有关 Regular Expression 正则表达式 的粗浅资源介绍

最近在讨论回应 ebag 的
关于支援万用字元的文字编辑器
关于perl的语法
是有关 regular expression 的议题。

在此把相关的粗浅了解做个介绍。
regular expression 被翻成：
正则表示式、正规表示法、常规表示式、字串样版，
没有太同一的翻法。在此以 regex 来简称。

ebag提到：
其实我主要研究是印学与书学方面的人文科学，我可能会努力学这些软体，但若想推广这样的方法，会有很大的困难。
一般人很难像我一样，又喜欢作造形艺术研究又会尝试着「程式的应用」，所以我希望能够有一种简单且易学的且普遍软体，能够处理我们研究中会面临到的一些计算，或者寻找取代的事务。

从您篆来撰去网站所看到的，
真的是少见的有趣主题。

您可以从图形界面的编辑器，
发现到 perl语法搜寻与取代的应用，
可能是慢慢发现到现有常见的编辑器的功能，
愈来愈不够您使用。

其中您提到「一些计算，或者寻找取代的事务」，
是您目前觉得帮助您发展解决能力的方向；
这个议题应就是 Regular Expression(简称 regex)；
相对于 九九乘法及各运算符号 是处理数字的工具，
regex 是处理 文字符号的 Search Pattern(搜寻样式)、Pattern Match(样式比对)的工具。
而这 regex 在图形界面编辑器 像 EmEditor、Notepad++ 所发挥的功能有限，
对于一般的文字编辑使用，大致上是够用。
但要做一些较複杂而大量处理时，
就要看一下哪些软体、工具能更灵活地应用 regex 来处理。

洪朝贵的 一辈子受用的 Regular Expressions -- 兼谈另类的电脑学习态度，
是蛮好的 regex 的推广文，其中有新版的议义也不错，
但里面的例子直接用 Perl，且用命令列、一行指令来执行示範，
对初学者还是有点辛苦。
新版的讲义 字串样版 Regexp: 兼谈长线学习投资，
及上述的旧版讲义，可先浏览其概念，
一时弄不清楚语法没关係，
可先从其他资料入门后，
以后再回来看一下这边语法所要表达的。

我自己并不是资讯或工科的背景，
而是也属人文的图书馆系，
当时我也忘了是什么原因，
为了想解决这样的问题：
抓出目录里的一堆HTML档的title，
就自行在天龙买了本 sed & awk 来摸索，
虽然还是很多搞不大清楚，
但基本的 regex 的了解，
就够基本处理的使用。
比方说，怎么把一个文字档中的所有「空行」去掉？
我也很好奇用这问题问资讯科系的同学，
回答是：自己写程式来去掉所有空行。
我也蛮讶异，现成的工具就可以马上解决，
何必要从头做轮子来解决问题？
如今回想，在比较传统的程式语言的教本中，
大部份难见到 regex 的议题；
较新的程式语言，
就比较会把 regex 当一回事。
写有关网页程式的，
比较会用到 regex，
写 非网页程式的，
用 regex 的机会应是不多。
(自己的推测，没有考证根据)

我想说的是，要处理「文字议题」的工作，
基本上并不需要「写程式」来解决问题，
只要用这些现成的 软体或工具，
懂得这些 pattern、样式的语法，
来做套用、比对、处理；
除非是要同时处理大量批次执行，
才需要比较简单的程式语言的 script 来跑一下，
或者需要做成 web 界面来执行，
才比较需要所谓的写程式。

现在有关 regex 的资料多而广泛，
鸟哥的 第十二章、正规表示法与文件格式化处理
是相当不错的入门文件，
把 *nix 上最常见的 grep, sed, awk 的基本使用，
具体而实用的範例介绍。

专讲 regex 的书现在也有好多本，
(在 amazon 找 regular expression，看一下结果)
Mastering Regular Expressions, Third Edition
讲得具体而深入，也比较了不同工具上，regex 的差异。

而 PCRE - Perl Compatible Regular Expressions
是在 perl 用的 regex 的语法，
更能发挥 regex 的功用或能力，
所以有些软体，例如像您所用的 EmEditor，
就把 PCRE 的表达式，做为其 样式比对 的一种依据。

而在一般作业系统的环境下，
常见的万用字元，
大概算是 POSIX Basic Regular Expressions 的简化功能。

这个网站 http://www.regular-expressions.info/ 有很好的 regex 的资源。
在该网站也有一些 windows 上的 regex 工具介绍，
也可以在 windows 上装 Unix-Like 的工具，
或者在虚拟机器随便装个linux，
或用linux的live光碟跑，
就有非常好的 regex 相关的内建工具。

较会从处理文字议题者，
regex 是方便有弹性的工具，
但若要处理 HTML, DOM, XML等 tag 语言，
用这 regex 就太麻烦而琐碎些，
而需要用具处理 DOM 的工具会更适用。