正则表达式匹配网页源码时容易遇到的问题

凯旋软件开发 · 发表于 2012-11-17 08:42:28

这是我失败数百次后总结出来的一些经验。希望让学正则的新手少走弯路。
1、编写正则时最好不要用辅助软件
这一点是最重要的，我有许多次都是用的“精易编程助手”来调试正则(并不是诋毁编程助手，而是在其中可以匹配的正则的确不能用在易语言中)，结果发现，每次在助手里调试成功可以匹配到的正则，复制粘贴到易语言中却匹配不到了。这里建议大家先用自己所学的那种语言做一个正则调试软件，然后把要匹配的原文本放在编程软件里调试输出一下，把输出的内容复制粘贴进自己做的正则调试里再慢慢调试匹配。
2、网页源码中经常出现的于正则相冲突的符号
很多php或动态网页中都有类似这样的连接，“www.x.com/a.php?t=165789”大家一定要注意了，这个连接中的?是和正则有冲突的，意为?前面的p出现0次或1次，但p后面也就没有原来的?符号了，自然就匹配不到了，解决办法是在?前面插入一个转义符“\”。
类似易产生冲突的符号还有[]|这三个，这三个符号通常在网页中前两个括起来一个重要的内容，后一个用来分割一些内容。但他们三个在正则中都是有意义的，所以在源码中遇到这些符号要果断用.或插入\来代替。
3、正则中不可创建的符号
有一次我调试正则，发现无论怎么样都无法匹配到原文本，甚至.+也无法匹配。在失败了数十次后，调试输出了一下正则创建所返回的逻辑值，发现竟然返回了一个“假”，也就是创建失败，为什么正则会创建失败呢？在我又调试了数次之后，发现只要正则表达式中含有“{”或“}”便会创建失败，这个问题是我在易语言里发现的，其他语言会不会这样我不知道。