轻松理解正则表达式

本文是帮助刚接触正则表达式的童鞋理解的，主要描述了正则表达式是个什么东西，而不是讨论用法和工作原理。不过也欢迎高手批评指正，以更好的帮助新手。

正则表达式曾是我学Shell时最头大的一个问题，当时总以为他是条命令啥的，显然他不是，也显然是个表达式，那什么叫表达式呢，这个概念先不管，应该都听说过算术表达式吧，那算术表达式是啥呢，怎么描述呢，在数学课程中是这样描述的：由数字和运算符号组成的式子，可以简单清晰地记录或描述计算过程和内容【摘自百度百科】，我们只看前半句，说明是个式子，式子都知道吧，简单的说是一句话，有特定含义的一句话，当然编程语言中的算术表达式还是个式子，正则表达式也是个式子。

现在知道它也是一种表达式了，那他是干嘛用的呢？算术表达式是用于描述计算过程和内容的，正则表达式主要是用于匹配字符串的，这个表达式就是描述了一批而不是一个字符串，如果另一个字符串属于这一批字符串，就可以说该字符串与该正规表达式匹配成功。那这个一批哪底包含哪些呢，先举个不是正则表达式的简单例子，通配符都知道吧，不知道的也见过这样的表达式吧：

*.c
*.java

分别表示所有以“.c”和以“.java”为后辍的，虽然大部分都见过，我们还是做个小实验：

elwin@Ubuntu64:~/work$ ls
1.c  1.java  2.c  2.java  3.c  file1.txt
elwin@Ubuntu64:~/work$ ls *.c
1.c  2.c  3.c
elwin@Ubuntu64:~/work$ ls *.java
1.java  2.java

当我们调用“ls”显示文件的时候，全部显示了，使用“ls *.c”则只显示了所有c文件，而“ls *.java”则显示了所有java文件，这是因为星号“*”被Shell扩展了（注意不是被ls扩展，传给ls命令的已经是扩展好的数组了），我们写个脚本打印所有输入参数来验证一下，

#!/bin/sh
echo "$*"

（其中“$*”是指代所有输入参数）输出结果是：

elwin@Ubuntu64:~/work$ ./test.sh *.c
1.c 2.c 3.c

在这里*.c代表了一批字符串，而这一批字符串包含了“1.c 2.c 3.c”，所以它们匹配成功了。不过这不是正则表达式，但思想是一样的，就是其中有的字符有特殊含义，当然这个特殊含义是相对就言的，例如上面的星号“*”对你而言就是星号，但对Shell而言，星号代表任意字符串。正规表达式与通配符就语法和符号代表的特殊含义是不同的，正规表达式的表达能力要强大得多，你可以认为正则表达式是通配符升级版，其实正则表达式是一种计算机的一个重要理论，它被应用于编译器的词法分析，跟有穷自动机有重要的联系，关于历史，先不讨论了。与上面的等价的用正则表达式是这样的：

.*\.c

暂时看不懂没关系，下面慢慢解释，我们先用sed试一下吧：

elwin@Ubuntu64:~/work$ ls |sed -n '/.*\.c$/p'
1.c
2.c
3.c

用斜杠里面包括的（不含斜杠）就是一个正则表达式，（这条组合命令你不知道没关系，你只要知道他的作用是：显示当前目录下，文件名符合该正则表达式的文件）。下面解释一下这个正则表达式，其中的点“.”代表任意字符，星号“*”表示将前面的那个字符重复n次（包括0次），这两个的意思就是将任意字符重复篇，如果正则表达式就这两个，后面不写了，那就表示世上所有字符串，我们再试一下吧：

elwin@Ubuntu64:~/work$ ls |sed -n '/.*/p'    
1.c
1.java
2.c
2.java
3.c
file1.txt
test.sh

看吧，所有文件都列出来了，说明都匹配成功了。现在我们继续分析刚刚的表达式，星号后面的反斜杠表示转义，即把接下来的那个字符（这里是点号）当作普通字符，没有特珠含义，如果不在前面加上反斜杠就代表任何字符了，接下来的“c”在正则表达式里属于普通字符串，再接下来的美元符“$”表示换行符，于是整个表达式的意思就是：任意长度的字符串，连上“.c”，再接一个换行符，如果不接这个换行符，那“1.cc”也会被匹配，如：

elwin@Ubuntu64:~/work$ touch 1.cc
elwin@Ubuntu64:~/work$ ls |sed -n '/.*\.c/p'
1.c
1.cc
2.c
3.c

你可能有个疑问，哪到到底算特珠符号，哪些算普通符号呢，这当然有个规定了，这此特殊符号都有各自的含义，这种文章网上很多，大家可以搜索，也可以看man手册（man grep就可以），也可以参考此文，本文主要目是帮助初学者理解正则表达式，而不是讨论详细用法。

还有一点需要说明，Shell、Java、Perl都有正规表达式，不过他们之间只有细微的区别，很多都是通用，其中以Perl中的正则表达式最强大，原因是Perl解释器强大。

说明：本文章纯属个人观点，不保证绝对正确，欢迎大家批评和指正，同时我自己也会对本文不断的更新和完善。

转载于:https://my.oschina.net/yanquan345/blog/202285