Regular Expression

正規表達式 (RE, Regex, Regular Expression) 是一種擷取規則文字的機制。其原理為：

1. 建立文法 (Grammar) 表達式。
2. 演算法根據其規則進行比對 (Match)。
3. 若相符，將會把文法中的群組 (Group) 內容取出，稱為 Token。
4. 若不相符，會跳過。
5. 繼續尋找直到搜尋完畢。

在閱讀 Syntax 之前，可以先透過本節學習如何從有規律的文字中擷取需要的內容。

本節使用 JavaScript 表示 RE 文法，故會有夾注號 / 如：/re+/。使用其他程式語言時可忽略，按其規則為準。

推薦的測試網站：https://regex101.com

Rules

Base Grammar

除了特殊字元，RE 的文法等價於要解析的文字：

/abc/  // abc

特殊字元，作為起始即有特殊作用：., ?, +, *, |, [, (, ), $, ^, \

非特殊字元，可單獨作為表示，但是可配合特殊字元：,(comma), {, }, ]

Any Single Character

使用 . 表示任意單一字元，包含不可視字元。

Escape Character

跳脫字元 (Escape Character) 為反斜線 \。

主要可以表示特殊規則，幫助縮減文法長度。

另外可以強迫特殊字元（包含自身）變成普通文字。

Invisible Characters

不可視字元 (Invisible Characters) 為顯示或列印時沒有顯示符號的字元，如下：

Repetition

單一文字重複規則如下：

/a{n}/  // 表示 a 重複 n 次
/a{n,}/  // 表示 a 最少重複 n 次，最多無限次
/a{n,m}/  // 表示 a 最少重複 n 次，最多 m 次

而簡化語法如下：

/a?/  // 表示 a 最少重複 0 次，最多 1 次（可寫可不寫）
/a+/  // 表示 a 最少重複 1 次，最多無限次
/a*/  // 表示 a 最少重複 0 次，最多無限次

若前一個是群組則會套用到群組的規則。

/(abc)+/  // abc, abcabc, abcabcabc, ...

Group

使用群組 (Group) 功能擷取文字，符號為 ( 和 )。

定義 Group 0 為整段符合的文字，剩下的從 1 開始編號，重複的以此類推。

/(aaa)(bbb)/  // g0: aaabbb, g1: aaa, g2: bbb
/(aaa)(bbb)+/  // g0: aaabbbbbb, g1: aaa, g2: bbb, g3: bbb

若沒有要擷取文字，為了方便定義規則，可以宣告為匿名群組。

/(?:abc)+/

Logical Or

邏輯或 | 運算子能夠將多個類似的規則在同個文法中表現。

然而正規表達式的邏輯或運算子是最低優先權的，必須使用匿名群組等提升優先權。

/aa(?:bb|cc|dd)e/  // aabbe, aacce, aadde

List

清單 (List) 表示單一字元的多種選項，是邏輯或的一種縮寫，符號為 [ 和 ]。

/a[bcd]e/  // abe, ace, ade
/a(?:a|b|c)e/  // 等價

為了方便，清單支援 ASCII Code 的範圍 (Range) 標示，且可以連續標示。 不過如果是其他字元，會以 ASCII 的編號表示。

/[0-9]/  // 0 ~ 9
/[a-zA-Z]/  // a ~ z, A ~ Z

另外清單前端加上 ^ 符號為反向集合，會對應到沒有顯示的字元，可以只標示例外即可。

/[^a-z]/

而清單也支援重複的定義。

/[qrs]{3}/  // qqq, rrr, sss, ...

Anchor

定位點 (Anchor) 可以幫助在文字中定位，不代表任何字元，常用的如下：

• ^：整個字串或行的開頭。
• $：整個字串或行的結尾。

Common Tokens

以下列舉常用的規則：

Flags

正規表達式的選項稱為 Flag，可能因為不同程式語言的規則而異。常用的如下：

在 JavaScript 中，Flag 可以寫在括弧後啟用。

/abc/gm

Token Example

試著思考題目，並參考正規表達式的撰寫思路。

CSV

逗號分隔值 (CSV, Comma-Separated Values) 通常為逗號、縮進、空白等符號分開數值。

0.01 0.06 -9.997
1.69 +40.44 4.6321

思路：

• 數字在文法中可以表示成：

  /d+/
  

• 浮點數可以表示成：

  /\d*\.?d+/
  

• 帶有符號的浮點數可以表示成：

  /[+-]?\d*\.?d+/
  

• 每行有三個數值，用空白分隔，可以表示成：

  /^([+-]?\d*\.?d+) ([+-]?\d*\.?d+) ([+-]?\d*\.?d+)$/m
  

可得：

G Code

假設這是某台工具機的指令碼，你必須設計它的速度規劃。 在忽略換行記號的情況下，試著抓取以下每行 G code 中的 G 碼、座標和進給速度。 不相關的內容可以忽略。

%
O100
G00 G40 G49 G20 G90
N05 M10
N10 M05
N15 G91 G28 Z0
N20 G90
N25 T1 M06
N30 G00 Z.1
N35 G00 X2.5 Y2.5
N40 G01 Z-.25 F200
N45 G01 X5 Y5
N50 G00 Z.1
N55 G28 X0 Y0
N60 M05
N65 M45
%

• 根據 N、G、X、Y、Z、F 排列順序，每個符號會跟隨一個整數或帶符號的浮點數。

  /N\d+/
  /X[+-]?\d*\.?\d+/
  

• 而 N、X、Y、Z、F 為可選的項目。

  /(?:X([+-]?\d*\.?\d+))?/
  

• 可以使用 \s* 代表間隔的空白，每行可排列成：

  /G(\d+)\s*(?:X([+-]?\d*\.?\d+))?\s*(?:Y([+-]?\d*\.?\d+))?\s*(?:Z([+-]?\d*\.?\d+))?\s*(?:F([+-]?\d*\.?\d+))?\s*/
  

可得：