知识卡片
子串匹配不会自动限定单词
纯文字模式cat寻找连续的c、a、t,因此也会命中vacation中的同一子串。表达式不因为这些字母本身能组成一个单词,就自动要求左右是单词边界。先明确要找字符片段、完整词还是整行,再选择对应边界规则;单词的定义还取决于工具及其字符语义。
本节某些egrep版本提供<与>作为词首词尾位置;这是工具按字符类别划出的边界,不等于识别自然语言的完整单词,支持范围也不是所有工具通用。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 子串匹配不会自动限定单词
- · Egrep元字符
原书出处 · 2 处
- · 查看原书依据
vacation中包含的 c·a·t序列仍然符合匹配条件。如果某行中包含 vacation,egrep 就会把它显示出来。关键就在于,此处进行的正则表达式搜索不是基于“单词”的——egrep能够理解文件中的字节和行,但它完全不理解英语(或者其他任何语言)的单词、句子、段
- · 查看原书依据
“单词的起始位置”只不过是一系列字母和数字符号(alphanumeric characters)开始的位置,而“结束位置”就是它们结尾的地方。下一页的图1-2说明了一行简单文本中的单词分界符。 (egrep 认定的)单词开头位置用向上的箭头标识,单词结束位置用向下的箭头
参考来源
- 位置:《精通正则表达式(第3版)》正则表达式的思维框架(spine 11;来源项目book-sources,`extracted/精通正则表达式(第3版)/_epub-src/text/part0006_split_003.html`;来源键`s011-ch01-007`)。
- 结论依据:原文明确比较cat单词与vacation内部的连续字符,图6突出被匹配的子串;边界条件是需求而非普通文字模式自动附带的保证。
- 原始内容:vacation中包含的 c·a·t序列仍然符合匹配条件。如果某行中包含 vacation,egrep 就会把它显示出来。关键就在于,此处进行的正则表达式搜索不是基于“单词”的——egrep能够理解文件中的字节和行,但它完全不理解英语(或者其他任何语言)的单词、句子、段
- 位置:《精通正则表达式(第3版)》Egrep元字符(spine 12;来源项目book-sources,`extracted/精通正则表达式(第3版)/_epub-src/text/part0006_split_004.html`;来源键`s012-ch01-007`)。
- 结论依据:本节明确限定某些egrep版本的词首词尾元序列,并用图14说明边界不等于自然语言分词。
- 原始内容:“单词的起始位置”只不过是一系列字母和数字符号(alphanumeric characters)开始的位置,而“结束位置”就是它们结尾的地方。下一页的图1-2说明了一行简单文本中的单词分界符。 (egrep 认定的)单词开头位置用向上的箭头标识,单词结束位置用向下的箭头