在Emacs 上用正規表達式(Regular Expression)

前言

我痛恨Computer Science 一堆老師的位子都被有辦法的外系背景的人佔走，這些人又不懂電腦實務，結果搞出來的電腦教育七零八落。變成惡性循環。這檔事中外皆然，但臺灣尤烈。

假如離散數學學過了正規表達式(Regular expression)跟automata ，就一廂情願以為是可以直接在compiler 上套用non-deterministic的觀念，那就會死的很慘。就算修過compiler ，知道了要用deterministic的觀念，要以為在unix 上的find/grep/awk/表達檔案 wild card 上也可直接套用正規表達式(regular expression) 觀念來用，保證也死的很慘。因為解釋方式不一樣。現在發現，就算知道了前述 unix 系統上的工具如何正確的用正規表達式，在Emacs 下用法還是不太一樣，要小心。但是一但會用，真是如虎添翼。

在eamcs裡起動正規表達式的取代是用
ctrl-alt-%

先輸入搜尋字串正規表達式模版，按enter 後，再輸入取代的字串，一般基本的擴充正規表達式(extended Regular Expression)大多可以用

要輸入控制字元如 Crtl-J (也就是unix 上的換行控制字元)，用按Ctrl-Q 後再按j 也就是先按 Ctrl-Q 後再按該字元。這讓Emacs 可以搜尋跟取代跨行的文字。強！

以下是詳細列表

• ^
代表字串開頭

• $
代表字串結尾

• .
任何字元

• *
重複前面sub-RE任意次， 跟unix 檔案不一樣的是，這跟數學上的RE 用法接近，前面要接一個sub-RE，sub-RE可以是字元RE或字串RE

• +
同*用法，但是是出現一次以上

• ?
同*用法，但是是出現零或一次

• [ ... ]
把 []裡的字元當成集合元素來用，任選其中之一

• [^ ... ]
把 []裡的字元當成集合元素來用，任選這個集合的補集合裡其中元素之一

• \
逃逸字元，把上述特殊符號當一般字元時要先加\

• \|
或: 前後兩個sub-RE 任選其中之一 ，比如說 腦殘 \| 丁丁

• \( ... \)
連接或群化：把\( \) 裡的平行元素(用\| 分隔)或把sub-RE 元素連成一個大的序列RE，簡而言之就是數學裡的 (,)，按照其出現的順序，這些被\( ... \) 形成的RE 可以被後面再次呼叫引用，如\(腦殘 \| 丁丁 \)

• \數字
去引用前面被\( ... \) 形成的RE，如 \2 是引用前面出現過的第二個\( ... \)的正規表達式模組

• \`
在檔案(正確說法其實應該是buffer)起頭的空字串

• \'
在檔案(正確說法其實應該是buffer)末尾的空字串

• \b
(英)文字正前或正後方的空字串 `\bfoo\b' 對應任何單獨存在的 `foo' 字串(以sub-string 型式出現的如food就不算).

• \B
不在(英)文字正前或正後方的空字串

• \<
在(英)文字正前方的空字串

• \>
在(英)文字正後方的空字串

• \w
對應一個文字字元(對英文而言，即abcd,...不包含空白之類的分隔字元)

• \W
對應一個非字元字元，也就是\w 的補集

• \scode
對應任何一個程式(code)字元. 程式字元就是上面那些特殊符號，如
`w'(文字字元), `-' for whitespace, `(',...等等 。詳情見GNU emacs 手冊的章節: The Syntax Table.

• \Scode
對應一個非程式字元

我這裡寫的有一點心虛，是因為emacs原來只針對英文設計，處理中文時，因為語文結構上的差異造成了功能定義變得不明確。不過基本上我目前用emacs 22 處理中英文的試驗結果，\b 跟 \w 對待中文字的確是如同英文一般。有意者可以參考gnu 出版的原文手冊。這裡是GNU emacs 手冊提到正規表達式的章節:
http://www.gnu.org/software/emacs/manual/emacs.html#Regexps