学习笔记：基础正则表达式

Posted 2022-12-10 the_scent_of_th_soul

我们知道，正则表达式在程序语言中很常见，灵活应用正则表达式，能帮助我们建立一些编程思维和语法习惯。那么，到底什么是正则表达式呢？

正则表达式的概念：正则表达式是用于描述字符排列和匹配模式的一种语法规则。它主要是用于字符串的模式分割、匹配、查找及替换工作。
其实，在正则表达式中最常用也最主要的是包含匹配即:匹配。

不少人在学习正则表达式的时候容易把正则表达式和通配符搞混淆，下面我简要说明一下正则表达式和通配符的几个主要的区别。

（1）：通配符是用来匹配文件名称的，而正则是用来匹配文件里面的数据的（内容）。
（2）：正则是包含匹配（即模糊匹配），而通配符是完全匹配。
（3）：grep、awk、sed这些命令是用来操作字符串的，所以它们可以支持正则表达式。而ls、find、cp等等这些是操作文件的命令，它是不能识别正则的，只能识别通配符。

下面是列举的一些基础的正则表达式及其操作：

（1） - * : 前一个字符匹配0次或任意多次。
如果使用命令：“grep "字符*" 文件名”， 它实际上是将整个文件的内容包括空白行全都匹配上了，这样使用该正则表达式其实是错误的，或者说没有任何含义的。
如果你最少需要匹配一个字符的话需要写两次例如：
“grep "aa*" 文件名” 
它的意思是说，最少匹配一个a，至于a的后面是什么无所谓。
以此类推：
“grep "aaa*" 文件名”:匹配至少包含两个连续a的字符串
“grep "zxcvbnm*" 文件名”:匹配 至少包含连续的字符串"zxcvbn" 的字符串

（2） - . :匹配除换行符外任意一个字符。
其明确规定有几个"."就必须有几个字符，以用来让其"覆盖".
下面是一个简单的操作实例：

（3） - ^ 和 - $ :"^"匹配行首，"$"匹配行尾。
例如：“grep "^m" 文件名”：表示匹配以小写"m"开头的行。
“grep "n$" 文件名”：表示匹配以小写"n"结尾的行。另外，
"^$":会匹配空白行。可用如下命令查看文件中的空白行：
grep -n "^$" 文件名(-n 用来显示行号)。

（4） - [] :匹配中括号中的  任意  一个字符。
也就是说，括号中的 任意一个字符 只要在文件里出现就会匹配，出现几个匹配几个。如下图操作：

另外，”[0-9]”： 表示匹配任意一个数字。例如我写如下一条命令：
grep "[0-9]" 文件名
它表示将文件中所有的包含数字的行匹配出来。注意，这里的数字实际上是一个个的字符。
例如，文件中的某一行包含一个 -1 那么该正则会将1匹配出来而不去管前面的 “-” 号。也就是说，哪一行有数字，哪一行就会被匹配。

这里还有一点需要注意：在中括号之外加 ^ 表示匹配该中括号范围内的任意字符开头的行。
但是，如果在中括号之内加一个 ^ ，那么它就表示取反，也就是说中括号之内 加和不加 ^ 的效果刚好相反。
具体举例说明见下图：

其中各行命令的解释如下：
grep -n "[0-9]" test.txt :匹配文件中有字符0-9的行。
grep -n "[^0-9]" test.txt:匹配文件中有0-9以外字符的行。
grep -n "^[0-9]" test.txt:匹配文件中以字符0-9开头的行。
grep -n "^[^0-9]" test.txt:匹配文件不以字符0-9开头的行。

至于 “[a-z]” 以及 “[A-Z]” 的匹配与上述 “[0-9]” 的匹配类同，这里就不再赘述。当然，在不同环境中该正则表达式可能会有些异同，需视情况而定。

（5） - \\ :把特殊符号的作用给取消，让其不再使用特殊作用。
比如上面我们讲到.的作用是代表任意一个字符，而用通过\\.的形式时， "."就是"." 。例如：
grep ".$" 文件名 ：代表匹配以任意字符结尾的行。
grep "\\.$" 文件名 ：代表匹配以字符"."结尾的行。

（6） - \\n\\ :表示其前面的字符恰好出现n次。
这里所说的字符出现必须是连续出现的。详见下图：

图中命令具体解释如下：
grep -n "a\\3\\" test.txt : 匹配出文件中a字母连续出现三次的字符串 所在的行。
可以发现，从第一个字符开始，只要有三个连续的字符a这三个a就会变红。也就是说，该正则不但会列出 需要匹配的n个连续字符 所在的行，而且会标记出满足条件的连续字符（字符串）所在的位置。

grep -n "[0-9]\\4\\" test.txt : 匹配出包含连续四个数字的字符串 所在的行。
上述提到过，这里对数字的处理实际上也是按照字符处理的。从图中字符串 “1237890” 也可以看出，这里的连续数字并不是指数字间的差值相等。而是指它们都是在 [0-9] 这个范围内的字符，至于等于多少，无所谓。

好了，以上我列举的是一些常见的、基础的正则表达式。其实正则还有很多参数的，只是我一般都不常用也就没有列举。前面也说了，灵活运用正则会为我们带来很多方便。而正则最主要的就是包含匹配，只要把握住这一点多练习几次，很快就可以掌握它啦！