正則表達(dá)式的應(yīng)用研究

徐安令

摘要：正則表達(dá)式本質(zhì)上來說是一項(xiàng)規(guī)則，而這種規(guī)則主要用來對一類字符串的共性進(jìn)行描述，正則表達(dá)式的發(fā)展，已形成了一種從字符的集合中來尋找某個指定的字符串的程序工具。它具有既簡潔又結(jié)構(gòu)化的優(yōu)點(diǎn)，近年來，正則表達(dá)式已經(jīng)從一個模糊的數(shù)概念，發(fā)展成了一項(xiàng)重要的，在各個領(lǐng)域都有重大作用，能解決很多實(shí)際問題的計(jì)算機(jī)功能，本文主要講述了正則表達(dá)式的概念，意義及實(shí)際應(yīng)用等問題，希望能有助于人們對正則表達(dá)有更客觀的認(rèn)識，并加深對它的研究。

關(guān)鍵詞：正則表達(dá)式 概念 背景與意義 應(yīng)用

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）05-0000-00

1正則表達(dá)式的概念

正則表達(dá)式本質(zhì)上來說是某種遵循一定規(guī)則的表達(dá)式，同時也可以認(rèn)為是一種程序語言，這種語言能對文字進(jìn)行較為模糊的匹配。具體來說就是，正則表達(dá)式可以用某些特殊符號代表一組字符和指定對其匹配的次數(shù)，當(dāng)然，前提是這種字符必須具有某種特征，此時，具有這些特殊符號的文本就不再用以表示特定文本的內(nèi)容了，反而是變成了文本模式，這種文本模式就可以對所有符合此模式的一切文本串進(jìn)行匹配。

2正則表達(dá)式的應(yīng)用背景與意義

隨著計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)已經(jīng)成為了人們獲取信息的重要手段，并且更好地實(shí)現(xiàn)了資源與信息的共享，然而網(wǎng)絡(luò)信息仍然有很多不足，如存在很多諸如數(shù)據(jù)語義信息不清晰、模式等不明確、表現(xiàn)形式單一、信息利用率較為低下的問題，而這些問題都可以通過應(yīng)用正則表達(dá)式來解決。正則表達(dá)式本身就是一種程序語言，能對文字進(jìn)行較為模糊的匹配，通過對文字的匹配提取等，網(wǎng)絡(luò)信息的抽取也能變得容易起來。根據(jù)定制的模板，從文本中把特定的信息抽取出來，使這些數(shù)據(jù)相對結(jié)構(gòu)化，并且還要分析和整理這些信息內(nèi)容，以上操作即為信息抽取的過程。這種信息抽取的作用類似于信息檢索，但其比信息檢索更為前沿和新穎，近幾年已經(jīng)成為了研究網(wǎng)絡(luò)信息處理的熱點(diǎn)問題，而正則表達(dá)式，在抽取信息、搜集數(shù)據(jù)等各個方面都發(fā)揮著重要的作用，基于其是對一類字符串進(jìn)行共性描述的規(guī)則，它更是一種處理字符串并且尋找特定字符串必不可少的工具。

3正則表達(dá)式的分類

（1）以功能為標(biāo)準(zhǔn)進(jìn)行區(qū)分：可分為基本正則表達(dá)式與擴(kuò)展正則表達(dá)式。前者包含于后者之中。

（2）以實(shí)現(xiàn)方式為標(biāo)準(zhǔn)區(qū)分：基于確定型有窮自動機(jī)引擎和基于非確定型有窮自動機(jī)引擎，這兩種實(shí)現(xiàn)方式有理論上的區(qū)別，因此在應(yīng)用范圍上也有很大的不用。

（3）以對邏輯結(jié)構(gòu)的描述的精確度區(qū)分：用于校驗(yàn)檢測的，需要完全精確地對字符串進(jìn)行描述的類型，和用于數(shù)據(jù)提取的，需要描述的精確度不高的類型。

4正則表達(dá)式的應(yīng)用

4.1應(yīng)用于通過文本解決實(shí)際問題

正則表達(dá)式是美國數(shù)學(xué)家Stephen Kleene 提出的，可以通過提取、替換文本子字符串的方式來快速分析大量的文本并且能找到特定的某種字符模式的一種程序。其最開始的主要作用是用來對正則集代數(shù)進(jìn)行描述。后來也應(yīng)用于實(shí)用Ken Thompson 的計(jì)算搜索上的某些研究探討上。當(dāng)前正則表達(dá)式的應(yīng)用已不單單局限于字符層面的處理了，而是能夠應(yīng)用于各個領(lǐng)域了，尤其是在解決實(shí)際問題方面，作用更加突出，比如可以用來對數(shù)據(jù)的有效性合法性進(jìn)行驗(yàn)證等，目前最普遍的是在對用戶密碼、電話號碼等身份驗(yàn)證等方面發(fā)揮作用。總之，大多數(shù)與文本關(guān)系密切的問題，如果應(yīng)用正則表達(dá)式這種方法來加以解決，都會是更高效的，并且相對于其他方法來說，也會顯得更加簡潔。

4.2 應(yīng)用于內(nèi)容格式的顯示

現(xiàn)在多數(shù)信息在信息庫中都是以html 的形式存儲的，并且前臺內(nèi)容也會因后臺管理上對各板塊排版格式的變化而各有不同，更重要的是即使改版頁面，也不能完全修改數(shù)據(jù)庫中的html 的格式。要解決這一問題，正則表達(dá)式就派上了用場。我們完全可以用正則表達(dá)式這一方法將以已讀取的html代碼換種形式，即替換為格式控制代碼，進(jìn)而控制html的顯示。

4.3應(yīng)用于信息的抽取

近幾年來，計(jì)算機(jī)發(fā)展十分迅速，隨之而來的便是信息爆炸和大量電子文檔的泛濫，尋找一種能在大量的信息中抽取能滿足不同人需求的信息的技術(shù)方法，也就成為了時代的要求，而正則表達(dá)式在這種需求中也就應(yīng)運(yùn)而生了，顧名思義，從文本中抽取信息即為信息抽取。

（1）web 新聞網(wǎng)頁中的信息用正則表達(dá)式來提取。信息網(wǎng)頁具有很多其他媒體不具備的特點(diǎn)，包括時效性強(qiáng)，信息量大、結(jié)構(gòu)較為穩(wěn)定等各個特點(diǎn)，因此它的應(yīng)用率更高，尤其是新聞網(wǎng)頁，只要是符合條件的新聞紀(jì)錄，都會在它的檢索條件內(nèi)，其作用相當(dāng)于是充當(dāng)了“索引”的角色，對于這一龐大的信息網(wǎng)，也就更適合采用正則表達(dá)式的方式來進(jìn)行信息提取，若是采用其他手段，則不會如此快速高效的實(shí)現(xiàn)信息的提取利用。

（2）文本文檔中的信息用正則表達(dá)式來抽取。對于一些以文本格式存儲的電子文檔，如果能實(shí)現(xiàn)這些非結(jié)構(gòu)化的文本格式向半結(jié)構(gòu)化的格式的轉(zhuǎn)變，那么勢必會有利于人們實(shí)現(xiàn)資源的充分利用，并且能最大程度上提高資源的利用效率。為了實(shí)現(xiàn)這一目的，正則表達(dá)式的利用是必不可少的。

5結(jié)語

正則表達(dá)式是一種由普通字符和元字符構(gòu)成的特殊的字符串，應(yīng)用此技術(shù)可以在數(shù)據(jù)提取、驗(yàn)證其格式的有效性等各方面展開工作，提高其效率及時效性，因此具有很大的實(shí)際應(yīng)用價(jià)值，以上提出的關(guān)于正則表達(dá)式的幾項(xiàng)應(yīng)用，希望能對從事這些工作的人有所幫助。

參考文獻(xiàn)

[1]余晟（譯），（美） Jeffrey E.F.Friedl 著.精通正則表達(dá)式.第3版.北京：電子工業(yè)出版社，2007.

[2]李銘（譯），（美） Christian Nagel， Bill Evjen， Jay Glynn 著，C#2005&.NET3.0 高級編程.第5版.北京：清華大學(xué)出版社，2007.

[3]王珊，陳紅.數(shù)據(jù)庫系統(tǒng)原理教程.北京：清華大學(xué)出版社，2000.

[4]宋鑫坤，陳萬米，朱明，等.基于正則表達(dá)式的語音識別控制策略研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010，20（2）：106-109.