学习正则表达式

作者：

1 常用的正则表达式元字符

.	匹配任意字符	*	修饰匹配符为0次任意次
^	匹配输入行的开始位置	$	匹配输入行的结束位置
+	修饰匹配符至少1次	?	修饰匹配符0次或1次
[]	用来自定义匹配“多种字符”表达式	{}	修饰的符号
\s	空格	\S	非“空格”字符
\d	匹配任何一个0-9数字	\D	匹配一个非0-9数字
\w	匹配一个 数字、字母或下划线	\W	匹配一个非 数字、字母和下划线
*?	非贪婪修饰匹配符为0次任意次	+?	非贪婪修饰匹配符至少一次
??	非贪婪修饰匹配符0次或1次	()	把一个表达式做为一个匹配整体
｜	两边的表达式为“或”的关系

2 转义字符

在正则表达式中对一些特殊符号和特殊含义的字符的使用需要用“\”进行转义操作，需要转义的字符除了包括以上列出的“元字符”外，还有以下这些具有具体含义的字符：

\t	横向制表符	\n	换行符
\r	回车符	\\	转义字符本身

3 修饰符

用在正则表达式结尾。例如 /asdf/i,“i”即为“修饰符”，意思是不区分大小写的匹配“asdf”。所有修饰符的含义如下表：

g	全局匹配	i	忽略大小写
m	多行匹配	s	把整个匹配串当作一行处理
x	允许注释和空格的出现	U	非贪婪匹配

4 正则表达式兼容性对比

元字符	GNU grep			GNU Emacs	Perl	Python	T c l
.	任意字符	除\0外的任意字符		除\n外的任意字符			任意字符
[...]
\(re\)			未支持		未支持
re\{...\}			未支持		未支持
(re)	未支持			未支持
re{...}		未支持		未支持
re{...}?	未支持				非贪婪的
\digit
^	匹配输入字符的开始位置
$	匹配输入字符的结束位置
re?	未支持		re出现0次或1次
re*	re出现0次或多次
re+	未支持		re出现一次或多次
re\?	re匹配 0 或 1 次	未支持
re\+	re匹配 1 或 多次	未支持
l|r	未支持		满足 l 或r 的匹配	未支持	满足 l 或 r 的匹配
l\|r	l 或 r匹配	未支持		l 或 r 匹配	未支持
*?	未支持			非贪婪修饰匹配符为0次或任意次
+?	未支持			非贪婪修饰匹配符至少一次
??	未支持			非贪婪修饰匹配符0次或1次
\A	未支持				匹配字符的结束位置
\b	单词边缘字符	未支持		单词的边缘字符			未支持
\B	非 单词的边缘字符	未支持		非 单词的边缘字符			与\同义
\C	未支持				Any octet	未支持
\d	未支持				匹配任何一个0-9数字
\D	未支持				匹配一个非0-9数字字符
\G	未支持				At pos()	未支持
\m	未支持						单词的开始
\M	未支持						单词的结束
\p property  \p{ property}	未支持				Unicode property	未支持
\Pproperty  \P{property}	未支持				Not unicode property	未支持
\s	未支持				空格
\S	未支持				非空格字符
\w	匹配一个 数字或字母	未支持		同 \sw 一致	匹配一个 数字、字母和下划线
\W	配一个非 数字或字母	未支持		同 \Sw 一致	配一个非 数字、字母和下划线
\Z	未支持				匹配字符或行的结束位置	匹配字符的结束位置
\z	未支持				匹配的单个字符串结尾	未支持
\<	单词开始位置	未支持		单词结束位置	未支持
\>	单词结束位置	未支持		单词结束位置	未支持
(?#text)	未支持				注释，忽略
(?modifiers)	未支持				内置修饰符
(?:re)	未支持				括号内的内容不计入$1，$2等变量
(?=re)	未支持				Lookahead
(?!re)	未支持				Negative lookahead
(?{ code })  (??{ code })	未支持				嵌入的Perl程序	未支持
(?>re)	未支持				独立表达式	未支持
(?(cond)re)  (?(cond)re|re)	未支持				条件选择	未支持
元字符	GNU grep			GNU Emacs	Perl	Python	Tcl

4.1 

: POSIX "basic regular expressions"。传统的Unix grep（除去grep -E使用）即遵循这个标准。

: POSIX "Extended regular expressions"。传统Unix的egrep和grep -E均使用此标准。

grep: 传统Unix的grep是使用BREs;grep -E使用时使用EREs；grep -F 不使用任何正则表达式。但是现在的grep一般使用GNU grep，这个是在ERES的基础上加入了一些扩展。

sed: 传统Unix的sed是使用BREs;FreeBSD的sed -E使用EREs；GNU sed -r使用和GNU grep相似的正则表达式标准。

awk: 使用EREs，但是加入了\\,\a,\b,\f,\n,\r,\t,\v等转义字符。

regex(3): 根据的不同的参数可以使用BREs和EREs。

PCRE: 使用Perl的正则表达式。

Perl: Perl对正则表达式的支持最好，并且速度也很快。详细的用法介绍见 。

Python: Python使用正则表达式需要使用引用re module，关于其更多介绍见。

4.2 

括号表达式是POSIX自定义的一套表达式规范。有以下规范要遵守：

0. 如果在“[”后紧接着“^”，那么整个括号表达式中的取“反”匹配。

也就是说，如果括号表达式以“^”开头，那么在被匹配字符中任何一个在“括号表达式”中的字符都不能出现。

1. 如果在“[”后是除“^”以外的字符，那么只要被匹配字符串中有一个在“括号表达式”中，那么即匹配成功。

2. 符号类型。类似于[:class:]，表示一个已定义的符号集合。已知的部分符号集合如下：

[:alnum:]	所有的数字和字母（A－Z，a-z，0－9）	[:alpha:]	所有的字母（A－Z，a－z）	[:cntrl:]	任何一个控制字符（\x00 - \x7F）
[:graph:]	任何一个可以显示的ASCII字符，不包括空格（\x21 - \x7E）	[:lower:]	任何一个小写字母（a-z）	[:upper:]	任何一个大写字母（A-Z）
[:digit:]	任何一个数字（0－9）	[:blank:]	空格和制表符（横向和纵向）	[:space:]	任何一个空白字符（\x09 - \x0D，\x20）

3. 表示数字或字母的范围。例如，[3-6]表示从3到6的任意一个数字；[2-5]表示从A-H的任意一个字母。注意，如果“－”不是出现在在字符或字母中间，那么被为普通字符。

4.3 

关于“匹配次数”的语法的使用有两种，一种是使用\{\}；一种是{}，但是无论如何含义都是一样的：

• RE{N}:是精确的匹配RE N次
• RE{N,}:会匹配RE N次或多于N次
• RE{N,M}:会匹配RE在N次和M次之间
• RE{,M}:匹配RE小于或等于M次

4.4 

使用小括号“(”“ )”括起来的表达式为“子表达式”或“分组”。他有两个做用：A，他把括号中的内容作为一个整体匹配；B，其后的修饰符（+、?、*等）对括号的整体有效；C，并且这个其中匹配到的内容能通过“\digit”（后续引用）在正在表达式内部或着外部引用

"Shy grouping"：高优先级匹配，而非“捕捉”的整体

5 参考资料