until (模式匹配结束)如果不传递第三个参数，string.gsub默认对字符串进行完全匹配，如果我们不需要对字符串进行完全匹配（例如像是string.match和string.find,只匹配第一个结果就结束了），我们可以通过第三个参数来设定要匹配几次——也就是设定模式匹配什么时候结束。在当前匹配-替换循环中，repl只会感知到本次模式匹配的结果：例如%N所捕获的子串的是当次匹配的子串，如果repl是一个函数，那么函数的入参也是当次匹配的字符串，返回值也只替换当次匹配的字符串。 参考www.lua.org/manual/5.1/… www.lua.org/pil/20.1.ht… www.fhug.org.uk/wiki/wiki/d… www.jianshu.com/p/f141027e1… |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |