目录
1、基本正则表达式和扩展正则表达式
世界上的正则表达式种类繁多且复杂,面对这样的状况,POSIX 将正则表达式进行了标准化,并把实现方法分为了两大类:
1) 基本正则表达式(BRE)
2) 扩展正则表达式(ERE)
两者的区别,更多的是元字符的区别。在基本正则表达式(BRE)中,只承认“^”、“$”、“.”、“[”、“]”、“*”这些是元字符,所有其他的字符都被识别为普通字符。而在扩展正则表达式(ERE)中,则在BRE的基础上增加了“(”、“)”、“{”、“}”、“?”和“+”、“|”等元字符。
2、定位符
^ | 1、匹配输入字符串开始的位置。 2、锚定行的开始(多行的情况) |
$ | 1、匹配输入字符串结尾的位置。 2、锚定行的结束(多行的情况) |
\b | 单词锁定符,匹配单词的开始或结束。 如果它位于要匹配的字符串的开始,它在单词的开始处查找匹配项。 如果它位于字符串的结尾,它在单词的结尾处查找匹配项。 如果它位于要匹配的字符串的开始和结尾,则表示全词匹配。 |
\B | 匹配不是单词开头或结束的位置 |
3、限定符
* | 匹配零个或多个先前字符。代表前面的字符可以不出现,也可以出现一次或者多次。 |
+ | 匹配一次或多次。代表前面的字符必须至少出现一次。 |
? | 重复零次或一次。代表前面的字符最多只可以出现一次。 |
{n} | 重复之前字符m次。如:'o{5}'匹配包含5个o的行。 |
{n,} | 重复之前字符至少m次,如:'o{5,}'匹配至少有5个o的行。 注: {0,}与特殊字符 * 是相等。 {1,} 与字符 + 是相等。 |
{n,m} | 重复之前字符至少m次,不多于n次,如:'o{5,10}'匹配5--10个o的行。 注:在逗号和两个数之间不能有空格。 |
4、分支条件
| | 分支条件指的是有几种规则,如果满足其中任意一种规则都应该当成匹配。 |
注:使用分枝条件时,要注意各个条件的顺序。匹配分枝条件时,将会从左到右地测试每个条件,如果满足了某个分枝的话,就不会去再管其它的条件了。
5、常用字符
. | 匹配一个非换行符的字符,相等于 [^\n\r]。 |
[] | 匹配中括号的任意内容。如[AB]表示字符A或B。 |
[^] | 匹配一个不在指定范围内的字符。如[^A]表示除A以外的字符。 |
[ - ] | 在[]括号内表示字符范围。如[0-9]表示范围0-9。 |
\(num\) | 暂存括号中所匹配到的内容,通过编号来依次对应,如 \1、\2、\3 等 |
\< | 锚定单词的开始,如:'\<grep'匹配包含以grep开头的单词的行。 |
\> | 锚定单词的结束,如'grep\>'匹配包含以grep结尾的单词的行。 |
\d | 匹配一个数字字符 |
\D | 匹配任意非数字的字符 |
\s | 匹配任意的空白符。包括空格,制表符(Tab),换行符,中文全角空格等。等价于 [ \f\n\r\t\v]。 |
\S | 匹配任意不是空白符的字符。等价于 [^ \f\n\r\t\v]。 |
\w | 匹配任意字母,数字,下划线,汉字的字符。只考虑英文的话,等价于([A-Za-z0-9_])。 |
\W | 匹配任意不是字母,数字,下划线,汉字的字符。 |
6、非打印字符
\cx | 匹配由x指明的ASCII控制字符。例如,\cC代表Ctrl+C。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。 |
\0nn | ASCII代码中八进制代码为nn的字符 |
\xn | ASCII代码中十六进制代码为n的字符,例如, '\x41' 匹配 "A"。 |
\unnnn | Unicode代码中十六进制代码为nnnn的字符 |
\a | 响铃字符 |
\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。 |
\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。 |
\e | Escape |
7、POSIX字符
[:alnum:] | 字母与数字字符 |
[:alpha:] | 字母字符 |
[:digit:] | 数字字符 |
[:graph:] | 非空字符(非空格、控制字符) |
[:lower:] | 小写字符 |
[:cntrl:] | 控制字符 |
[:print:] | 可打印字符 |
[:punct:] | 标点符号 |
[:space:] | 空白字符 |
[:upper:] | 大写字符 |
[:xdigit:] | 十六进制数字 |
8、分组
分类 | 代码/语法 | 说明 |
捕获 | (exp) | 匹配exp,并捕获文本到自动命名的组里 |
(?<name>exp) | 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp) | |
(?:exp) | 匹配exp,不捕获匹配的文本,也不给此分组分配组号 | |
零宽断言 | (?=exp) | 零宽度正预测先行断言。匹配exp前面的位置(断言自身出现的位置的后面能匹配表达式exp) |
(?<=exp) | 零宽度正回顾后发断言。匹配exp后面的位置(断言自身出现的位置的前面能匹配表达式exp) | |
(?!exp) | 零宽度负预测先行断言。匹配后面跟的不是exp的位置(断言此位置的后面不能匹配表达式exp) | |
(?<!exp) | 零宽度正回顾后发断言。匹配前面不是exp的位置(断言此位置的前面不能匹配表达式exp) | |
注释 | (?#comment) | 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读 |
注:零宽断言常用于判断一个字符串中不包含某个子串(由字符序列构成)
9、特殊字符
若要匹配特殊字符,必须首先使字符"转义",即,将反斜杠字符\ 放在其前。
$ | 要匹配 $ 字符本身,使用 \$。 |
( | 要匹配 ( 字符本身,请使用 \(。 |
) | 要匹配 ) 字符本身,请使用 \)。 |
* | 要匹配 * 字符本身,请使用 \*。 |
+ | 要匹配 + 字符本身,请使用 \+。 |
. | 要匹配 .字符本身 ,请使用 \. 。 |
[ | 要匹配 [字符本身,请使用 \[。 |
] | 要匹配 ]字符本身,请使用 \]。 |
? | 要匹配 ? 字符本身,请使用 \?。 |
\ | 要匹配\字符本身,请使用 \\。 |
^ | 要匹配 ^ 字符本身,请使用 \^。 |
{ | 要匹配 {字符本身,请使用 \{。 |
| | 要匹配 |字符本身,请使用 \|。 |
10、运算符优先级
运算符 | 描述 |
\ | 转义符 |
(), [] | 圆括号和方括号 |
*, +, ?, {n}, {n,}, {n,m} | 限定符 |
^, $, \任何元字符、任何字符 | 定位点和序列(即:位置和顺序) |
| | 优先级最低。 "m|food"匹配"m"或"food"。若要匹配"mood"或"food",应使用"(m|f)ood"。 |
11、贪婪匹配与懒惰匹配
贪婪匹配尽可能多的字符(默认);懒惰匹配匹配尽可能少的字符。
* 和 + 限定符都是贪婪的,因为它们会尽可能多的匹配文字,只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。
代码/语法 | 说明 |
*? | 重复任意次,但尽可能少重复 |
+? | 重复1次或更多次,但尽可能少重复 |
?? | 重复0次或1次,但尽可能少重复 |
{n,m}? | 重复n到m次,但尽可能少重复 |
{n,}? | 重复n次以上,但尽可能少重复 |
12、修饰符(标记)
标记也称为修饰符,正则表达式的标记用于指定额外的匹配策略。标记不写在正则表达式里,标记位于表达式之外,格式如下:
/pattern/flags
修饰符 | 描述 |
i | 将匹配设置为不区分大小写。 |
g | 全局匹配,查找所有的匹配项。 |
m | 多行匹配,使边界字符 ^ 和 $ 匹配每一行的开头和结尾,多行而不是整个字符串的开头和结尾。 |
s | 特殊字符圆点 . 中包含换行符 \n。默认情况下的圆点 . 是 匹配除换行符 \n 之外的任何字符,加上 s 修饰符之后, . 中包含换行符 \n。 |