学习动态网页制作PHP技术的正则表达式(2)_PHP教程

教程Tag：暂无Tag,欢迎添加,赚取U币!

推荐：单元测试对PHP代码的检查
测试驱动的开发和单元测试是确保代码在经过修改和重大调整之后依然能如我们期望的一样工作的最新方法。在本文中，您将学习到如何在模块、数据库和用户界面(UI)层对自己的 PHP 代码进行单元测试。现在是凌晨 3 点。我们怎样才能知道自己的代码依然在工作呢?

三、为交替操作分组

交替操作符号(|)的优先级很低，这意味着它经常交替超过程序员所设计的那样。比如，从文本里面抽取Email地址的正则表达式可能如下：

^CC:|To:(.*)

上面的尝试是不正确的，但是这个bug往往不被注意。上面代码的意图是找到“CC:”或者“To:”开始的文本，然后在这一行的后面部分提取Email地址。

不幸的是，如果某一行中间出现“To:”，那么这个正则表达式将捕获不到任何以“CC:”开始的一行，而是抽取几个随机的文本。坦白的说，正则表达式匹配 “CC:”开始的一行，但是什么都捕获不到;或者匹配任何包含“To:”的一行，但是把这行的剩余文本都捕获了。通常情况下，这个正则表达式会捕获大量 Email地址，所有没有人会注意这个bug。

如果要符合实际意图，那么你应该加入括号说明清楚，正则表达式如下：

(^CC:)|(To:(.*))

如果真正意图是捕获以“CC:”或者“To:”开始的文本行的剩余部分，那么正确的正则表达式如下：

^(CC:|To:)(.*)

这是一个普遍的不完全匹配的bug，如果你养成为交替操作分组的习惯，你就会避免这个错误。

四、使用宽松数量词

很多程序员避免使用宽松数量词比如“*?”、“ ?”和“??”，即使它们会使这个表达式易于书写和理解。

宽松数量词可以尽可能少的匹配文本，这样有助于完全匹配的成功。如果你写了“foo(.*?)bar”，那么数量词将在第一次遇到“bar”时就停止匹配，而不是在最后一次。如果你希望从“foo###bar bar”中捕获“###”，这一点就很重要。一个严格数量词将捕获“###bar ”。

假设你要从HTML文件里面捕获所有电话号码，你可能会使用我们上文讨论过的电话号码正则表达式的例子。但是，如果你知道所有电话号码都在一个表格的第一列里面，你可以使用宽松数量词写出更简单的正则表达式：

; ;(. ?) ;

很多刚起步的程序员不使用宽松数量词来否定特定种类。他们能写出下面的代码：

; ;([^>;] );

这种情况下它可以正常运行，但是如果你想捕获的文本包含有你分隔的公共字符(这种情况下比如;)，这将会带来很大麻烦。如果你使用了宽松数量词，你只要花上很少的时间组装字符种类就能产生新的正则表达式。

在你知道你要捕获文本的环境结构时，宽松数量词是具有很大价值的。

五、利用可用分界符

Perl 和PHP语言常常使用左斜线(/)来标志一个正则表达式的开头和结尾，Python语言使用一组引号来标志开头和结尾。如果在Perl和PHP中坚持使用左斜线，你将要避免表达式中的任何斜线;如果在Python中使用引号，你将要避免使用反斜线(\)。选择不同的分界符或引号可以允许你避免一半的正则表达式。这将使得表达式易于阅读，减少由于忘记避免符号而潜在的bug。

Perl和PHP语言允许使用任何非数字和空格字符作为分界符。如果你切换到一个新的分界符，在匹配URL或HTML标志(如“http://”或“
;”)时，你就可以避免漏掉左斜线了。

例如，“/http:\/\/(\S)*/”可以写为“#http://(\S)*#”。

通用分界符是“#”、“!”和“|”。如果你要使用方括号、尖括号或者花括号，只要保持前后配对出现就可以了。下面就是一些通用分界符的示例：

#…# !…! {…} s|…|…| (Perl only) s[…][…] (Perl only) s<…>;/…/ (Perl only)

在Python中，正则表达式首先会被当作一个字符串。如果你使用引号作为分界符，你将漏掉所有反斜线。但是你可以使用“r''”字符串避免这个问题。如果针对“re.VERBOSE”选项使用三个连续单引号，它将允许你包含换行。例如 regex = "(file://w )(//d )"可以写出下面的形式：

regex = r'''

(\w )

(\d )

'''

小结

本文的建议主要着眼于正则表达式的可读性，在开发中养成这些习惯，你将会更加清晰的考虑设计和表达式的结构，这将有助于减少bug和代码的维护，如果你自己就是这个代码的维护者你将倍感轻松。