分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！http://www.captainbed.net

      今天想用正则表达式来获取收到的http报文中的content-length字段的值的时候，无意中发现一篇用tcl语言写的文章，觉得很不错。所以转载。

一、     介绍

追根溯源，正则表达式是在1956年的时候，人类最早研究神经网络的产物，但随着时间的流逝，几乎所有编程语言都加入了对它的支持，hoho~其实这个东西也是程序员开发中比较有名的一个难点。但是不要以为它只能用于程序开发，在Unix/Linux系统管理中它也有极为广泛的应用。

不要认为正则表达式很可怕，用直白的话来说，正则表达式就是利用26个英文字符与一些特殊符号的配合来进行文字内容比对的方法，绝大部分情况下，26个英文字符都代表它们本身，但在特殊符号的辅助下，这些英文字符也会有其他的含义，正则表达式比较困难的地方，也就在这种字符的2义性上面，这篇文档中对于这种具有字符2义性的地方，都会有专门的标注和说明。

如果用过Dos/Windows/Linux中的通配符，就可以理解正则表达式的作用了，通配符用*号匹配任意多的任意字符，用?号匹配任意的一个字符，正则表达式有更加复杂的一套匹配系统，可以用来匹配几乎所有希望匹配的文字内容。

二、     文档约定

本文档中的所有实例，都是在以下环境中调试和运行的：

操作系统：           CentOS4.1  （Linux 2.6.9-11）

编程语言：           TCL8.4

文本编辑器：         VIM6.3.46

文档格式约定：

实例的解释性文字，使用华文楷体小四号蓝色字体显示

 

实例的解释性文字

 

系统或程序输出，使用浅蓝色底纹表示

系统或者程序输出

  

特别需要注意和标注的地方，将以笑脸符号专门表示

   ☺ 看我可爱吗？

 

 

三、     基本正则表达式

正则表达式中，26个英文字符代表它们本身，但是下面表格中的特殊字符则赋予了更多不同的含义，一定要记住它们，因为它们是一切正则表达式的基础

特殊字符	简要说明
.	一个点，匹配任意一个字符
*	星号，匹配前面模式中的零个或者任意个
+	加号，匹配前面模式中的一个或者任意个
?	问号，匹配前面模式中的零个或者一个
()	括号，创建一个子模式
|	竖号，交替匹配
[]	中括号，用来表示一个区间
^	尖号，将一个模式挂靠在要匹配的字符串的最前面
$	美元号，将一个模式挂靠在要匹配的字符串的最后面

别看基本正则表达式就是这么9个符号，但是想完全理解和用好它们，还是很困难的，为了加深理解，我来详细的说明一下，这也是我自己学习时的理解和心得，请仔细的阅读。

这些符号的作用需要多方位理解，我大概是根据符号所属的类型以及它们所起的作用这2个方向来理解它们的。

按照类型划分，上面表格中的特殊字符分为几个类型：

字符关键字：

这部分关键字包括26个英文字符（上面的表格没有列出来）。这些关键字的特点就是它们匹配自身。

数量关键字：

这部分关键字包括 . （点） * （星号） + （加号） ? （问号）这4个关键字，这中间 . （点）这个关键字稍微特殊一点，因为它有2个作用：既可以作为字符关键字表示任何字符，又可以作为数量关键字代表1个字符。

【任何字符】这个含义很深，因为——空字符也算任何字符，也就是说一个点可以表示有一个字符，也可以表示没有字符，这个概念是新手很容易犯错的地方。

 

 

数量关键字本身没有任何用处，它必须和【模式】这个概念一起共同作用，在正则表达式中，【模式】可以说是最为核心也最为广泛的内容。总体来说，模式就是用来表示自己想匹配字符的方法，但实际上模式的概念要更为复杂和广泛，这部分内容我会在后面有更详细的描述，就现在来说，你只要理解，数量关键字必须与模式一起共用就可以了。

模式关键字：

（） （括号） | （竖号） [] （中括号） ^ （尖号） $ （美元号）这5个符号都属于模式关键字，它们要么代表模式本身（括号、竖号、中括号），要么作用于模式为模式提供其他更高级的功能（尖号、美元号）。

 

现在，我们从另一个角度来看这些关键字，下面的内容，详细说明这9个关键字所起的作用以及实际表达方法，这部分会有一些比较详细的说明和实例，但是在此之前，我们必须了解一下什么是模式：

什么是模式？

 

 

模式就是一组用来匹配字符的关键字集合，一个最小的模式只有一个关键字，而大的模式则可以有无数个关键字：

A      这是一个模式，代表A这个字符本身

A+     这也是一个模式，代表一个或者任意多个A字符

正则表达式中，数量关键字都是作用于左边模式的，上面的例子中，A是一个没有数量关键字的模式，而A+中的+号就向左作用于前面这个A模式，如果没有A这个模式，+号本身是没有任何意义的，这里A虽然是一个字符，但是我觉得把A称为模式能更清楚的理解模式的含义。

正则表达式的核心就是对模式的掌握和操作，理解了模式就等于拿到了开启大门的钥匙。

这里我介绍一个TCL语言中的命令：regsub，这个命令的作用就是利用正则表达式来获取想要的字符，它的使用方法如下：

regexp  [选项]  <正则表达式>  <匹配的原始字符串>  <保存匹配后字符串的变量>  [其他保存子模式匹配字符串的变量]

上面regexp中用[]括起来的部分是可选的，其他<>括起来的部分是必须的，如果正则表达式匹配从原始字符串中匹配到了内容，则命令返回1并且将匹配到的内容<保存匹配后字符串的变量>中。下面我们来看1个简单的例子：

regexp  {A+}  "AABBCC"  match

puts  $match

AA

上面的puts命令用来打印match变量中的内容，A+这个模式从AABBCC这个原始字符串中匹配到了AA这2个字符，并将它置于match这个变量中，这就是一个最基本的正则表达式使用过程。

正因为模式如此重要，下面的内容就要详细说明几个模式关键字的作用了：

()    子模式匹配关键字

小括号用来将一个大模式分为几段更小的模式，这样就可以更加精细的控制匹配方式了，我们来看一个例子：

regexp -- {(AA)(BB)(CC)} "AABBCC" match sub1 sub2 sub3

puts "The match is:$match"

puts "The sub1 is:$sub1"

puts "The sub2 is:$sub2"

puts "The sub3 is:$sub3"

The match is:AABBCC The sub1 is:AA The sub2 is:BB The sub3 is:CC

上面的例子中，处于{}之间的内容是一个完整的正则表达式，在正则表达式里面我们用()将表达式分为3个子模式，后面的match变量中保存所有已经匹配到的字符，而几个sub?变量则保存相应子模式中匹配到的字符。

 

|     交替匹配关键字

交替匹配用来匹配|符号二边的一个模式，比如下面的例子：

TOPSEC|topsec

上面的表达式表示匹配要么是全部大写的TOPSEC，要么是全部小写的topsec，不能2个都同时匹配。

 

[]    区间匹配

区间匹配用来表示匹配一系列字符串中间的一个，比如下面的例子：

regexp {[ADEFG]} "AAABBBCCC" match

puts $match

A

上面的表达式表示匹配ABCDE这5个字符中的一个，注意：只是一个

如果想匹配多个呢？可以使用数量关键字辅助：

regexp {[ADEFG]+} "AAABBBCCC" match

puts $match

AAA

区间匹配还可以使用[a-z]这样的语法来表示匹配从小写a到小写z这26个小写字母中的一个

 

 

这个关键字使用必须非常小心，因为在TCL语言中[]还有另外一个含义：所有处于[]中的内容是一条TCL命令，因此在regexp中使用的时候，必须用{}将[]的其他含义取消掉，如果将{}换成""，那么上面的命令会报错。

 

^     挂靠匹配，将模式挂靠在字符串的开头

这是一个很特殊的关键字，它不像其他关键字是作用于左边的模式上，而是作用于右边的模式上，千万注意这一点！它表示从要匹配的字符串的最前面开始匹配，我们来看一个比较的例子：

regexp  {(AAA)}  "BBBAAACCC"  match

可以匹配到，match中的值是AAA，但是我们加上挂靠匹配字符之后呢：

regexp  {^(AAA)}  "BBBAAACCC"  match

无法匹配，match中的值为空，因为^符号要求必须从要匹配的字符最前面开始匹配，可惜要匹配的字符最前面是BBB，所以无法匹配到。

 

 

^这个字符也有2义性，如果把它放在中括号里面的话，它表示【非】的意思，比如[^a-z]表示匹配不是a-z字母的其他字符，但是不在中括号里面，比如^ab表示必须最前面是ab这2个字符，这是很容易搞混的地方，一定要注意了。

 

$     挂靠匹配，将模式挂靠在字符串的结尾

这个关键字与^关键字作用相反，但是它和其他关键字一样，是作用于左边的模式上，还是看看例子：

regexp  {(AAA)$}  "BBBCCCAAA"  match

可以匹配到，因为要匹配的字符最后面是AAA，如果要匹配的字符是BBBAAACCC这样的，就无法匹配到了。

 

数量关键字：

. （点） * （星号） + （加号） ? （问号）用来表示数量。

.     匹配任意一个字符

.（点）是一个比较特殊的字符，它虽然表示匹配任意一个字符，但实际上任意字符也包括空字符。

 

*       匹配前面模式中的零个或任意多个

零个这个概念很重要，也就是说不管有没有都会匹配，所以一般我们都会用.*这样的方式来表示任意多个任意字符，不管有没有都可以。

+      匹配前面模式中的1个或任意多个

    ?      匹配前面模式中的0个或1个

 

 

?号还有一个术语——非贪婪模式，这也是正则表达式中非常重要的内容，所谓非贪婪模式，就是表示只要匹配到第一个就会停下来，而贪婪模式正好相反，它会尽可能多的匹配，这2种模式的最终结果就是：非贪婪模式总是获得第一个匹配，贪婪模式总是获得最后一个匹配。默认情况下，正则表达式总是处于贪婪模式下的。

基本正则表达式中还有一个很重要的符号：\（反斜杠），它用来关闭上面这些特殊字符的特殊含义，比如：

\*     表示一个星号本身

\+     表示一个加号本身

\\     表示一个反斜杠\（o(∩_∩)o...哈哈，自己关闭了自己）

在高级正则表达式中，反斜杠还有更多的用途。

四、     高级正则表达式

高级正则表达式是基本正则表达式的扩展，总体来说，高级表达式扩展了以下3个方面的功能：

1.     反斜杠字符序列

个人认为反斜杠字符序列应该是高级正则表达式最为实用的扩展了，利用反斜杠加上特定字符，可以表示复杂的含义，下面的表格就是根据我的经验使用最多的反斜杠序列，我会根据使用频率从上到下的安排顺序。

反斜杠序列	简要说明
\d	表示0-9之间的数字
\D	除了0-9之间数字的其他字符，与\d作用相反
\s	空白符，包括空格、换行、回车、制表、垂直制表、换页符等
\S	非空白符，与\s作用相反
\w	数字、字母和下划线
\W	非数字、字母和下划线的其他字符
\uXXXX	16位Unicode字符编码
\n	换行符，Unicode再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！http://www.captainbed.net