在芯片开发过程中，正则表达式的使用非常常见。初次上手晦涩难懂，多用几次爱不释手！
本文将概述正则表达式以及实用的匹配规则，并给出使用表达式的辅助工具：CheatSheet和在线测试工具。获取全文高清图片，可在公众号后台直接回复“正则表达式”获得下载链接。
01 正则表达式概述
正则表达式，Regular Expression，或缩写regexp，是一种用于描述文本模式（pattern）的表达式。通过该文本模式，我们可以从文本中高效和准确地匹配查找到想要的字符串。
正则表达式的搜索和匹配功能非常强大，以至于几乎所有的脚本语言（比如Python, Perl，JavaScript)，Java等高级编程语言，甚至grep等一些Linux命令，都支持正则表达式。
在芯片开发过程中，难免会有很多胶水脚本（glue script）用来串接各种流程，也就不可避免的需要对流程中产生的中间文件做处理，可能是提取、删除或者修改内容等等。另外，在代码review、仿真调试等阶段，通常需要对代码或者仿真日志做信息检索或数据有效性检查。
而这些，都是正则表达式在芯片开发过程中大显身手的地方。
02 Cheat Sheet
CheatSheet可作为日常工具手册，用户可以快速地查阅正则表达式的匹配规则。不过，实际经验告诉我，多用了几次之后，常用的匹配规则也就都记住了。
03 常用关系特性
从CheatSheet可以直接看到正则表达式最基础的匹配规则，包括匹配数字、字母、空白、通配符、开头、结尾等等。但在实际使用中，还需要考虑一些匹配关系，这也是本小节想要呈现的内容。
> 捕获分组（capturing group）和非捕获分组（non-capturing group）
在正则表达式中，可以使用圆括号对表达式进行分组。在匹配完成后，就可以使用分组编号来对圆括号中的内容进行提取。默认情况下，整个表达式的分组编号是0，之后从左往右每遇到一个”(”就分配一个递增的分组编号。举个栗子：
除了如上图所示直接使用分组编号对匹配结果进行索引，我们还可以在表达式内进行分组命名，这样就可以是使用组名来进行索引。举个栗子：
非捕获分组同样使用小括号来进行匹配，其格式是(?:exp)。非捕获分组只能在当前的位置匹配文本，不会被分配分组编号，也即是说，在匹配完成之后无法通过分组编号对其进行索引。
> 前向匹配（lookahead）和后向匹配（lookbehind）
前向匹配和后向匹配，严格来讲也是非捕获分组。在有些地方会叫做环视（lookaround），意味着在匹配的时候需要先“环顾四周”。前后向匹配在实际应用中非常常用。
前向匹配(?=exp)，用来匹配右边跟着指定字符串的文本；后向匹配(?<=exp)，用来匹配左边跟着指定字符串的文本。举个栗子，匹配2022年且日期为22号的月份：
相反，通过把前后匹配表达式中的”=“改成”!”，即(?<!exp)和(?!exp)，可以分别匹配左右两边不是指定字符串的文本。
> 贪婪匹配（greedy）和非贪婪匹配（non-greedy）
贪婪程度指的是正则表达式匹配停止的条件，贪婪模式会尽可能多的匹配，非贪婪模式会尽可能少的匹配。
默认的匹配模式是贪婪模式，举个栗子：\d+可以匹配大于1个数字的字符串，那么针对被检索文本“20220122”，正则表达式默认尽可能多的匹配，即匹配整个“20220122”，因为它都满足“大于1个数字的字符串”这个pattern，而不是只匹配第一个数字“2”或匹配部分数字“20220”。
非贪婪匹配也是非常常用的匹配模式，有些地方会叫做懒惰匹配（lazy），但都是一个意思：通过添加?来改变正则表达式匹配停止的条件。举个栗子：
04 测试工具
这里推荐正则表达式的在线测试工具：https://regexr.com/。在该网站上，提供了正则表达式的使用参考，并且可以供用户测试自己写出来的正则表达式是否符合预期。
作者：JKZHAN
文章来源：处芯积律
推荐阅读
- 设计模式在芯片验证中的应用——状态
- PCIe Gen4 ltssm协商过程
- SystemVerilog/Verilog中的各种延迟模型
- PCIe 复位：必须了解的PERST#
- 讲个SystemVerilog随机约束小坑
更多IC设计干货请关注IC设计专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。
