iOS在4.0裡也可以用Regex了

iOS在4.0裡也可以用Regex了，功能也是相當強大。

曾以為自己已經掌握了Regex，這2天才明白Regex有多複雜，原來還有專門厚厚的一本書《Regex入門經典》。

 

小程式的目標是匹配PGN棋譜中的著法部分。

規則就是：數字表示第幾回合，後面有個小句點，然後紅方著法，可以跟評註，然後是黑方著法，可以跟評註。評註是放在花括弧中的，可以單行，也可以多行。

1. 炮八平五 炮８平５

{ 紅方首著架中炮必走之著，聶棋聖還架中炮拼兌子力，戰術對頭。}

2. 炮五進五 象７進５

3. 炮二平五

{ 再架中炮也屬正著，如改走馬八進七，則象５退７，紅方帥府受攻，

當然若紅方仍再架中炮拼兌，那麼失去雙炮就難有作用了。

}    馬８進７

... ...

人工很容易讀的棋譜，但用程式設計語言描述起來就不太容易了，最後寫出來的Regex是一段天書：

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

放在iOS裡還要加上轉義符，就成了這樣：

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

由於程式員還要提取出來回合數，紅方著法，紅方評註，黑方著法，黑方評註等重要訊息，所以還要在上面的運算式裡加上()這類的分組資訊，最後的運算式更複雜了：

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

在編程式前，用了一款Windows上的小軟體RegexBuddy把Regex測試好許多遍才通過，如果直接上機調試會累個半死。

先把較為簡單的Regex的意思折開來理解一下：

\d+\.            // 一個整數，後面跟著小圓點 
\s+                    // 1個以上的分隔字元 
\w{4}               // 4個字元 
\s*                   // 0個以上的分隔字元 
(\{(.|[\r\n])*?\})?   // 一行或多行的放在花括弧中{}的注釋，紅方的招法評註 
\s*                   // 0個以上的分隔字元 
(                      // 最後一回合時，可以只有紅方的招法 
   \w{4}               // 4個字元 
   \s*                  // 0個以上的分隔字元 
   (\{(.|[\r\n])*?\})?    // 一行或多行的放在花括弧中{}的注釋，黑方的招法評註 
)?

這裡面涉及到的Regex文法：

\d 匹配任何一個數字，即[0-9]

\d+表示1個以上的數字

(\d+) 強行加上小括弧，分組，相當把這個值緩衝起來，在代碼裡用[myString substringWithRange:[match rangeAtIndex:1]]可以提取出來回合數

\. 表示小句點

\s 表示分隔字元，包括空格、定位字元和分行符號

\s* 0個或多個分隔字元

\w 表示字母、數字和底線，這裡還包括Unicode字元，不同的語言裡有些不同

\w{4} 表示4個非空白字元

. 表示任何一個字元，不包括分行符號

.* 表示任何多個字元，當然也不包括分行符號了

(.|[\r\n])* 表示任何多個字元，包括分行符號，貪婪掃描

(.|[\r\n])*? 表示任何多個字元，包括分行符號，懶惰掃描

(?:.|[\\r\\n])   以(?:開頭時的分組資訊，表示不讀取到緩衝器裡，避免rangeAtIndex調用時產生副作用，後面還會遇到這樣的(?:寫法 

\{(.|[\r\n])*?\}  一條放在花括弧中間的備註陳述式，由於包含了分行符號，所以支援多行注釋

(\{(.|[\r\n])*?\})?  可以沒有注釋，也可以有1條注釋

 

在iOS裡用NSRegularExpression類來解析Regex，主要用法是：    

NSString *regTags = @"\\[(\\w*)\\s*\\\"(.*)\\\"]\\s*\\n";       // 設計好的Regex，最好先在小工具裡實驗好

NSRegularExpression *regex = [NSRegularExpressionregularExpressionWithPattern:regTags

                                              options:NSRegularExpressionCaseInsensitive    // 還可以加一些選項，例如：不區分大小寫

                                              error:&error];

// 執行匹配的過程

NSArray *matches = [regex matchesInString:pgnText

                                options:0

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

// 用下面的辦法來遍曆每一條匹配記錄

for (NSTextCheckingResult *match in matches) {

       NSRange matchRange = [match range];

       NSString *tagString = [pgnText substringWithRange:matchRange];  // 整個匹配串

       NSRange r1 = [match rangeAtIndex:1];

       if (!NSEqualRanges(r1, NSMakeRange(NSNotFound, 0))) {    // 由時分組1可能沒有找到相應的匹配，用這種辦法來判斷            NSString *tagName = [pgnText  substringWithRange:r1];  // 分組1所對應的串

       }

       NSString *tagValue = [pgnText substringWithRange:[match rangeAtIndex:2]];  // 分組2所對應的串

}

 

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); 
}

 

 

另外可參考的文章：

在下面這個頁面裡介紹了Regex的貪婪和懶惰的問題以及一些進階用法

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

如何用Regex匹配C語言裡的/* ... */ 這樣的注釋

http://ostermiller.org/findcomment.html

在VeryCD上有幾本不錯的Regex的書，先磨磨刀再寫程式也不遲

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