Care and Handling of Regular Expressions
本章開頭列出的第二點需要注意的就是：正則表達式的句法規則（syntactic packaging），它告訴應用程序：「嘿，這兒有一個正則表達式，我需要你做這些」。egrep是一個簡單的例子，因為正則表達式是作為命令行參數傳過去的。其他的「語法訣竅（syntactic sugar）」，例如我在第1章堅持使用的單引號，是因為考慮到shell，而不是egrep。複雜的系統，例如程序設計語言中的正則表達式，需要更多的包裝，系統才能知道哪些部分是正則表達式，需要如何處理。
下一步是考察我們能夠對匹配結果進行的操作。同樣，egrep在這方面很簡單，因為它做的都是同樣的事情（顯示包含匹配文本的行），但是，我們在前一章的開頭已經說過，真正有意義的是更複雜的操作。其中最基本的是匹配（檢查一個正則表達式是否能匹配一個字符串，或者從字符串中提取信息），以及查找和替換，根據匹配的結果修改字符串。這些操作可以以多種形式進行，不同的語言對此也有不同的規定。
一般來說，程序設計語言有 3 種處理正則表達式的方式：集成式（integrated）、程序式（procedural）和面向對像式（object-oriented）。在第一種方式中，正則表達式是直接內建在語言之中的，Perl就是如此。但是在其他兩種方式中，正則表達式不屬於語言的低級語法。相反，普通的函數接收普通的字符串，把它們作為正則表達式進行處理。由不同的函數進行不同的、關係到一個或多個正則表達式的操作。大多數語言（不包括Perl）採用的都是這兩種方式之一，包括Java、.NET、Tcl、Python、PHP、Emacs、lisp和Ruby。
集成式處理
Integrated Handling
我們已經看過Perl的集成式處理方法，例如第55頁的例子：
為清楚起見，我用斜體標注變量名，正則表達式相關的部分則用粗體標注，正則表達式本身用下畫線標注。Perl 會把正則表達式「^Subject：·（.＊）」應用到$line 保存的文本中，如果能夠匹配，則執行下面的程序段。其中，變量$1代表括號內的子表達式匹配的文本，將它們賦值給$subject。
另一個集成式處理的例子是把正則表達式作為配置文件的一部分，例如 procmail（Unix 下的一個郵件處理程序）。在配置文件中，正則表達式用於將郵件信息發佈到對應的處理程序中。這個例子比Perl更簡單，因為不需要指明操作對像（郵件信息）。
這兩個例子背後的原理要複雜一些。集成式處理方法減輕了程序員的負擔，因為它隱藏了一些工作，例如正則表達式的預處理，準備匹配，應用正則表達式，返回結果。省略這些操作減輕了常見任務的完成難度，不過我們之後將會看到，有些情況下，這樣處理反而更慢，更複雜。
不過，在深入細節之前，我們先打量打量其他的處理方式，然後再來揭示這些被隱藏的步驟。
程序式處理和面向對像式處理
Procedural and Object-Oriented Handling
程序式處理和面向對像式處理非常相似。這兩種方式下，正則功能不是由內建的操作符來提供，而是由普通函數（函數式）或構造函數及方法（面向對像式）來提供的。這種情況下，並沒有專屬於正則表達式的操作符，只有平常的字符串，普通的函數、構造函數和方法把這些字符串作為正則表達式來處理。
下面幾節給出了幾個Java、VB.NET、PHP和Python的例子。
Java中的正則處理
現在來看「Subject」例子在Java中的實現方式，使用Sun提供的java.util.regex包（第8章詳細介紹Java）。
我仍然用斜體標注變量名，粗體標注正則表達式相關的元素，下畫線標注正則表達式本身。準確地說，是用下畫線標注表示作為正則表達式處理的普通的字符串。
這個類說明了面向對像式處理方法，它使用Sun提供的java.util.regex包的兩個類——Pattern和Matcher。其中執行的操作有：
∂ 檢查正則表達式，將它編譯為能進行不區分大小匹配的內部形式（internal form），得到一個「Pattern」對象。
● 將它與欲匹配的文本聯繫起來，得到一個「Matcher」對象。
÷應用這個正則表達式，檢查之前與之建立聯繫的文本，是否存在匹配，返回結果。
≠ 如果存在匹配，提取第一個捕獲括號內的子表達式匹配的文本。
任何使用正則表達式的語言都需要進行這些操作，或是顯式的（explicitly）或是隱式的（implicitly）。Perl隱藏了大多數細節，Java的實現方式則暴露這些細節。
函數式處理的例子。不過，Java 也提供了一些函數式處理的「便捷函數（convenience functions）」來節省工作量。用戶不再需要首先聲稱一個正則表達式對象，然後使用該對象的方法來操作。下面的靜態函數提供了臨時對象，執行完之後，這些對象就會被自動拋棄。這個例子用來說明Pattern.matches（…）函數：
這個函數包裝了一個隱式的「^…$」的正則表達式，返回一個Boolean值，說明它是否能夠匹配輸入的字符串。Sun的package同時提供程序式和面向對像式的處理方式是常見的做法。兩種接口的差別在於便捷程度（程序式處理方式在完成簡單任務時更容易，但處理複雜任務則很麻煩）、功能（程序式處理方式的功能和選項通常比對應的面向對像式的要少）和效率（在任何情況下，兩類處理方式的效率都不同——第6章詳細論述這個問題）。
Sun 有時也會把正則表達式整合到 Java 的其他部分，例如上面的例子可以使用 string 類的matches功能來完成：
同樣，這種辦法不如合理使用面向對象的程序有效率，所以不適宜在對時間要求很高的循環中使用，但是「隨手（casual）」用起來非常方便。
VB和.NET語言中的正則處理
儘管所有的正則引擎都能執行同樣的基本操作，但即使是採用同樣方法的各種實現方式（implementation）提供給程序員完成的任務，以及使用服務的方式也各有不同。下面是VB.NET中的「Subject」例子（.NET在第9章詳細論述）：
總的來說，它很類似Java的例子，只是.NET將第●和第÷步結合為一步，第≠步需要一個確定的值。為什麼會有這樣的差異？兩者並沒有本質上的優劣之分——只是開發人員採用了自己當時覺得最好的方式（稍後我們會看到這點）。
.NET同樣提供了若干程序式處理的函數。下面的代碼用於判斷空行：
Java 的 Pattern.matches函數會自動在正則表達式兩端添加「^…$」，微軟則提供了更為一般的函數。Java的做法只是對核心對象的簡單包裝，但程序員需要使用的字符和變量更少，而代價只是一點點性能下降。
PHP中的正則處理
下面是使用PHP的preg套件中的正則表達式函數處理「Subject」的例子，這是純粹的函數式方法（第10章詳細介紹PHP）。
Python中的正則處理
最後我們來看Python中「Subject」的例子，Python採用的也是面向對像式的辦法。
這個例子與我們之前看過的非常類似。
差異從何而來
為什麼不同的語言採用不同的辦法呢？可能有語言本身的原因，不過最重要的因素還是正則軟件包的開發人員的思維和技術水準。舉例來說，Java 有許多正則表達式包，因為這些作者都希望提供 Sun 未提供的功能。每個包都有自己的強項和弱項，不過有趣的是，每個軟件包的功能設定都不一樣，所以Sun最終決定自己提供正則表達式包。
另一個關於這種差異的例子是 PHP，PHP 包含了三種完全獨立的正則引擎，每一種都對應一套自己的函數。PHP 的開發人員在開發過程中，因為對原有的功能不滿意，添加新的軟件包和對應的接口函數套件來升級 PHP 核心（一般認為，本書講解的「preg」套件是最優秀的）。
查找和替換
A Search-and-Replace Example
「Subject」的例子太簡單，還不足以說明3種方法之間的差異。在本節我們將看到更複雜的例子，它進一步揭示了不同處理方式在設計上的差異。
在前一章，我們看到了在Perl中利用查找和替換將E-mail地址轉換為超鏈接的例子（☞73）：
Perl的查找和替換操作符是「原地生效」的，也就是說，替換會在目標變量上進行。其他大多數語言的替換都是在目標文本的副本上進行的。如果不需要修改原變量，這樣操作就很方便，不過如果需要修改原變量，就得把替換結果回傳給原變量。下面給出了一些例子。
Java中的查找和替換
下面是使用Sun提供的java.util.regex進行查找-替換的例子：
請注意，字符串中的每個『』都必須轉義為『\\』，所以，如果我們像本例中一樣用文本字符串來生成正則表達式，「w」就必須寫成『\\w』。在調試時，System.out.println（r.pattern（））可以顯示正則函數確切接收到的正則表達式。我在這個正則表達式中包括換行符的原因是，這樣看起來很清楚。另一個原因是，每個＃引入一段註釋，直到該行結束，所以，為了約束註釋，必須設定某些換行符。
Perl使用/g、/i、/x之類的符號來表示特殊的條件（這些修飾符分別代表全局替換、不區分大小寫和寬鬆排列模式☞135），java.util.regex則使用不同的函數（replaceAll而不是replace），以及給函數傳遞不同的標誌位（flag）參數（例如Pattern.CASE_INSENSITIVE和Pattern.COMMENTS）來實現。
VB.NET中的查找和替換
VB.NET的程序與Java的類似：
因為VB.NET的字符串文字（literal）不便於操作（它們不能跨越多行，也很難在其中加入換行符），長一點的正則表達式使用起來不如其他語言方便。另一方面，因為『』不是VB.NET中的字符串的元字符，這個表達式看起來要更清楚些。雙引號是 VB.NET 字符串中的元字符，為了表示這個字符，我們必須使用兩個緊挨著的雙引號。
PHP中的查找和替換
下面是PHP中的查找和替換的例子：
就像Java 和VB.NET 一樣，查找和替換操作的結果必須回傳給$text，除去這一點，這個例子和Perl的很相似。
其他語言中的查找和替換
Search and Replace in Other Languages
下面我們簡要看看其他傳統工具軟件和語言中查找和替換的例子。
Awk
Awk 使用的是集成式處理方法，/regex/，來匹配當前的輸入行，使用「var～…」來匹配其他數據。你可以在 Perl 中看到這種匹配表示法的影子（不過，Perl 的替換操作符模仿的是sed）。Awk的早期版本不支持正則表達式替換，不過現在的版本提供了sub（…）操作符。
sub(/mizpel/,〞misspell〞)
它會把正則表達式「mizpel」應用到當前行，將第一個匹配替換為 misspel。請注意，在Perl（和sed）中的對應做法是s/mizpel/misspell/。
如果要對該行的所有匹配文本進行替換，Awk使用的不是/g修飾符，而是另一個運算符：gsub（/mizpel/，「misspell」）。
Tcl
Tcl採用的是程序式處理方法，對不熟悉Tcl引用慣例（quoting conventions）的人來說可能很迷惑。如果我們要在Tcl中修正錯誤的拼寫，可以這樣：
它會檢查變量var中的字符串，把「mizpel」的第一處匹配替換為misspell，把替換後的字符串存入變量 newvar（這個變量並沒有以$開頭）。Tcl 接收的第一個參數是正則表達式，第二個參數是目標字符串，第三個是 replacement 字符串，第四個是目標變量的名字。Tcl的 regsub同樣可以接收可能出現的標誌位，例如-all用來進行全局替換，而不是只替換第一處匹配文本。
同樣，-nocase選項告訴正則引擎進行不區分大小寫的匹配（它等於 egrep 的-i參數，或者Perl的/i修飾符）。
GNU Emacs
GNU Emacs（下文中簡稱Emacs）是功能強大的文本編輯器，它可以使用elisp（Emacs lisp）作為內建的編程語言。它提供了正則表達式的程序式處理接口，以及數量眾多的函數來提供各種服務。其中主要的一種是「正則表達式搜索-前進（re-search-forward）」，接收參數為普通字符串，將它作為正則表達式來處理。然後從文本的「當前位置」開始搜索，直到第一處匹配發生，或者如果沒有匹配，就一直前進到字符串的末尾（用戶調用編輯器的「正則表達式搜索（regexp search）」的功能時，就會執行re-search-forward）。
如表 3-3（☞92）所示，Emacs 所屬的正則流派嚴重依賴反斜線。例如，「＜（[a-z]+）（[n·t]|＜[^＞]+＞）+1＞」是查找重複單詞的表達式，可以用來解決第 1 章的問題。但我們不能直接使用這個正則表達式，因為Emacs的正則引擎不能識別t和n。不過Emacs中的雙引號字符串則可以，它會把這些標記轉換為我們需要的製表符和換行符，傳給正則引擎。在使用普通字符串提交正則表達式時，非常有用。但其缺陷——尤其是elisp的正則表達式的缺陷——在於，此流派過分依賴反斜線了，最終得到的正則表達式好像插滿了牙籤。下面是查找下一組重複單詞的函數：
這段程序加上（define-key global-map〞C-xC-d〞\'FindNextDbl），就可以使用「Control-x+Control-d」來迅速查找重複單詞了。
注意事項和處理方式：小結
Care and Handling:Summary
我們已經看到，函數很多，內部的機制也很多。如果你不熟悉這些語言，可能現在還有些困惑。不過請不必擔心。學習任何特定的工具軟件都比學習原理要容易。