正则表达式

正则表达式

有些人在面对问题时，不经大脑便认为，“我知道，这里该用正则表达式”。现在他要面对两个问题了。

——Jamie Zawinski

• 如果只是在字符串中进行简单的文本搜索，不要使用正则表达式，比如 string['text']。
  [link]

• 对于简单的构建操作，使用正则表达式作为索引即可。
  [link]

match = string[/regexp/]             # 获取匹配的内容
first_group = string[/text(grp)/, 1] # 获取匹配的分组（grp）的内容
string[/text (grp)/, 1] = 'replace'  # string => 'text replace'

• 当你不需要分组结果时，使用非捕获组。
  [link]

## 差
/(first|second)/

## 好
/(?:first|second)/

• 避免使用 Perl 风格的、用以代表最近的捕获组的特殊变量（比如 $1、$2 等）。使用 Regexp.last_match(n) 来替代。
  [link]

/(regexp)/ =~ string
...

## 差
process $1

## 好
process Regexp.last_match(1)

• 避免使用数字来获取分组。因为很难明白它们代表的含义。使用命名分组来替代。
  [link]

## 差
/(regexp)/ =~ string
...
process Regexp.last_match(1)

## 好
/(?<meaningful_var>regexp)/ =~ string
...
process meaningful_var

• 在字符类别中，只有少数几个你需要特别关心的特殊字符：^、-、\、]，所以你不需要转义 [] 中的 . 与中括号。
  [link]

• 小心使用 ^ 与 $ ，它们匹配的是一行的开始与结束，而不是字符串的开始与结束。如果你想要匹配整个字符串，使用 \A 与 \z。(注意，\Z 实为 /\n?\z/)
  [link]

string = "some injection\nusername"
string[/^username$/]   # 匹配成功
string[/\Ausername\z/] # 匹配失败

• 对于复杂的正则表达式，使用 x 修饰符。这种做法不但可以提高可读性，而且允许你加入必要的注释。注意的是，空白字符会被忽略。
  [link]

regexp = /
  start         # some text
  \s            # white space char
  (group)       # first group
  (?:alt1|alt2) # some alternation
  end
/x

• 对于复杂的替换，使用 sub/gsub 与哈希或区块组合的调用形式。
  [link]

words = 'foo bar'
words.sub(/f/, 'f' => 'F') # => 'Foo bar'
words.gsub(/\w+/) { |word| word.capitalize } # => 'Foo Bar'