Question

简单地说，选择操作可在多个可选模式中匹配一个。例如，你想在“The Rime of the Ancyent Mariner”中找出the出现过多少次，包括THE、The和the等形式。为此，就可以使用选择操作。

双击图标打开RegExr桌面应用程序。它看起来很像在线版本，但好处是在你的机器本地运行，因此上不了网也没关系。

我已将整首诗复制粘贴到RegExr的桌面版中供之后的练习使用。我是在运行OS X Lion的Mac上使用RegExr桌面版的。

在顶部的文本框中输入：

（the|The|THE）

你会看到下方文本框里诗文中所有的the都被标亮（参见图4-1）。请使用滚动条查看更多的结果。

图4-1 在RegExr桌面版中使用选择操作

可以使用一个选项来使分组更简短。借助选项，可以指定查找模式的方式。例如，选项

(?i)

让你的模式不再区分大小写。因此原来带选择操作的模式可以简写成

(?i)the

在RegExr中试一下，看看效果如何。还可以在RegExr中勾选ignoreCase来设定不区分字母大小写，这两种方式都可以。表4-1中列出了以上选项以及其他各种选项和修饰符。

表4-1 正则表达式中的选项

选项	描述	支持平台
(?d)	Unix中的行	Java
(?i)	不区分大小写	PCRE、Perl、Java
(?J)	允许重复的名字	PCRE*
(?m)	多行	PCRE、Perl、Java
(?s)	单行（dotall）	PCRE、Perl、Java
(?u)	Unicode	Java
(?U)	默认最短匹配	PCRE
(?x)	忽略空格和注释	PCRE、Perl、Java
(?-…)	复原或关闭选项	PCRE

^*参见http://www.pcre.org/pcre.txt中的“Named Subpatterns”（命名子模式）

接下来我们在grep中使用选择操作。表4-1中的选项并不适用于grep，所以你要使用原来的选择模式。要对单词the出现一次或多次的行的数目进行统计，且不区分大小写，则用：

grep –Ec “(the|The|THE)” rime.txt

可以得到这个结果：

327

这个结果还不能说明一切。欲知原因，请继续阅读。

以下是对上面的grep命令的分析。

· -E选项表示使用扩展的正则表达式（ERE），而不用基本正则表达式（BRE）。本例省去了将括号和竖线符转义的步骤，如果使用BRE则必须进行转义，像这样\(THE\|The\|the\)。

· -c选项返回匹配的行数（不是匹配的单词）。

· 括号将对the、The以及THE的选择操作归为一个分组。

· 竖线符将备选项分开，对备选项求值的顺序是从左至右。

下面的方法会将单词的每一次出现都作为一行内容返回，这样就可以得到实际的出现次数：

grep –Eo “(the|The|THE)” rime.txt | wc –l

这个命令返回的是：

412

以下是对命令的分析。

· -o选项表示只显示一行中与指定模式匹配的部分，而由于导向wc的管道（|），该选项的作用不太直观。

· 在此上下文中，竖线符将grep命令的输出通过管道导向wc命令的输入。wc是单词计数命令，而-l对输入的行数进行统计。

为什么有327与412这样大的差异呢？因为-c给出的是匹配的行的数目，但是一行中可能有多个单词匹配。若使用-o和wc –l，则指定单词不管以哪一种形式出现，每次出现都会作为单独的一行统计，这样结果值就会更大。

要使用Perl执行同种匹配，则这样写：

perl -ne 'print if (the|The|THE)' rime.txt

或者更好的方式是不用选择操作，而使用前面提到的(?i)选项：

perl -ne 'print if (?i)the' rime.txt

再进一步改善，就是将i修饰符加在定界符之后：

perl -ne 'print if thei' rime.txt

结果相同，但命令是越简单越好。表4-2中列出了更多的修饰符（也称为标记符）。请与表4-1中的选项（两者相似但语法不同）进行比较。

表4-2 Perl语言中的修饰符（标记符）*

修饰符	描述
a	匹配\d、\s、\w以及处于ASCII范围内的POSIX字符
c	匹配失败后则停留在当前位置
d	使用默认的本地平台的规则
g	全局匹配
i	匹配时不区分大小写
l	使用当前位置的规则
m	多行字符串
p	保留匹配的字符串
s	将字符串看做一行内容
u	匹配时使用Unicode规则
x	忽略空格及注释

**参见http://perldoc.perl.org/perlre.html#Modifiers。*