读书笔记《Mastering Regular Expressions》（一）

Mastering Regular Expressions

Jerffrey E.F.Friedl著的这本书，闻名已久。九月份从当当网邮购了一本，却一直没有时间坚持读，主要原因当然还是英文差，没有养成阅读英文的习惯和能力。

后悔呀，当初为什么不多花点时间在英语上面。

开篇说的那个可怕的、查找重复单词的需求非常生动，如果是我遇到这样的需求，肯定同样会很苦恼。

• 检查N个文件，找到重复的单词（比如“this this”），然后报出它们在哪个文件的哪一行，还要用标准ANSI的转义序列来高度显示它们；
• 不仅如此，还要正确处理这种情况：某行的最后一个单词，与紧跟着的下一（非空）行的第一个单词相同，也就是说要能够跨行工作。
• 在 查找过程中，还要忽略大小写的区别，并且能把单词之间的任意数量空格都等同于单个空格对待，最重要的是，两个重复单词中的某一个或两个被HTML标记包围 着，那还是算重复单词！比如“...it is <B>very</B> very important...”

这样的需求听上去很讨厌，但有了正则表达式，一切就变得容易了。

下表是基本的元字符：

元字符	名称	匹配行为	备注
^	脱字符	匹配行的起始位置
$	美圆符	匹配行的结束位置
/<	反斜杠及小于符	匹配单词的起始边界	不是所有版本的的egrep都支持这个特性
/>	反斜杠及大于符	匹配单词的结束边界
.	点	匹配任意单个字符
[...]	字符集	匹配所有方括号中列出的字符
[^...]	字符非集	匹配所有不在方括号中列出的字符
|	或符号	匹配或符号分开的的表达式
(...)	圆括号	用于指定“或”符号的范围

注：

• 如果一个元字符出现在字符集中（被方括号括起来的字符列表），则它不再是元字符，比方，点字符在方括号以外时，它是一个元字符，代表任意字符，如果它出现在方括号里，则代表点字符本身。
• 在字符集和字符非集中中，如果减号字符出现在第一个字符位置，则它代表减号本身，否则它表示一个范围，比如[-a-z0-9]，第一个减号代表减号本身，第二个减号表示范围，与字符a和z一起表示从a至z的26个英文小写字母，第三个减号与第二个减号的意义一样。
• 字符非集的概念需要仔细，比如，[^X]并不意味着“只要不是字符X就匹配”，而是“匹配一个不是X的任意字符”，前者的意义可以匹配一个空行，但[^X]并不匹配空行。
• 某些版本的egrep支持-i参数，以执行忽略大小写的匹配操作。