略去啰嗦的前半部分。
Into the Breach
假设我们 的日志文件中有一个时间戳 2016-02-06T14:36+02:00, 我们使用智能匹配:
say $logfile ~~ /2016-02-06T14:36+02:00/;
这会报错:
Unrecognized regex metacharacter - (must be quoted to match literally)
在 Perl 6 的正则表达式中任何非字母数字字符('a'..'z', 'A'..'Z', 0..9)都必须用引号引起来:
say $logfile ~~ /2016 '-' 02 '-' 06T14 ':' 36 '+' 02 ':' 00/;
现在我们得到等价的奇怪的表达式:
｢2016-01-29T13:25+01:00｣
这仅仅告诉我们, ~~智能匹配操作符匹配了一些文本, 这就是它匹配到的文本。｢｣ 是日语引文标记, 故意和剩余的文本区分开来。
在 Perl 6 中, 默认打印出带有明确标记的匹配对象, 它准确地告诉你匹配从哪里开始, 到哪里结束。
归纳
我们想让该正则表达式更具普遍性, 例如匹配 2016 年的日志:
say $logfile ~~ /2015 | 2016 '-' 02 '-' 06T14 ':' 36 '+' 02 ':' 00/;
但是这还会匹配到我们不想要的东西, 例如 '/post/2015/02' 或者甚至 '/number/120153'。因为 |的优先级没有字符间的连接优先级高。所以:
say $logfile ~~ / [2015 | 2016] '-' 02 '-' 06T14 ':' 36 '+' 02 ':' 00/;
问题解决, 但是我们想匹配 '[ 1997 | 1998 | 1999 | 2000... 2015 ]' 这些呢？
Learning Shorthnd
匹配4位数字的年份好了:
say $logfile ~~ / \d\d\d\d '-' 02 '-' 06T14.../;
其它需要数字的地方也可以使用 \d 这种便捷形式的数字:
say $logfile ~~ / \d\d\d\d '-' \d\d - \d\d T \d\d ':' \d\d '+' \d\d ':' \d\d/;
'+' <digits> : <digits> 只会匹配 +01 和 +12 之间的时区, 还有其它在 -11 到 -01 之间的时区, 所以我们使用 | 来匹配 '+' 或 '-', 像这样:
say $logfile ~~ / \d\d\d\d '-' \d\d - \d\d T \d\d ':' \d\d [ '+' | '-' ] \d\d ':' \d\d/;
基本正确了, 但是由于历史原因, 时区还能是一个字母 Z, 所以, 还有一处要修改:
say $logfile ~~ / \d\d\d\d '-' \d\d - \d\d T \d\d ':' \d\d [ [ '+' | '-' ] \d\d ':' \d\d | Z ] /;
重构
但是那个 [ '+' ... Z ] 表达式太长了, 能重构就更好了。 regex 对象来拯救我们了, 它帮助我们清理代码。
regex 对象看起来很像匹配表达式, 除了它使用花括号来告诉从哪开始, 到哪结束:
my regex Timezone { Z | ['+' | '-'] \d\d ':' \d\d };
say $logfile ~~ / \d\d\d\d '-' \d\d '-' \d\d T \d\d ':' \d\d <Timezone> /;
<..> 从外表上看把重构后的表达式和主文本分开了, 而让 Timezone 表达式分离意味着我们能在代码中的任何地方使用它了。事实上我们可以重构其它的正则:
my regex Date { \d\d\d\d '-' \d\d '-' \d\d };
my regex Time { \d\d ':' \d\d };
my regex Timezone { Z | [ '+' | '-' ] \d\d ':' \d\d };
say $logfile ~~ / <Date> T <Time> <Timezone> /;
让所有这些 \d\d 坐在一块儿有些碍眼, 所以我们再重构下:
my regex Integer { \d+ };
my regex Date { <Integer> '-' <Integer> '-' <Integer> };
my regex Time { <Integer> ':' <Integer> };
my regex Timezone { Z | [ '+' | '-' ] <Integer> ':' <Integer> };
say $logfile ~~ / <Date> T <Time> <Timezone> /;
下面的也没啥值得看的。(完)
