3.2.1 什么是正则表达式

Posted 2021-02-05 avention

    正则表达式是一种表示方式，让你可以查找匹配特定准则的文本，例如，“以字母 a 开头”。此表示法让你可以写一个表达式，选定或匹配多个数据字符串。

 

    很多的UNIX工具程序沿用某一种正则表达式形式来强化本身的功能。这里列举一部分例子：

• 用来寻找匹配文本行的 grep 工具族：grep 与 egrep ，以及非标准但很好用的 agrep 工具。
• 用来改变输入流的 sed 流编辑器（ stream editor ），本章稍后将会介绍。
• 字符串处理程序语言，例如 awk、Icon、Perl、Python、Ruby、Tcl等。
• 文件查看程序（有时称为分页程序，pagers ），例如 more、page、与 pg ，都常出现在商用UNIX系统上，另外还有 less分页程序。
• 文本编辑器，例如历史悠久的 ed 编辑器、标准的 vi 屏幕编辑器，还有一些插件（add-on）编辑器，例如 emacs、jed、jove、vile、vim 等。

 

    正因为正则表达式对于UNIX的使用是这么重要，所以花些时间把它们弄熟绝对不会错，越早开始就能掌握得越好。

 

    从根本上来看，正则表达式是由两个基本组成部分所建立：一般字符与特殊字符。一般字符指的是任何没有特殊意义的字符，正如下表中所定义的。在某些情况下，特殊字符也可以视为一般字符。特殊字符常称为元字符（ metacharacter ），本章接下来的部分都会以 meta 字符表示。

 

 

    POSIX BRE 与 ERE 的 meta 字符

字符	BRE/ERE	模式含义
	两者都可	通常用以关闭后续字符的特殊意义。有时则是相反地打开后续字符的特殊意义，例如 ( ... ) 与 { ... } 。
.	两者都可	匹配任何单个的字符，但 NUL 除外。独立程序也可以不允许匹配换行字符。
*	两者都可	匹配在它之前的任何数目（或没有）的单个字符。以ERE而言，此前置字符可以是正则表达式， .* 代表“匹配任一字符的任一长度”。以BRE来说， * 若置于正则表达式的第一个字符，不具任何特殊意义。
^	两者都可	匹配紧接着的正则表达式，在行或字符串的起始处。BRE：仅在正则表达式的开头处具此特殊含义，ERE：置于任何位置都具特殊含义。
$	两者都可	匹配前面的正则表达式，在字符串或行结尾处。BRE：仅在正则表达式结尾处具此特殊含义，RER：置于任何位置都具特殊含义。
[...]	两者都可	方括号表达式，匹配方括号内的任一字符。连字符（-）指的是连续字符的范围。^符号置于方括号里第一个字符则有反向含义：指的是匹配不在列表内的任何字符。作为首字符的一个连字符或是结束方括号（]）,则被视为列表的一部分。所有其他的 meat 字符也为列表的一部分。房括号表达式里可能会含有排序符号、等价字符集、以及字符集。

 

 

 

字符	BRE/ERE	模式含义
{n,m }	BRE	区间表达式，匹配在它前面的单个字符重现的次数区间。{n}指的是重现 n 次；{n,}则为至少重现 n 次，而{n,m}为重现 n 至 m 次。m的值必须介于0至255间
( )	BRE	将( 与 ) 间的模式存储在特殊的“保留空间”。最多可以将9个独立的子模式存储在单个模式中。匹配于子模式的文本，可以通过转移序列1至9，被重复使用在相同模式里，例如(ab).*1，指的是匹配于ab组合的两次重现，中间可存在任何数目的字符。
	BRE	重复在 方括号内第 n 个子模式至此点的模式。n为1至9的数字，1为由左开始。
{n,m}	ERE	与先前提及BRE的{n,m}一样，只不过方括号前没有反斜杠。
+	ERE	匹配前面正则表达式的一个或多个实例。
?	ERE	匹配前面正则表达式的零个或一个实例。
|	ERE	匹配于|符号前或后的正则表达式。
( )	ERE	匹配于方括号括起来的正则表达式群。

 

简单的正则表达式匹配范例

 

表达式	匹配
tolstoy	位于一行上任何位置的7个字母：tolstoy
^tolstoy	7个字母tolstoy，出现在一行的开头
tolstoy$	7个字母tolstoy，出现在一行的结尾
^tolstoy$	正好包括tolstoy这7个字母的一行，没有其他的任何字符
[Tt]olstoy	在一行上的任意位置中，含有 Tolstoy 或是 tolstoy
tol.toy	在一行上的任意位置中，含有 tol 这3个字母，加上任何一个字符，再接着toy这3个字母。
tol.*toy	在一行上的任意位置中，含有 tol 这3个字母，加上任意的0或多个字符，再继续 toy 这3个字母。