Regex

应用示例，查重复单词：

1. 查多个文件，挑出包含重复单词的行，高亮标记，能知道来自哪行
2. 可跨行查找
3. 可不区分大小写，可间隔任意数量的各种空格
4. 可查找被html tag分隔的重复单词 如 <b>very</b> very

egrep/sed

示例：

1. ^(Subject|From):      以From:或者Subject:开头的行
2. ip地址改字体  s!<H1>([0-9]+(\.[0-9]+){3})!<H2>$1</H2>!
3. <H[123456]>匹配<H1><H2>等
4. 匹配引号最简单的例子 "[^"]*"(不能处理中间存在转移引号的情况)
5. 想用<.*>来匹配html中的tag是危险的，也会匹配到<I>shott</I>
6. 时间如 9:17 am，[0-9]?[0-9]:[0-9][0-9] (am|pm)是不对的，应该是(1[012]|[0-9]):[0-5][0-9] (am|pm)
7. 24小时制: ([01][0-9])|2[0-3]

Egrep元字符：

1. 行的起始和结尾：^和$
   • 形成习惯，不要认为^Cat匹配的是以Cat开头的行，而是Cat，只不过这个Cat位于行的开头。不是行，是单词。
2. 字符组[]：
   • 只有在[]内部，"-"才是元字符，如0-9，在外部，是普通字符。并且"-"放在开始时，是普通字符，如[-/.]，在[0-9]是元字符。
   • 字符组内部，"."是普通字符，在外部匹配任意字符
   • 字符组内部，^表示非，在外部表示行的开始
   • 注意：字符组必须匹配一个字符，即使是[^u]也必须匹配一个字符，只不过这个字符不是u。所以，如果Iraq后面的字符被截取掉了，q[^u]不会匹配；但如果Iraq后面有空格等，仍可匹配。
3. 点号“."：匹配任何字符。
4. 多选结构"|"：
   • Jeffery|Jeffrey  等同于 Jeff(ery|rey)、Jeff(er|re)y
5. 忽略大小写: 
   • egrep命令行参数 egrep -i '^(From|Subject):' mailbox
6. 单词分界符
   • \<和\>。单词的开始和结束。
   • 注意：实际上匹配的是位置
7. 可选项元素"?"
8. 其他量词:  + *
9. 括号及反向引用:
   • egrep -i '\<([a-z]+) +\1\>' files  
   • 因为-i了所以无需[a-zA-Z]
   • 两边加上\<和\>，中间的空格用+而不是*，相当于保障两个部分是独立的单词，不是其他单词的一部分

写正则表达式，需要在对欲检索文本的了解程度与检索精确性之间求得平衡。

Perl与egrep不属于一个正则流派

Per简单入门

1. 变量以$开头，$a = 30;  $b = $a * 5，可以保存一个数值或任意长度文本
2. #作为注释
3. 变量可以出现在双引号中，比如"一共$a元"
4. 执行命令 % perl -w hellowworld.   类似于java
5. if( $reply =~ m/^[0-9]+$/ )，其中=~ 是匹配运算符。(=是赋值、==是判断)
6. $value = <STDIN> #从用户处接受一个输入
7. chomp($value) 去掉$value后面的换行符

$1$2$3，从最左边的括号开始匹配。

[ \t]*和( *|\t*)的区别，后者不允许匹配空格和制表符的混合体。