Blog entry: http://www.regexguru.com/2009/02/from-regex-newbie-to-regex-guru/

Translated By: Rex (http://iregex.org)

Rex注：本文是Jan Goyvaerts为自己的著作《Regular Expression Cookbook》写的序言中的一段。

One of my last tasks for the Regular Expression Cookbook was to write the preface, including my author bio. I told the story of how I went from my first real encounter with regular expressions in 2000, to the expert I am almost a decade later.

《Regular Expression Cookbook》即将完工，剩余的工作之一是作序，包括写我的作者小传。我讲述了自己如何在2000年第一次遭遇正则表达式，并在近乎十年之后才成为专家的经历。

My first attempt at writing the bio came out way too long compared with the other sections in the preface. The final bio is only half as long. Rather than let the long bio go to waste, I’m publishing it here, with added links.

我写的小传初稿，比序言中其它小节的篇幅要长得多，最终还是压缩到一半的长度。原版的较长自传并没有丢到故纸堆里，我将其发布到这里，并加上了链接。

In 1996, fresh out of high school, Jan Goyvaerts started a hobby project publishing his own software on his own website. It was less than a year before that Internet access had become available at local call rates to his Belgian hometown. In 1999, he decided that a university degree was only a ticket to joining the rat race, and focused on his ever more successful software development venture. He set up the business that would eventually become Just Great Software in 2000.

1996年，Jan Goyvaerts高中毕业刚毕业，就在其个人网站上发布自编的软件作为业余爱好项目。一年之后，互联网才在他的比利时老家以市话费的价格普及起来。1999年，他意识到，大学学位充其量不过是一块通向更加残酷的竞争之路的敲门砖，因此他集中精力继续做自己更加成功的软件开发。2000年，他成立了自己的公司，该公司是后来的Just Great Software（绝佳软件）公司的前身。

At that time, Jan had no idea he would ever become an expert on regular expressions. One of his early successes was a postcardware text editor called EditPad. Since postcards don’t pay the bills, he developed a commercial text editor called EditPad Pro. EditPad Pro, released mid-2000, needed regular expression support to compete. Only the best regex engine would do for “Just Great Software”. Jan decided to go with PCRE.

那时，Jan从未料到他有朝一日会成为正则表达式专家。他早期的成功项目之一是一款叫作EditPad的名信片软件。由于名信片不足以补贴家用开支，他开发了一款收费版的文本编辑器：EditPad Pro，发布时间是2000年中期。该软件以正则表达式支持作为卖点。只有最好的正则引擎才配得上“Just Great Software（绝佳软件）”这个招牌。Jan决定采用PCRE。

(rex注：名信片软件并不是编辑名信片的软件，而是该软件近乎免费，只要给作者寄一张名信片就可以注册。)

The regular expression features in EditPad Pro proved quite popular, particularly because PCRE offered a regex syntax compatible with Perl, which was all the rage. Most other text editors, even the big IDEs from Microsoft and Borland, had much simpler regular expression support. (In 2009, Visual Studio and Delphi still use those same old regex flavors. This frustrates Jan, because old and limited regex flavors don’t make good book material, and both IDEs are built on .NET, which provides a very rich regex flavor fully covered in this book.)

事实证明，EditPad Pro中的正则表达式风格极受欢迎，主要是因为PRCE中的正则表达式语法与Perl兼容，这种风格风靡一时。其它大多数的文本编辑器，包括当时的MicroSoft和Borland公司的集成开发环境，也仅仅提供非常简单的正则表达式支持。（时至2009年，Visual Studio和Delphi仍在延用其古老的正则式风格。两种集成开发环境均基于.Net，它的正则表达式风格异常丰富，这些特性在书中都在书中有全面介绍。可惜的是，这两款IDE基于.Net却在编辑器中没有体现出.Net正则式的支持，因此无法为本书提供更好的素材，这一点让Jan大皱眉头。）

(rex注：本段末尾括号中的长句，翻译时调整了顺序，以便于理清逻辑顺序；添加了一句话作为辅助，便于读者掌握原义。)

Sensing a need for more powerful tools for working with regular expressions on text files, Jan developed PowerGREP. PowerGREP took a slow start in late 2002. Today, it is clearly the most powerful tool on the Microsoft Windows platform for doing anything with regular expressions. One of the differentiating features early on was the inclusion of a detailed regular expression tutorial in the help file. Most other grep tools had only help topic listing all the syntax features that you could print on a single sheet of paper. PowerGREP had a separate detailed help topic for every feature in PCRE.

Jan感觉到在使用正则式处理文本文件，需要一款更强大的工具，于是他开发了PowerGREP软件。PowerGREP项目始于2002年底，起步时进展缓慢。如今，它无疑是微软平台下处理任何正则表达式工作的最强大的工具。原先它卓而不群的标志之一就是在帮助文档中包含了完备翔实的正则表达教程。其它大多数grep工具仅仅列出了所有的语法风格，篇幅不大，在一页纸上就能打印完毕。而PowerGREP对于PCRE中每一个正则式语法要点都言之甚详。

Jan didn’t have a big budget to advertise his software. With many internet marketers preaching that content is king on the search engines, Jan set up http://www.regular-expressions.info with the text from tutorial he had already written for PowerGREP. As he watched the site’s traffic and Google rank rise, ultimately beating the Wikipedia entry at the top, Jan started getting the idea that maybe this could become his area of expertise. Writing his own regular expression engine was still a scary thought.

那时Jan并没有太多的预算来为他的软件打广告。在许多互联网营销专家鼓吹内容为王的大环境下，Jan建立了http://www.regular-expressions.info，内容来源于他已经为PowerGREP写好的教程。当他看到网站流量和Google Rank值不断攀升，远远超过了顶部的Wikipedia条目，Jan意识到或许这才是他的英雄用武之地。不过，编写自己的正则表达式引擎，对于那时的Jan来说，就像是建造空中楼阁一样不敢想像。

(rex注：存疑：是页面顶部的wikipedia条目，还是排行名列前矛的..?)

Regular expressions hit the mainstream development community when .NET was released including a set of powerful regex classes. Not much later the Java platform added the same with the JDK 1.4 release. Seeing lots of Windows developers using regular expressions, and a customer base of EditPad Pro and PowerGREP users needing to test their regular expressions, Jan felt there was a need for a comprehensive tool to create, test, and edit regular expressions. RegexBuddy was released in 2004.

附有一整套正则式类库的.NET发布后，正则表达式成为开发界的主流。不久之后，Java平台也在JDK1.4发行版中加入相同内容。看到众多的Windows开发人员用上了正则表达式，以及相当数量的EditPad Pro和PowerGREP客户群需要对正则表达式进行测试，Jan感觉到，有必要开发一种集创建、测试、编辑正则式于一体的综合工具。2004年，RegexBuddy诞生了。

The PCRE engine which had been such a blessing in 2000 was now seriously limiting both PowerGREP and RegexBuddy. PowerGREP needed to search files larger than 2 GB, and RegexBuddy needed to be compatible with all major regex flavors, not just PCRE. Jan bit the bullet and sweat several months implementing a brand new regular expression engine. The result was a fusion regex flavor that supports almost all the features found in all the regex flavors discussed in this book, and that was fast and flexible enough to meet the needs of PowerGREP’s customers. The new regex engine made the 2005 releases of PowerGREP and RegexBuddy very successful.

对于PowerGREP和RegexBuddy来说，在2000年时PCRE引擎真可谓是来自上天的恩赐，可时至如今，它却成了一种极大的限制了。PowerGREP需要搜索2GB以上的大文件，RegexBuddy也需要兼容所有的主流正则风格，而不仅仅是PCRE风格。于是Jan咬紧牙关，大干数月，终于实现了一种全新的正则式引擎。它是正则式风格集大成者，支持本书中提及的所有正则流派的几乎所有的特性。它足够快速、灵活，满足了PowerGREP客户的需求。新的正则引擎给2005年发布的PowerGREP和RegexBuddy带来极大的成功。

By this time, Jan had become very aware of the differences between all the regular expression flavors. While RegexBuddy could now emulate nearly all the abilities of the popular regular expression flavors, it could not emulate their deficiencies. After much research and testing, Jan released RegexBuddy 3 in 2007 which can emulate the features, and lack thereof, of 15 different regular expression flavors.

到那时，Jan对于所有正则表达式流派之间的区别了如指掌。RegexBuddy能够模拟流行的正则表达式流派的所有性能，却不能模拟它们的缺陷。经过大量研究和测试之后，Jan于2007年发布了RegexBuddy 3，该版本可以模拟15种不同的正则表达式流派的所有风格，包括缺陷。

Having spent so much time researching regular expressions, Jan felt he was ready to write the book on regular expressions. But he didn’t actually set out to do it. It was Steven Levithan, a very enthusiastic RegexBuddy user, who asked him early 2008 if he wanted to co-write a book on regular expressions. Jan hesitated at first, books being much less profitable than software. After some reflection, he decided he would realize his childhood dream of seeing his name in print, before the printed book becomes obsolete.

Jan在研究正则表达式上花费的时间如此之久，他觉得自己可以写一本关于正则表达式的书了。但是他并没有动手写作。一位狂热的RegexBuddy用户，Steven Levithan，在2008年年初询问Jan是否愿意共同写一本关于正则表达式的书。Jan开始有些犹豫，毕竟写书不像写软件那样利润丰厚。再三考虑过之后，他意识到可以实现儿时的梦想，那就是在纸版书绝迹之前，看到自己的名字印到封面。

The result will be published in May 2009. Enjoy.

本书将于2009年5月出版，敬请期待。

Meanwhile, Jan has left cloudy Belgium for tropical Thailand. He now lives with his wife in Phuket, where he enjoys pretending to be a tourist, even though in reality he still spends far too much time flipping the switches on his DataHand.

于此同时，Jan离开了乌云密布的比利时，来到了泰国这个热带国家。他和妻子在普吉岛安顿下来。在这里他喜欢假装成游客，实际上他太多太多的时间还是花费在敲击自己的DataHand键盘上。

Rex评：读过了《Mastering Regular Expressions》，现在很期待读一下这本CookBook。不过，作者也明示、暗示过了，RegexBuddy和PowerGREP的应用会占用书中的相当篇幅；并坦言写书不如写软件赚钱。与《MRE》的作者Jeffrey Friedl相比，Jan的商人味更浓一些，而Jeffrey的学者味更浓。我敬佩资深的学者，羡慕成功的商人，Jan集二者于一身了。理解正则表达式的原理，MRE是一本很好的教材。而CookBook的书名暗示，它就像是菜谱一样，是实用的具体技术实践的指导。这两本我都想深入读，以便了解其术。我更想读的，还包括编译原理，什么时候能够真正写一款自己的编译器，写出自己的正则表达式引擎，即使是很简单地实现。

之前我爱正则表达式介绍过一款软件PowerGREP，并以留言索取的形式，向大家发放3.3.3版。今天，在热心网友astek的推荐下，rex下载到了PowerGREP的3.50版，这也是迄今为止的最新版。下载地址见文末。

PowerGREP是一款正则式应用软件，它是grep或egrep的增强版，允许您以直观可视、可撤消的方式，在不同的文件夹内，对不同的文件进行批量的文本搜索、替换。当然，是正则表达式层面上的。详细的介绍可参考这篇文章：windows下的正则式工具介绍之二：powergrep。该篇文章的评论功能已经关闭，如果对该软件有问题，可以在此留言，或集中至正则式中文论坛http://regex.me讨论。

根据官方的history列表，该版相对于3.3.3版，修复了N多的bugs，提供了许许多多的新特性，大致如下：

3.40的新特性（2007年6月25日）：

• File Selector: Refresh command that refreshes the list of available drive letters, marks all folders as needing to be globbed again, and immediately updates all expanded folder tree nodes.
• Preferences, Encoding: Option to detect encoding based on the HTML Content-Type meta tag.
• Preferences, Encoding: Option to preserve the presence/absence of the BOM in Unicode files.
• Preferences, File Formats: Extensions of files to be treated as zip archives (*.zip, *.jar, etc.) and files to be treated as zip documents (*.docx, *.xlsx, *.odf, etc.) can now be configured.
• Preferences, File Formats: Option to configure the extensions of file masks that determine which conversion filter will be used for which files.
• Preferences, File Formats: Option to disable specific conversion filters (PDF, Word, Excel).
• Preferences, File Formats: Option to specify a folder where converted PDF, Word and Excel files should be cached, along with a maximum size of the cache. Using the cache speeds up searching through PDF, Word and Excel files that were previously searched through with PowerGREP. The cache is shared between all running instances of PowerGREP.
• Regex: Character class subtraction, as supported by XML schema and the .NET framework.
• Regex: Free-spacing regex search type and (?x:) free-spacing mode modifier.
• Regex: POSIX character classes.
• Regex: \Q..\E escape sequence for escaping a string of metacharacters.
• Regex: \cA through \cZ ASCII control characters Ctrl+A through Ctrl+Z; equivalent of \x01 through \x1A; can be used inside and outside character classes.
• Regex: \p{Arabic} through \p{Yi} tokens for matching any character in a particular Unicode script; \p{IsArabic} syntax also supported.
• Regex: \p{InBasicLatin} through \p{InSpecials} tokens for matching any character in a particular Unicode block; \p{IsBasicLatin} and \p{BasicLatin} alternatives also supported; BasicLatin can also be written as Basic_Latin, Basic-Latin and Basic Latin.
• Results: "Totals" option to show the number of matches per file and the clickable file header on one line. This halves the number of lines needed when not showing match details (e.g. after a "quick execute"), and leaves the total visible when collapsing file nodes.
• Results: "Totals" option to show totals both at the top and the bottom.

3.42版的新特性（2008年1月18日）：

• Action: Hexadecimal escapes like \xFF in the replacement text to insert non-printable characters.
• Action: Unicode escapes \uFFFF and \x{FFFF} in the replacement text to insert characters that cannot be typed on the keyboard.
• Command Line: Search through files found in a previously saved search with /markresults previousresults.pgr. This parameter has the same effect as the Mark Files with Results command in the File Selector menu.
• Regex: Forward references (i.e. a backreference to a group defined after it) are now supported. E.g. (\2two|(one))+ will match oneonetwo instead of triggering an error.
• Setup: Create Portable Installation directly from the self-extracting setup. The Install on Removable Drive menu item in the Help menu was renamed for consistency.

3.50版的改进之处（2008年5月13日）：

• Conversion manager: PowerGREP will now launch the conversion manager only when it’s needed, rather than when starting PowerGREP.
• File Formats: PowerGREP now sets the file date on files inside compound documents to the same date as the overall document file.
• File Selector/Results: Keyboard mnemonics (underlined letters) for the default items in the Edit File submenu. You can assign mnemonics to your custom editors by placing an ampersand before the character you want to use as the mnemonic. E.g. "&My Editor" makes M the mnemonic.
• Results, Export: When exporting to HTML, file references that are clickable in PowerGREP are now also clickable in the HTML output.
• Results: Use base64Binary instead of hexBinary to save match data into .pgr files, resulting in a 33% size savings for match data.

由此可见，其更新是相当多，即使在介面上不是很明显。很值得下载。

下载地址：深柳堂|精品软件园

• Jan Goyvaerts近来在写一本关于正则表达式的书。目前已经脱稿，有望在2009年4月份由O’Reilly出版。作者坦承，该书或许是关于正则式的最实用的著作。
• http://www.just-great-software.com/在08年的新产品不多，只对原有的几款产品作了次要升级。好消息是，自07年就开始酝酿的一款新软件的攻坚工作已经完成，会在2009年发布1.0。希望在4月份之前发布。

原文来源：http://www.just-great-software.com/

MTracer 2.0软件版本

MTracer2.0全名是RegexMatchTracer，官方主页在regexlab.com。上面说最近更新日期是2007.10.07，不过，从我今天下载的程序的修改日期来看，是2008.09.13。变化是，之前作者提供的是绿色的程序，现在提供的是msi的安装包。 本文以下提到MTracer时，若无特殊说明，均指MTracer2.0。

MTracer软件特性

作为一款正则表达式撰写辅助程序，它拥有查找匹配、替换模式、分割模式，可以分别进行相应操作。前两种用的比较多，各种语言或正则式工具都有相应语句或函数来实现；第三种分割模式是指使用正则表达式来描述字符串的分割符，以便将字串分割成子串数组。举个简单的例子来说，可以使用正则式\d+;?将abcd12;sdf55656asdfasd82asd33x字串分割成子串数组：

• abcd
• sdf
• asdfasd
• asd
• x

在实际操作时，你总会遇到使用分割模式才能最有效率地解决的问题。

除了一般的选项（忽略大小写、单行\多行、全局），它提供了从右向左、扩展模式两种匹配选项。

从右向左：平时查找字串最右边的正则式匹配，可以借助于?和$来定位。而在MTracer下，这款比较令人耳目一新的选项十分好玩，虽然我还没有在实际操作时遇到过确需此选项的例子。

扩展模式：包括如下选项：

• 注释 (?#xxx)：在正则式中加入注释以便提高可读性；
• 模式修改符 (?ismg-ismg)：小范围内修改匹配模式；
• 非捕获组 (?:xxx)：匹配而不捕获，便于计数，同时还可以节省内存，提高效率（根据《精通正则表达式》的说法）；
• 预搜索（零宽度断言）：十分有用的匹配选项，只匹配位置，而不消耗字符；有四种模式，详见手册；
• 独立表达式 (?>pattern)：此选项在《精通正则表达式》中，被余晟先生翻译为“固化分组”，即无论匹配成功与否，内部都不进行回退，都不会再次尝试匹配；
• 条件表达式(?(x)y|z)：与C语言的三目操作符类似，x条件为真则进行y匹配，否则进行z匹配。其中x部分有四种模式，详见手册；
• 递归表达式 (?R)：对另一部分子表达式的引用，而不是对其匹配结果的引用。当被引用的表达式包含自身，则形成递归引用。

个人比较常用的选项是非捕获组和预搜索。

MTracer最有用的特性

相对于另一款正则式撰写辅助程序RegexBuddy而言，MTracer最有用的特性是中文的正则式分析树。虽然RegexBuddy也有此功能，但是MTracer的正则式分析树是中文的。这对于需要此功能但是不愿意使用英文软件的用户来说非常方便。对于初学者也很有帮助。

值得说明的是，正则式的中文术语在中文里还没有形成统一的规范。以我自身的阅读经历而言，似可分为两类：何伟平译的《Perl Programming》第三版中大量使用的正则式术语译法为第一套方案，余晟先生译的《精通正则表达式》第三版中使用的正则表达式为第二套。个人倾向于第二套。

MTracer使用的正则表达式术语，与这两套术语均有相异之处。

如果有人使用上述第二套术语将RegexBuddy汉化的话，估计在中国的普及率会大幅提高。题外话。

与RegexBuddy的简单比较

还是列表说明吧。

当然，没有提到的功能、细节还不少，这里仅仅是列出本人关注的属性。

MTracer 2.0注册

付出劳动，换来报酬，是当今任何行业都认可的规则。MTracer需要注册费，这一点也十分正常。其价格是48元人民币。比起US$ 39.95的RegexBuddy来，可谓性价比极高。

如果不注册，会有什么限制呢？请看图。哦，是有100个字符的限制。

这是注册后的图。

对于未注册版本，平时写一些短小的正则式，是没有问题的。如果想无限制地使用该程序，花48元支持一下国产程序，何乐而不为？

现在无论主动还是被动，版权意识都在深入人心。这也是本人一直没有把完全版的RegexBuddy和PowerGrep的下载链接贴到blog上、而是采取来Email索取的原因之一。

MTracer2.0采用注册号的方式注册。看来作者深知在国内破解成风，于是很幽默地添加了这样一则菜单选项：如何8小时破解本软件？呵呵。8小时我们可以做许多事情，没有必要浪费在track、debug、crack上。你的时间很值钱的。

这两款软件的完全版我这里都有，如果需要RegexBuddy的话，请占击链接留下信箱索取即可；但是MTracer的话就不要索取了。

相关阅读

windows下的正则式工具介绍之一：RegexBuddy

windows下的正则式工具介绍之二：powergrep

基本界面

点击可以看大图。另外，还有一组图片来自powergrep官网，附上了官网的部分介绍，以及个人评论。

• 内容搜索图片，点这里；
  在本抓图中，我搜索了c:\My Documents\My Web Sites文件夹及其子目录下所有的html文件。我使用了一条正则表达式把搜索范围限定在HTML tag之内，使用另一条正则式在这些标记中搜索所有的email地址。

• 搜索和替换，点这里和这里；
  一个好用的功能是可以预览结果而不是立即替换。匹配结果以黄色标出。双击匹配就能打开对应的文档并检验其内容。
  点击执行后，颜色改变，表示已经实施替换。

• 收集信息和统计数据，点这里；
  本例是“检测Apache网络日志－－google search terms”的例子。本例使用的正则式在PowerGREP帮助文档中有详细讲解。

• 灵活的“撤消”历史记录，让你不再抓狂，点这里；
  在执行替换的同时，PowerGREP已经备份了原文件。只要你没有手动删除这些备份的文件，你可以随便撤消你做过的任何操作。世界上真有后悔药的呀。

• 搜索PDF文档，点这里；
  PDF也能使用正则式进行搜索？当然了，你没有看错。只是，要确保PDF文档中你要搜索的内容是文字而非图像。也就是说，扫描版的PDF不享受此功能的哟。

• 在MS word 文档中搜索，点这里；
  这个功能也十分有用。我记得还有个东东叫ViEmu for Word & Outlook，可以在word和outlook中模拟vim，当然可以使用正则式搜索替换了。不过，ViEmu一来也是收费软件（在2008年5月31日之前是79美刀，之后是99美刀），我还没有找到免费版本；二来其正则式是vim风格的，只习惯Perl风格的同学可能不太习惯。在google documents里也支持正则式搜索了，具体语法、风格尚未广泛测试。

• 在MS Excel中搜索，点这里；
  同样也是批量搜索、替换。不单单是对一个文档、一个sheet。

• 以16进制模式，在2进制文档中搜索，点这里；
  跟二进制编辑器界面类似，多了正则式批量搜索替换功能。

• 在zip压缩文档中搜索，点这里；
  把zip文件当作普通文件夹来搜索。很强大吧？

• 正则表达式序列，点这里；
  大多数正则式工具一次只支持一条正则式的操作。而PowerGREP可以一次执行多条正则式！使用checkbox来进行多项选择。

• 定制颜色显示，点这里；
  该功能比较一般。除非软件中的颜色设置特傻，一般我是不会改变默认颜色搭配的。

功能演示

PowerGREP官网还提供了一组flash做的demo，见下。

• 使用正则式匹配email地址(2’47”)。点这里；
• 升级版权信息(3’38)。点这里；
• 与RegexBuddy的无缝链接(1’57”)，点这里；两个软件是亲兄弟，当然哥俩好啦！
• 文件选择(3’08”)，点这里；PowerGREP提供了贴心的特性，来帮助你筛选需要的文档。
• 其它特性(8’37”)，点这里；总而言之，PowerGREP是功能强大。自己发掘吧！

软件下载

目前其最新版为3.4.2，更新于2008年1月18日。其官网为www.powergrep.com，可以去下载其最新版试用。该软件为商业软件。

• 如果你偶然路过，尝新而已，那只需下载试用版即可；
• 如果你觉得好用、准备常用、手有余钱、非正版不用，不妨花美金购买；要花人民币1000多块哟^_^
• 如果你喜欢它，同时你认为优秀的网络资源是应该和朋友免费分享的，从而想获得该软件的全功能免费版，好吧，我也成全你，请在本文后留言（附邮箱），我会把这个小东西的链接发给你(最新版为3.4.2，我手头的全功能版为3.3.3，也足够用了)。更新：
  请移步至此下载PowerGREP 3.5.0版。

———————————————————————————————————