【iOS开发笔记25/50】：正则表达式

iOS在4.0里也可以用正则表达式了，功能也是相当强大。

曾以为自己已经掌握了正则表达式，这2天才明白正则表达式有多复杂，原来还有专门厚厚的一本书《正则表达式入门经典》。

 

小程序的目标是匹配PGN棋谱中的着法部分。

规则就是：数字表示第几回合，后面有个小句点，然后红方着法，可以跟评注，然后是黑方着法，可以跟评注。评注是放在花括号中的，可以单行，也可以多行。

1. 炮八平五 炮８平５

{ 红方首着架中炮必走之着，聂棋圣还架中炮拼兑子力，战术对头。}

2. 炮五进五 象７进５

3. 炮二平五

{ 再架中炮也属正着，如改走马八进七，则象５退７，红方帅府受攻，

当然若红方仍再架中炮拼兑，那么失去双炮就难有作用了。

}    马８进７

... ...

人工很容易读的棋谱，但用编程语言描述起来就不太容易了，最后写出来的正则表达式是一段天书：

\d+\.\s+\w{4}\s*(\{(.|[\r\n])*?\})?\s*\w{4}\s*(\{(.|[\r\n])*?\})?

放在iOS里还要加上转义符，就成了这样：

\\d+\\.\\s+\\w{4}\\s*(\\{(.|[\\r\\n])*?\\})?\\s*\\w{4}\\s*(\\{(.|[\\r\\n])*?\\})?

由于程序员还要提取出来回合数，红方着法，红方评注，黑方着法，黑方评注等重要信息，所以还要在上面的表达式里加上()这类的分组信息，最后的表达式更复杂了：

@"(\\d+)\\.\\s+(\\w{4})\\s*(\\{(?:.|[\\r\\n])*?\\})?\\s*(?:(\\w{4})\\s*(\\{(?:.|[\\r\\n])*?\\})?)?";

在编程序前，用了一款Windows上的小软件RegexBuddy把正则表达式测试好许多遍才通过，如果直接上机调试会累个半死。

先把较为简单的正则表达式的意思折开来理解一下：

\d+\.            // 一个整数，后面跟着小圆点
\s+                    // 1个以上的分隔符
\w{4}               // 4个字符
\s*                   // 0个以上的分隔符
(\{(.|[\r\n])*?\})?   // 一行或多行的放在花括号中{}的注释，红方的招法评注
\s*                   // 0个以上的分隔符
(                      // 最后一回合时，可以只有红方的招法
   \w{4}               // 4个字符
   \s*                  // 0个以上的分隔符
   (\{(.|[\r\n])*?\})?    // 一行或多行的放在花括号中{}的注释，黑方的招法评注
)?

这里面涉及到的正则表达式语法：

\d 匹配任何一个数字，即[0-9]

\d+表示1个以上的数字

(\d+) 强行加上小括号，分组，相当把这个值缓冲起来，在代码里用[myString substringWithRange:[match rangeAtIndex:1]]可以提取出来回合数

\. 表示小句点

\s 表示分隔符，包括空格、制表符和换行符

\s* 0个或多个分隔符

\w 表示字母、数字和下划线，这里还包括Unicode字符，不同的语言里有些不同

\w{4} 表示4个非空白字符

. 表示任何一个字符，不包括换行符

.* 表示任何多个字符，当然也不包括换行符了

(.|[\r\n])* 表示任何多个字符，包括换行符，贪婪扫描

(.|[\r\n])*? 表示任何多个字符，包括换行符，懒惰扫描

(?:.|[\\r\\n])   以(?:开头时的分组信息，表示不读取到缓冲器里，避免rangeAtIndex调用时产生副作用，后面还会遇到这样的(?:写法

\{(.|[\r\n])*?\}  一条放在花括号中间的注释语句，由于包含了换行符，所以支持多行注释

(\{(.|[\r\n])*?\})?  可以没有注释，也可以有1条注释

 

在iOS里用NSRegularExpression类来解析正则表达式，主要用法是：    

NSString *regTags = @"\\[(\\w*)\\s*\\\"(.*)\\\"]\\s*\\n";       // 设计好的正则表达式，最好先在小工具里试验好

NSRegularExpression *regex = [NSRegularExpressionregularExpressionWithPattern:regTags

                                              options:NSRegularExpressionCaseInsensitive    // 还可以加一些选项，例如：不区分大小写

                                              error:&error];

// 执行匹配的过程

NSArray *matches = [regex matchesInString:pgnText

                                options:0

                                range:NSMakeRange(0, [pgnText length])];

// 用下面的办法来遍历每一条匹配记录

for (NSTextCheckingResult *match in matches) {

       NSRange matchRange = [match range];

       NSString *tagString = [pgnText substringWithRange:matchRange];  // 整个匹配串

       NSRange r1 = [match rangeAtIndex:1];

       if (!NSEqualRanges(r1, NSMakeRange(NSNotFound, 0))) {    // 由时分组1可能没有找到相应的匹配，用这种办法来判断

           NSString *tagName = [pgnText substringWithRange:r1];  // 分组1所对应的串

       }

       NSString *tagValue = [pgnText substringWithRange:[match rangeAtIndex:2]];  // 分组2所对应的串

}

 

C#中的用法：

Regex reg = new Regex(@"\d+\.\s+(\w{4})\s*(?:\{(?:.|[\r\n])*?\})?\s*(\w{4})\s*(?:\{(?:.|[\r\n])*?\})?");
MatchCollection collection = reg.Matches(pgnText);
GroupCollection groupCollection;

foreach (Match match in collection)
{
    //Console.WriteLine(match.ToString());
    groupCollection = match.Groups;
    string redMove = groupCollection[1].Value;
    if (!redMove.Equals(""))
        chMoves.Add(redMove);
    string blackMove = groupCollection[2].Value;
    if (!blackMove.Equals(""))
        chMoves.Add(blackMove);
}

 

 

另外可参考的帖子：

在下面这个页面里介绍了正则表达式的贪婪和懒惰的问题以及一些高级用法

http://blog.benhuoer.com/posts/crucial-concepts-behind-advanced-regular-expressions.html

如何用正则表达式匹配C语言里的/* ... */ 这样的注释

http://ostermiller.org/findcomment.html

在VeryCD上有几本不错的正则表达式的书，先磨磨刀再写程序也不迟

http://www.verycd.com/topics/2826047/