GA中的正则式之那些括号们

小括号、中括号和大括号都在正则式中有特殊的用途，即都属于元字符。下面分别介绍一下各自的用法。

一、小括号

()的作用主要有是作为子表达式将括号中匹配的内容存储起来，可以在以后调用；另外也可以改变计算的优先级（和数学上的作用差不多）。

1、子表达式

GA的默认代码只会在报告中显示URI，如下图所示：

我们可以看到默认的设置中是不会显示域名的。因此，对于有多个子域相同URI会作为一条记录处理，比如a.site.com/index.html和b.site.com/index.html，会显示为/index.html一条记录。

如何让GA可以区分子域呢？这就涉及到用高级过滤器来进行字段值重写。GA的过滤器提供对报告集（配置文件）中的记录及字段值的处理。比如，按照一定的字段过滤或包含指定记录；按照一定规则，重写某些字段值。下面就是让GA在报告中显示完整URL的高级过滤器。

这是GA高级过滤器的一个例子。高级过滤器的作用是从一个或两个字段中抽取其中的内容，然后输出到一个字段中。

对于上面的例子，我们首先看一下(.*)，这个正则表达式。它是由三个元字符组成，.表示任意字符，*表示重复前面的0个或多个字符，.*合在一起可以匹配任意字符。()的作用在这里是将其中匹配的信息存储了起来。

那对于字段A，来说就是把hostname这个字段的所有内容都匹配出来，并且存储了起来。字段B也是一样。

然后构建器，我们还是先来看一下这个正则式$A1$B1。$的意思是表示提取子表达式的值，A1和B1则表示是哪个表达式的值。$A1表示的是字段A中第1个子表达式匹配的信息，是的，一个正则式中可以包含多个子表达式。$A1$B1的意思就是把字段A中第1个子表达式匹配的信息和字段B中所匹配的信息组合在一起。具体就是说将hostname和request URI合在一起，这样我们就获得的完整的URL。

上面这个例子就说明了()作为子表达式的应用情景，下面我们再来看一下，()改变优先级的例子。

2、改变优先级

在正则式，各个元字符会进行一定操作，而不同的操作之间存在优先级。一个最简单也最容易记住的例子是|，|在正则式中表示或的意思，其优先级最低。比如，ab|c、a|bc和a(b|c)这三个表达式。ab|c可以匹配的是ab和c；a|bc可以匹配的是a和bc；而a(b|c)则可以匹配ab和ac。

假设以下情景，网站www.abc.com有多个子目录，比如www.abc.com/sport，www.abc.com/travel，www.abc.com/entertainment等其他十几个子目录，你需要将sport和travel和entainment的流量放在一个配置文件中。假设已经使用了上面的完整URL过滤器。你会如何去写？直接用|连接三个url就可以了。www\.abc\.com/sport|www\.abc\.com/travel|www\.abc\.com/entertainment，这个表达式是可以满足需求的，但是，其中的域名部分都是一样的。我们可以用()将子目录部门括起来变成这个形式：www\.abc\.com/(sport|tralvel|entertainment)。如果是将不同的子域放在一个配置文件中也是一样道理。

有的同学可能会问为什么不使用多个include过滤器，比如第一个include sport子目录，再用一个include travel子目录。这里需要说明一下，GA过滤器的逻辑关系是与，如果我们连续使用多个include过滤器的话，相当于告诉GA，给我包含同时既是sport和travel两个子目录的流量，这样的流量是不存在，我们需要的是或的关系，来自sport子目录或travel子目录的流量。

小括号的用法就介绍到这里，我们接下来看一下中括号的使用。

二、中括号

[]在正则式中表示的是一个字符集。比如[abc]可以匹配a、b、c与(a|b|c)的作用相同。还需要介绍与[]配套使用的两个符号，-和^。

-是连字符，用来表示一个范围。比如[ac]匹配是a、c，而如果是[a-c]则可以匹配a、b、c。同理，[0-9]匹配单个的数字，以此类推。

^是表示否定的意思，当然这是在[]中间的情况，在[]以外的话，表示的是起始位置。[abc]匹配的是a、b、c，而[^abc]则匹配是除了abc以外的单个字符。

我们再来看一个实际的应用例子。还是使用上面那个基本情况，这个网站呢还有多个子域，game.abc.com、news.abc.com等等，新的需求是将这些非www的子域与www子域下的sport和travel子目录合并为一个配置文件。

将www子域下的几个二级目录合并在前面已经探讨，只需要处理非www，我们可以使用这样的正则式^([^w]..|.[^w].|..[^w])。

完整的正则式为：^([^w]..|.[^w].|..[^w])|www.abc.com/(sport|travel)

同样还是使用一个include过滤器。

我们再来看一个()和[]结合的例子，提取来自百度的前一个搜索词。

首先我们来看百度搜索的URL规则，我们先输入一个搜索词，正则式，得到的URL是http://www.baidu.com/s?wd=%D5%FD%D4%F2%CA%BD&rsv_bp=0&rsv_spt=3&inputT=2500，我们再输入一个http://www.baidu.com/s?tn=baiduhome_pg&bs=%D5%FD%D4%F2%CA%BD&f=8&rsv_bp=1&rsv_spt=1&wd=%D5%FD%D4%F2%B1%ED%B4%EF%CA%BD&inputT=2695。通过对比这两个URL，我们可以看到其中的wd参数的值代表是搜索词（gb2312编码），bs参数的值是用户前一次搜索的词。

我们的目的是提取bs参数的值。我们先来看一下bs这个参数前后的内容，bs的前面是&（如果是第一个参数的话，也可能是?），bs值的后面也是&。(\?|&)bs=([^&])*这个正则式就可以匹配出百度的前一个搜索词。

让我们把百度的前一个搜索词放在User Defined（你也可以放在其他的字段）里面：

这里面有一个地方需要注意，构建其中使用的是$A2，代表的是使用字段中的第二个子表达式的值。即[^&]*所匹配的内容。

这里看一下([^&]*)这个子表达式，[^&]是匹配非&的单字符，[^&]*则匹配到下一个&为止所有的字符。

我们可以把(\?|&)参数名=([^&]*)，看做一个通用的正则式，可以用来提取任意参数的值，比如，提取百度的搜索词(\?|&)(wd|word)=([^&]*)，提取google的排名(\?|&)cd=([^&]*)，提取google的搜索类别(\?|&)source=([^&]*)。

中括号的基本用途也介绍到这里，我们再来看一下最后一个括号——大括号。

三、大括号

大括号在正则式中的作用是用来控制数量，*?+这三个元字符在正则式中也是用来表示数量。*表示前一个元素重复0或多次，+表示前一个元素重复1到多次，?表示前一个元素重复0到1词。而{m,n}则表示前一个元素重复m-n次。也可以是{m}的形式表示前一个元素重复m次。

前面的例子中，我们使用^([^w]..|.[^w].|..[^w])来匹配非www开头，其实可以改写为^[^w]{3}。

{}还有一个重要的应用是在匹配IP时，比如用于GA的IP过滤。如果你想要匹配123.192.168.0-123.192.168.99这个范围的IP，那么，你可以使用这个正则式：123\.192\.168\.[0-9]{1,2}

友情提示：安装过滤器之后，GA只会对后进入的数据按照过滤器处理。历史数据的形式不变。GA处理数据的周期为4小时一次，大型网站可能是一天。另外，配置文件对数据的操作是不可逆的，为避免错误，请保留一个未加任何过滤器的配置文件。

好了，关于正则式中的括号就介绍到这里~不知道您看懂了没~希望这篇正则式菜鸟写的教程能够帮助您理解这些括号在正则式及GA中的应用。如果您有什么疑问欢迎给我留言~