正则表达式和通配符

正则表达式和通配符

正则表达式和通配符是两个极易混淆的概念，通配符 (wildcard) 通常代表的是 Bash 操作接口的一个功能，但正规表示法则是一种字符串处理的表示方式。

1. 正则表达式

正则表示法就是处理字符串的方法，他是以行为单位来进行字符串的处理行为，正则表示法通过一些特殊符号的辅助，可以让使用者轻易的达到『搜索/删除/替换』某特定字符串的处理程序！

我们可以在 Notepad++ 或者 VIM 编辑器上采用以下文本文档进行实验，本文用的是 Bash 的 grep 命令。

"Open Source" is a good mechanism to develop programs.
apple is my favorite food.
Football game is not use feet only.
this dress doesn't fit me.
However, this dress is about $ 3183 dollars.
GNU is free air not free beer.
Her hair is very beauty.
I can't finish the test.
Oh! The soup taste good.
motorcycle is cheap than car.
This window is clear.
the symbol '*' is represented as start.
Oh!	My god!
The gd software is a library for drafting programs.
You are the best is mean you are the no. 1.
The world <Happy> is the same with "glad".
I like dog.
google is the best tools for search keyword.
goooooogle yes!
go! go! Let's go.
# I am VBird

符号	描述
^word	意义：待查找的字符串(word)在行首！ 范例：查找行首为# 开始的那一行，并列出行号 grep -n '^#' regular_express.txt
word$	意义：待查找的字符串(word)在行 范例：将行尾为! 的那一行打印出来，并列出行号 grep -n '!$' regular_express.txt
.	意义：代表『一定有一个任意字符』的字符！ 范例：查找的字符串可以是(eve) (eae) (eee) (e e)，但不能仅有(ee) ！亦即e 与e中间『一定』仅有一个字符，而空格符也是字符！ grep -n 'e.e' regular_express.txt
\	意义：转义字符，将特殊符号的特殊意义去除！ 范例：查找含有单引号’ 的那一行！ grep -n \' regular_express.txt
*	意义：重复零个到无穷多个的前一个RE 字符 范例：找出含有(es) (ess) (esss) 等等的字符串，注意，因为* 可以是0 个，所以es 也是符合带c查找字符串。另外，因为* 为重复『前一个RE 字符』的符号，因此，在* 之前必须要紧接着一个RE 字符喔！例如任意字符则为『.*』！ grep -n 'ess*' regular_express.txt
[list]	意义：字符集合的 RE 字符，里面列出想要撷取的字符！ 范例：查找含有 (gl) 或 (gd) 的那一行，需要特别留意的是，在[] 当中『谨代表一个待查找的字符』，例如『a[afl]y 』代表查找的字符串可以是 aay, afy, aly 即 [afl] 代表 a 或 f 或 l 的意思！ grep -n 'g[ld]' regular_express.txt
[n1-n2]	意义：字符集合的RE 字符，里面列出想要撷取的字符范围！ 范例：c查找含有任意数字的那一行！需特别留意，在字符集合[] 中的减号- 是有特殊意义的，他代表两个字符之间的所有连续字符！但这个连续与否与 ASCII 编码有关，因此，你的编码需要设定正确(在bash 当中，需要确定 LANG 与 LANGUAGE 的变量是否正确！) 例如所有大写字符则为[A-Z] grep -n '[A-Z]' regular_express.txt
[^list]	意义：字符集合的RE 字符，里面列出不要的字符串或范围！ 范例：c查找的字符串可以是(oog) (ood) 但不能是(oot) ，那个^ 在[] 内时，代表的意义是『反向选择』的意思。例如，我不要大写字符，则为[^A-Z]。但是，需要特别注意的是，如果以grep -n [^A-Z] regular_express.txt 来c查找，却发现该文件内的所有行都被列出，为什么？因为这个[^A-Z] 是『非大写字符』的意思，因为每一行均有非大写字符，例如第一行的 “Open Source” 就有 p,e,n,o… 等等的小写字母 grep -n 'oo[^t]' regular_express.txt
{n,m}	意义：连续n 到m 个的『前一个RE 字符』 意义：若为{n} 则是连续n 个的前一个RE 字符 意义：若是{n,} 则是连续n 个以上的前一个RE 字符！范例：在 g 与 g 之间有 2 个到 3 个的 o 存在的字符串，亦即 (goog)(gooog) grep -n 'go\{2,3\}g' regular_express.txt

2. 通配符

在bash 的操作环境中还有一个非常有用的功能，那就是通配符(wildcard) ！我们利用bash 处理数据就更方便了！底下我们列出一些常用的通配符：

表达式	描述
*	代表0个到无穷多个任意字符
?	代表一定有一个任意字符
[]	同样代表『一定有一个在括号内』的字符(非任意字符)。例如 [abcd] 代表『一定有一个字符，可能是 a, b,c, d 这四个任何一个』
[ - ]	若有减号在中括号内时，代表『在编码顺序内的所有字符』。例如 [0-9] 代表 0 到 9 之间的所有数字，因为数字的语系编码是连续的！
[^ ]	若中括号内的第一个字符为指数符号(^) ，那表示『反向选择』，例如[^abc] 代表一定有一个字符，只要是非a, b, c 的其他字符就接受的意思。

3. 小结

再次强调：『正规表示法的特殊字符』与一般在指令列输入指令的『通配符』并不相同，例如，在通配符当中的  * 代表的是『 0 ~ 无限多个字符』的意思，但是在正规表示法当中，* 则是『重复到无穷多个的前一个 RE 字符』的意思～使用的意义并不相同，不要搞混了！
举例来说，不支持正规表示法的ls 这个工具中，若我们使用ls -l *代表的是任意档名的文件，而ls -l a*代表的是以a 为开头的任何档名的文件，但在正规表示法中，我们要找到含有以 a 为开头的文件，则必须要这样：(需搭配支持正规表示法的工具)
ls | grep -n '^a.*'

正则表达式与通配符都有很多应用场景，一般来说正则表达式的用法是比较具有通用性的如在 JavaScript 里 Java 里或是 Linux 的 Bash 命令中的正则表示法基本相同，但是在用通配符的时候最好注意区分，如 Spring 的 XML 配置文件中的通配符用法就不一定与 Linux 中的完全一致：

1. 通配符的常见场景：
   1.1. Spring配置文件
   1.2. Linux的bash环境
2. 正则表达式：
   2.1. JS的字段校验
   2.2. 文本编辑器（VIM）的查找替换
   2.3. 邮件服务器的过滤垃圾邮件
   2.4. 运维工程师进行系统日志查找和筛选

[参考]
[1]: 《鸟哥的Linux私房菜》