关于正则的一点总结

Posted 2021-01-10 tp-16b

正则表达式（Regular Expression）是用于描述一组字符串特征的模式，用来匹配特定的字符串。通过特殊字符＋普通字符来进行模式描述，从而达到文本匹配目的工具。类似于生活中常见的寻人启示，通过描述一个人的特征来进行“搜索匹配”
如今正则已经被我们广泛应用，目前被集成到了各种文本编辑器/文本处理工具当中

应用场景

• 验证: 表单提交时，进行用户名密码验证。
• 查找: 从大量信息中快速提取指定内容。在一批url中，查找指定url
• 替换: 将指定格式的文本，进行正则匹配查找，找到之后进行特定替换，（vim文本替换等）
  在很多技术领域（比如，自然语言处理，数据存储等），正则表达式可以很方便的提取出我们想要的信息，所以这部分必不可少

构成基本要素

• 字符类
• 数量限定符
• 位置限定符
• 特殊符号

1. 字符类：

字符	说明	举例
.	匹配任意的一个字符	abc. 可以匹配abcd、abc0等
[]	匹配 [] 内的任意一个字符	[012]a可以匹配0a、1a、2a
-	在括号内表示字符范围	如[0-9]可以匹配任何一个数字
^	放在[]内前面表示匹配除括号中字符外的任意一个字符	[^ab]c可以匹配1c、dc，但是不能匹配ac、bc
[[:xxx:]]	grep工具预定义的一些命名字符类	[[:digit:]]可以匹配一个数字，[[:alpha:]]匹配一个字符，[[:lower:]]匹配任何一个小写字母等

应用：

1. grep使用--color选项将匹配的字符串以红色标注出来
2. Linux下可以用echo $?来打印上一条命令执行的退出码，为0表示执行成功，1表示失败。

实验如下：

注意：使用 . 默认为贪心匹配，和后面的正则匹配方式相关，后面再述。

2. 数量限定符：

字符	说明	举例
?	匹配紧跟它前面的单元(前面的一个数字或字符) 0或1次	如匹配小数，用0.?[0-9]匹配0.1 、0.2、0.3等；由于.在正则里面是特殊符号所以需要用进行转义操作(后面再说)
+	匹配紧跟它前面的单元 1或多次	[a-zA-Z0-9_.-][email protected][a-zA-Z0-9_.-]+.com匹配一个邮箱地址
*	匹配紧跟它前面的单元0或多次	[0-9][0-9]*匹配至少一位数字，等价于[0-9]+
{N}	精确匹配紧跟它前面的单元N次	[0-9]{3}匹配000到999之间的数字
{N,}	匹配紧跟它前面的单元至少N次	[0-9]{3,}匹配三位及其以上的数字
{,M}	匹配紧跟它前面的单元最多M次	[0-9]{,1}等价于[0-9]?
{N,M}	匹配紧跟它前面的单元N~M次	近似匹配IP地址：[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}

应用：

3. 位置限定符：

字符	说明	举例
^	匹配行首位置，从行首开始匹配	^world只匹配一行开头的world
$	匹配行末位置，从行末尾开始匹配	;$匹配一行末尾的;号，^$匹配空行
<	匹配单词开始位置	< th匹配this,不匹配teach、ethernet
>	匹配单词末尾位置	p>匹配sleep、leap等，不匹配parent、sleepy
	匹配单词的开始位置、末尾位置	如 orld匹配world、aorld，orld只匹配orld
B	匹配非单词的开头、末尾位置	如 BatB匹配battery，不匹配attend、hat等以字符串"at"开头、结尾的单词

注意：其中  用来限定是目标串中是否有以指定字符串开头的单词，我们称之为词界。 B 称之为非词界
应用：

4. 特殊符号：

字符	说明	举例
	转义字符，普通字符转义为特殊字符，特殊字符转义为普通字符	<写成<匹配单词开头，.前面加上写成.取 . 的字面值
()	将正则表达式的一部分括起来组成一个单元，可以对整个单元使用数量限定符	([0-9]{1,3}.){3}[0-9]{3}匹配IP地址
|	连接两个子表达式，表示或的关系	n(o|either)匹配no或neither

应用：

( )将包含内容括起来作为一个整体，进而通过数量限定符限定。

| 用来级联多个条件，只要有任意一个匹配，即可匹配，表示或者关系，我们称之为析取符，

正则表达式版本

其他常用通用字符集及其替换

符号	等价于	匹配
d	[0-9]	数字字符
D	[^0-9]	非数字字符
w	[a-zA-Z0-9_]	数字字母下划线
W	[^w]	非数字字母下划线
s	[_ f]	表格，换行等空白区域
S	[^s]	非空白区域

于是, 我们现在可以用这些符号来简化我们正则表达式的编写了？试试

可是结果好像并不如我们所愿？其实这里还与正则表达式版本有关。正则分为以下几个版本：

• 基本的正则表达式（Basic Regular Expression 又叫 Basic RegEx 简称 BREs）
• 扩展的正则表达式（Extended Regular Expression 又叫 Extended RegEx 简称 EREs）
• Perl 的正则表达式（Perl Regular Expression 又叫 Perl RegEx 简称 PREs）

在grep中指定相应的参数即可，而这几个版本中默认的就是基本正则，带上-E选项就是扩展正则，而带上-P参数就是用perl版正则。解决前面的问题，我们这里让grep带上-P选项便可解决了

版本间区别

• 正则表达式的Extended规范和Basic规范基本相同。只是在Basic规范下，有些字符 ?+{}|() 应解释为普通字符,要表示上述特殊含义则需要加 ?转义。
• 反之，在Extended规范下， ?+{}|() 应该被理解成特殊含义，要取其字面值，也要对其进行 ?转义。
• 所以， grep 工具带上 -E 选项，表示使用扩展正则来进行匹配，若没有，则表示使用基准正则进行匹配。亦或者直接使用egrep 命令操作
• 带-P选项使用的perl正则匹配是perl语言的集成一种最重要特性，它十分强大，很多语言设计正则式支持的时候基本上都参考Perl的正则表达式。

正则匹配模式

• 贪婪模式
  正则表达式去匹配时，会尽量多的匹配符合条件的内容grep 默认就是贪婪匹配，

• 非贪婪模式
  正则表达式去匹配时，会尽量少的匹配符合条件的内容 也就是说，一旦发现匹配符合要求，立马就匹配成功，而不会继续匹配下去(除非有g，开启下一组匹配)

总结：可以看到，非贪婪模式的标识符，就是贪婪模式的标识符后面加上一个 ?