linux下-正则基础

正则表达式中有两种基本字符匹配：特殊字符和一般字符。

 1.特殊字符： meta character 元字符，赋予它表达匹配的某些含义；
 2.一般字符：没有任何特殊意义的字符。

meta元字符

BRE&ERE都支持：

   ^ 锚定行或字符串的开头，匹配以某个字符开头的行。
   $ 锚定行或字符串的结尾，匹配以某个字符结尾的行。
   ^$ 空行
      ---> （BRE中锚点（^/$）字符仅在开头和结尾是特殊字符，在字符串中间就是普通字符；
            在ERE中锚点字符在任何位置都是meta元字符，所以在字符串中间出现^/$时，它将匹配不上任何行）
   . 匹配一个任意的非换行字符
   * 匹配0个或多个先前的字符
   .* 匹配任意字符，任意个任意字符（贪婪匹配）
   [...] 方括号表达式，匹配方括号内的任意一个字符，如：“[Gg]rep”匹配Grep和grep；
      ---> 连字符（-）表示连续字符的范围，如：“[0-9]”匹配所有单个数字。
      ---> ^ 位于方括号内的开始[^...]，具有取反的含义：不匹配方括号内的任意字符，如：'[^A-Z]'匹配不包含大写字母的行。
   \ 反斜杠，脱意：打开或关闭后续字符的特殊含义； 

BRE： grep

- 后向引用表达式: \(\)\n
     \(\)  标记匹配字符，这个元字符将\( 和 \)之间的模式存储在内存空间中；
      \n  重复在 '\(' 与 '\)'内的第n个模式。n是数字，n为1到9。
      如： '\(grep\).*\1',匹配两个grep中间带有任意数目的字符，第二个grep使用‘\1’来引用。

- 区间表达式，仅匹配它前面的正则表达式。
    x\{m,n\} 区间表达式，匹配x字符出现的次数区间。
      x\{n\} 指x出现了n次
      x\{m,\}指x至少出现名m次
      x\{m,n\}指x出现至少m次，最多n次，即m-n次 

仅ERE (egrep)

x{m,n} x出现 m-n 次  ，\{\}表示花括号本身。
+ 匹配前面正则表达式的一个或多个实例
？ 匹配前面正则表达式的0个或1个实例
| 匹配‘|’前面或后面的正则表达式
()匹配用括号括起来的正则表达式群（分组）

GUN版本的grep的扩展元字符写法：

\<  锚定单词的开始；
  如：'\<grep' 匹配以grep开头的单词的行
\> 锚定单词的结束；
  如：'grep\>' 匹配以grep结尾的单词的行

\w 匹配字母和数字字符，即：[A-Za-z0-9];
      如： 'G\w*p' 匹配G和p之间跟0个或多个字母或数字的行
\W \w的反置形式，匹配一个或多个非单词字符，如:点号、句号等

\b 匹配单词的开始或结束
      如：'\bgrep\b'只匹配grep

方括号的一些扩展：

 （1）[ ]也支持POSIX字符集
 POSIX字符集是以[::]括起来的字符，不同的关键字描述不同的字符集：

  [:alnum:]     所有的字母和数字
  [:alpha:]     所有的字母
  [:blank:]     所有呈水平排列的空白字符
  [:cntrl:]     所有的控制字符
  [:digit:]     所有的数字
  [:graph:]     所有的可打印字符，不包括空格
  [:lower:]     所有的小写字母
  [:print:]     所有的可打印字符，包括空格
  [:punct:]     所有的标点字符
  [:space:]     所有呈水平或垂直排列的空白字符(tab制表符或空格)
  [:upper:]     所有的大写字母
  [:xdigit:]    所有的十六进制数
  [=字符=]      所有和指定字符相等的字符

 posix的引用： [以[::]括起来的字符],例如：[[:space:]]表示一个tab制表符或空格

 （2）排序符号
  表示一个字符序列,
  [.和.]将字符组合扩起来，
  例如[.cn.]表示 cn 字符序列，单独的c/n都不行
  [[.ing.][.in.]]匹配ing或者in

 （3）等价字符集

  用 [= 和 =]将字符括起来，匹配等值的一组字符，让不同的字符在匹配时视为相同的字符。
  [=字符=] 所有和指定字符相等的字符
 注：在方括号表达式中，所有其他的meta字符都将失去其含义，被视为普通字符.
 例如： [.]匹配反斜杠或者点号。

更多差异：

• 后向引用：
  BRE中支持一种匹配机制：“后向引用”，含义是：匹配的是之前正则表达式选定的部分，使用\1~\9来引用之前选定的部分，使用 ( 和 ) 括起想要之后\n引用的部分.
  eg.
    (ab)(cd)[efg]*\1\2
    匹配到 abcdabcd 、abcdeabcd 、abcdfabcd 、 abcdgabcd
• 交替字符 |
    grep ‘you|me’
• 分组
  BRE（egrep）中 ，()来括起一组字符:
  例如：
    egrep ‘(go)+’ 一个或多个连续的go
    egrep ‘(man|woamn)+’ 一个或多个连续的man或woman

扩展：

 \< 匹配单词开头 '\<linu'
 \> 匹配单词结尾  'linu/>' 

目前的linux主流发行版都支持egrep，但是标准写法是：grep -E

补充：

  表1.常用的元字符

代码    说明
.     匹配除换行符以外的任意字符
\w    匹配字母或数字或下划线或汉字
\s    匹配任意的空白符
\d    匹配数字
\b    匹配单词的开始或结束
^     匹配字符串的开始
$     匹配字符串的结束   

  表3.常用的反义代码

代码/语法    说明
\W           匹配任意不是字母，数字，下划线，汉字的字符
\S           匹配任意不是空白符的字符
\D           匹配任意非数字的字符
\B           匹配不是单词开头或结束的位置
[^x]         匹配除了x以外的任意字符
[^aeiou]     匹配除了aeiou这几个字母以外的任意字符

  表2.常用的限定符

代码/语法    说明
*       重复零次或更多次
+       重复一次或更多次
?       重复零次或一次
{n}     重复n次
{n,}    重复n次或更多次
{n,m}   重复n到m次

下表是元字符及其在正则表达式上下文中的行为的一个完整列表：

字符    描述
\    将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。


^    匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。


$    匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。

*    匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。

+    匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。

?    匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。

{n}    n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。

{n,}    n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。

{n,m}    m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

?    当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。


.    匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
(pattern)    匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。

(?:pattern)    匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。

(?=pattern)    正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

(?!pattern)    负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始

x|y    匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。

[xyz]    字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。

[^xyz]    负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。

[a-z]    字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。

[^a-z]    负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。

\b    匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。

\B    匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。

\cx    匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\d    匹配一个数字字符。等价于 [0-9]。
\D    匹配一个非数字字符。等价于 [^0-9]。
\f    匹配一个换页符。等价于 \x0c 和 \cL。
\n    匹配一个换行符。等价于 \x0a 和 \cJ。
\r    匹配一个回车符。等价于 \x0d 和 \cM。
\s    匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S    匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t    匹配一个制表符。等价于 \x09 和 \cI。
\v    匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w    匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W    匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
\xn   匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。

\num    匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。

\n    标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。

\nm    标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。

\nml    如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。

\un    匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (©)。

正则参考 http://deerchao.net/tutorials/regex/regex.htm#metacode