正则表达式笔记

  在正则表达式中，被赋予特殊含义的字符称为元字符。处理正则表达式的软件被称作正则引擎。一些主要的元字符在不同的正则引擎上是相同的，但也有很大一部分元字符在不同的正则引擎上是不同的。不同的元字符势必会导致不同的正则表达式，当下主流的正则表达式可以分为以下三类：

• POSIX Basic Regular Expression：POSIX 基本正则表达式，简写作 BREs。由于是 POSIX 的标准，所以 Unix/Linux 衍生平台上的大部分软件都支持 BREs。
• POSIX Extended Regular Expression：POSIX 扩展的正则表达式，简写作 EREs。相较于 BREs，EREs 在 Unix/Linux 衍生平台上被支持的范围更大。
• Perl Regular Expression：Perl 正则表达式，简写作 PREs。Perl 是较早支持正则表达式的语言，其正则引擎的速度也优于其它语言，因此 PREs 无疑是领头羊的存在。JAVA、Python 等当下流行的编程语言，它们的正则表达式也在很大程度上借鉴了 PREs。

  因此，要想熟练使用 Unix/Linux 衍生平台，BREs 和 EREs 是必备的技术，毕竟二者有着 POSIX 光环。BREs 和 PREs 仅有匹配功能，而 PREs 具有三种模式，分别是：匹配、替换、转化。本文首先在匹配方面来比较 BREs、EREs 和 PREs，而后再分别介绍 PREs 的替换模式和转化模式。

匹配

  首先介绍几个概念：在正则表达式中被赋予特殊含义的符号被称为元字符。按照正则表达式的语法写成的字符串被称为模式串（pattern string）。

元字符表

功能	为演示功能而作的假设	在 BREs 中的写法	在 EREs 中的写法	在 PREs 中的写法
转义字符		\	\	\
代指任意字符（不包括\n和\r）		.	.	.
代指几个字符中的任意一个字符	假设代指abc中的一个字符	[abc]	[abc]	[abc]
代指指定范围内的任意一个字符	假设代指从a到z中的一个	[a-z]	[a-z]	[a-z]
代指除指定字符之外的任意一个字符	假设代指除小写字母和123之外的字符	[^a-z123]	[^a-z123]	[^a-z123]
代指两个字符中的任意一个	假设代指xy中的任意一个	不支持	x|y	x|y
代指由同一字符组成的序列，且序列长度为确定值	假设代指仅由a组成的序列，且长度为4	a\{4\}	a{4}	a{4}
代指由同一字符组成的序列，且序列长度的最小值为确定值；最大值不限	假设代指仅由b组成的序列，且长度最小值为5	b\{5,\}	b{5,}	b{5,}
代指由同一字符组成的序列，且序列长度的最小值和最大值都为确定值	假设代指仅由c组成的序列，且长度最小为6；最大为10	c\{5,10\}	c{5,10}	c{5,10}
代指由同一字符组成的序列，且序列长度最小为零，最大不限	假设代指仅由d组成的序列，且长度为非负整数	d*	d*	d*
代指由同一字符组成的序列，且序列长度最小为一，最大不限	假设代指仅由e组成的序列，且长度为正整数	不支持	e+	e+
代指由同一字符组成的序列，且序列长度为零或一	假设代指仅由f组成的序列，且长度零或一	不支持	f?	f?
代指每行行首字符前的虚拟字符（正则引擎在每行的行首字符前虚拟了一个字符）		^	^	^
代指每行行尾字符后的虚拟字符（正则引擎在每行的行尾字符后虚拟了一个字符）		$	$	$
代指每个单词首字符前的字符（单词指由大小写字母、数字和下划线构成连续序列）		不支持	\<	不支持
代指每个单词尾字符后的字符		不支持	\>	不支持
代指每个单词词首前或词尾后的字符（单词指由大小写字母、数字和下划线构成连续序列）		不支持	不支持	\b
将某一模式串包装成一个整体，嵌入到另一模式串中，成为一个子模式		\(\)	()	()
在本模式串中，引用前面的一个子模式（能被引用的子模式只有九个，按从前向后的顺序从1到9依次编号）	假设引用从前往后排第6的子模式	\6	\6	不支持
代指空字符		不支持	不支持	\0
代指换行符		不支持	不支持	\n
代指回车符		不支持	不支持	\r
代指水平制表符		不支持	不支持	\t
代指垂直制表符		不支持	不支持	\v
代指换页符		不支持	不支持	\f
代指任意不可见字符（包括：空格、换行、回车、水平制表、垂直制表和换页）		不支持	不支持	\s
代指任意可见字符		不支持	不支持	\S
代指任意数字字符		不支持	不支持	\d
代指任意非数字字符		不支持	不支持	\D
代指任意单词字符（包括大写字母、小写字母、数字和下划线）		不支持	不支持	\w
代指任意非单词字符		不支持	不支持	\W
使用两位十六进制 ASCII 码来代指字符	假设代指A（其 ASCII 码为0x41	不支持	不支持	\x41

替换

转化