Wfr命令详解解析.doc

简介 wfr?　　- 支持多国语言的字符串批量查找和替换　　- 批量字符集编码转换 纯 unicode 规则匹配内核，真正支持各国语言文字的正则匹配。 带有兼容性检查的字符集编码转换功能。同时支持 libiconv（iconv.dll） 、IBM libicu 和 Windows 自带的字符集编码转换 API。 支持 TCL 8.2 兼容的高级正则表达式（ARE）。 支持一次性指定多个文件通配符和文件列表。 支持管道模式，与其它命令协同工作；支持半管道模式，从文件中获取输入，但将结果写到标准输出。 支持包含子目录。 支持普通匹配、正则匹配、可忽略大小写、可跨行匹配。替换时可以使用正则的子表达式。 同时支持 posix 标准的扩展正则表达式及 perl 风格的正则匹配。 可以格式化替换内容为全大写或全小写，便于在批处理中对环境变量和命令行参数做大小写一致化处理。 支持 DOS（Windows）、Macintosh 和 unix 风格的换行符，可选择自动识别（默认）或手动指定。 统计功能，列出每个文件中的替换次数、总替换次数等。 支持 Win32 和纯 DOS 环境（纯DOS环境中需要 HX DOS Extender 支持）。 支持 POSIX 环境，提供 linux x86/x64、FreeBSD、NetBSD、Solaris 等版本下载。 　 更新历史 2013-11-19, Ver 2.3.9-1119 UPD: 在 -s 模式下，默认忽略无法访问的子文件夹。 2009-12-13, Ver 213 NEW: 新增 -errstop 参数。使用此参数时，遇到无法访问的文件和子目录会报错并自动终止查找。不使用此参数时，fr 会自动跳过无法访问的子目录。对于无法读写的文件，fr 会输出一行报错信息，但不会终止搜索。 2009-03-12, Ver 312 FIX: 修正了在使用 /r 或 /ric 参数并且使用 ARE p 和 s 模式进行匹配时，^ 有时仍然会匹配行首的问题。???? 例如：在 dos 格式的文件中，/r:***:(?p)(^.*)\n 会匹配所有行，而不仅仅是文件的第一行。UPD: 现在 -exp 默认为开启状态，要禁用此选项，需要指定 -noexp 开关。 2008-09-09, Ver 909 UPD: 增强了正则行首锚点 ^ 的适应性。 2008-09-08, Ver 908 FIX: 纠正了正则表达式零长匹配时会出现无限循环的问题（例如，在内容“aaa.bbb”中将“[^.]*”替换为“z”）。FIX: 纠正了正则行首锚点解析不正确的问题（例如，在内容“ccc”将“^c”替换为“z”）。 2008-08-16, Ver 15 新增高级正则表达式（ARE）支持 2007-01-20, Ver 20 新增 -exp 选项，开启该选项后，程序的内存使用量将增加一倍，但是在很多情况下，其处理速度将得到极大改善。碰到性能问题的弟兄们可以试试。该算法使用额外的内存消除了原地替换时带来的内存抖动，所以文件中要替换的值越多，算法带来的性能提升就越明显。在 siwen@CCF 兄提供给我的样本上测试，开启了 -exp 选项以后，fr 完成任务的时间从 1小时 降低到 1.5 秒（文件体积 8.5MB，文件中需要替换的项目为 25 万项）。 　 所谓 Unicode 正则匹配 wfr 内部使用完全基于 UNICODE 的高效正则引擎，能够完成各种国际化条件的正则匹配。以下举例说明： 小写类能够正确匹配各国小写字母。如：中文全角字母“ａｂｃｄ”；希腊字母“α、β、ω”；俄文字母“ж、я、щ” 等等。 大写类能够匹配各国大写字母。如：全角字母“ＡＢＣＤ”；希腊字母“Α、Β、Ω”；俄文字母“Ж、Я、Щ”等等。 字符类能匹配各国字母（中日韩的汉字也属于该类）。 标点类能够匹配各国标点符号，如：“、，。……『』”等等。 所有操作都支持宽字符，例如，表达式：“[我你他她它]们”将被正确处理。 其它（数字、空白符、词边界等等）以此类推，全方位支持多语言。以上字符分类的规则遵循UNICODE标准分类（UNICODE General Category Values）具体请参考：/versions/Unicode4.0.0/ch04.pdf。关于 UNICODE 正则的操作效率，这个引擎比我能找到的所有开源的非 UNICODE 匹配引擎至少快一倍左右（因为所有字符类的匹配都是直接查表映射的，都是标准 O(1) 算法）。不过这只是匹配引擎的效率，由于所有文件在“匹配-替换”前后都要做一次编码转换，所以典型应用下，wfr 效率比 fr 低一些。wfr 并不是 fr 的升级版，能够