正则表达式

1.概念

        正则表达式（Regular Expression，简称Regex或RE）是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”）。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在搜索文本、数据验证以及文本和数据的提取和操作时，正则表达式非常有用。

基本组成

1.1 普通字符：大多数字符，包括所有大写和小写字母、所有数字、所有标点符号以及一些其他符号，都是普通字符。普通字符在正则表达式中只匹配它们自身。

1.2 特殊字符（元字符）：一些字符在正则表达式中有特殊的含义，称为“元字符”。例如，.（点）匹配除换行符之外的任何单个字符；*（星号）匹配前面的子表达式零次或多次；+（加号）匹配前面的子表达式一次或多次；?（问号）匹配前面的子表达式零次或一次；|（竖线）表示逻辑“或”操作；()（括号）用于分组等。

2.正则表达式语法

字符	说明
\	将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如， "n"匹配字符"n"。 "\n"匹配换行符。序列"\\\\"匹配"\"， "\\("匹配"("。
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性， ^ 还会与"\n"或"\r"之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性， $ 还会与"\n"或"\r"之前的位置匹配。
*	零次或多次匹配前面的字符或子表达式。例如， zo* 匹配"z"和"zoo"。 *等效于 {0,}。
+	一次或多次匹配前面的字符或子表达式。例如， "zo+"与"zo"和"zoo"匹配，但与"z"不匹配。 + 等效于 {1,}。
?	零次或一次匹配前面的字符或子表达式。例如， "do(es)?"匹配"do"或"does"中的"do"。 ? 等效于 {0,1}。
{n}	n 是非负整数。正好匹配 n 次。例如， "o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。
{n,}	n 是非负整数。至少匹配 n 次。例如， "o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。 "o{1,}"等效于"o+"。 "o{0,}"等效于"o*"。
{n,m}	m 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如， "o{1,3}"匹配"fooooood"中的头三个 o。 'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。
?	当此字符紧随任何其他限定符（*、 +、 ?、 {n}、 {n,}、 {n,m}）之后时，匹配模式是"非贪心的"。 "非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中， "o+?"只匹配单个"o"，而"o+"匹配所有"o"。
.	匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。
(pattern)	匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"\("或者"\)"。

(?:pattern)	匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如， 'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。
(?=pattern)	执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如， 'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
(?!pattern)	执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如， 'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
x|y	匹配 x 或 y。例如， 'z|food' 匹配"z"或"food"。 '(z|f)ood' 匹配"zood"或"food"。
[xyz]	字符集。匹配包含的任一字符。例如， "[abc]"匹配"plain"中的"a"。
[^xyz]	反向字符集。匹配未包含的任何字符。例如， "[^abc]"匹配"plain"中"p"， "l"， "i"， "n"。
[a-z]	字符范围。匹配指定范围内的任何字符。例如， "[a-z]"匹配"a"到"z"范围内的任何小写字母。
[^a-z]	反向范围字符。匹配不在指定的范围内的任何字符。例如， "[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。
\b	匹配一个字边界，即字与空格间的位置。例如， "er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。
\B	非字边界匹配。 "er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。
\cx	匹配 x 指示的控制字符。例如， \cM 匹配 Control-M 或回车符。 x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。
\d	数字字符匹配。等效于 [0-9]。

\D	非数字字符匹配。等效于 [^0-9]。
\f	换页符匹配。等效于 \x0c 和 \cL。
\n	换行符匹配。等效于 \x0a 和 \cJ。
\r	匹配一个回车符。等效于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。
\S	匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。
\t	制表符匹配。与 \x09 和 \cI 等效。
\v	垂直制表符匹配。与 \x0b 和 \cK 等效。
\w	匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。
\W	与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。
\xn	匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如， "\x41"匹配"A"。 "\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。
\num	匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如， "(.)\1"匹配两个连续的相同字符。
\n	标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。
\nm	标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，则 n是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 \nm匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。
\nml	当 n 是八进制数 (0-3)， m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。
\un	匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (©)。

3.示例

1）^ 匹配一行的开头，例如：

Aab@ubuntu:~$ cat text.txt | grep ^a

会匹配出所有以 a 开头的行

2） $ 匹配一行的结束，例如:

Aab@ubuntu:~$ cat text.txt | grep n$

会匹配出所有以 n 结尾的行

^$ 会匹配空行

3） . 匹配一个任意的字符，例如:

Aab@ubuntu:~$ cat text.txt | grep r..t

会匹配包含 rabt,rbbt,rxdt,root 等的所有行

4） * 不单独使用，他和上一个字符连用， 表示匹配上一个字符 0 次或多次，例如:

Aab@ubuntu:~$ cat text.txt | grep ro*t

会匹配 rt, rot, root, rooot, roooot 等所有行。

 .* 相当于通配符

5） [ ] 表示匹配某个范围内的一个字符，例如:

[6,8]------匹配 6 或者 8

[0-9]------匹配一个 0-9 的数字

[0-9]*------匹配任意长度的数字字符串

[a-z]------匹配一个 a-z 之间的字符

[a-z]* ------匹配任意长度的字母字符串

[a-c, e-f]-匹配 a-c 或者 e-f 之间的任意字符

Aab@ubuntu:~$ cat text.txt | grep r[a,b,c]*t

会匹配 rt,rat, rbt, rabt, rbact,rabccbaaacbt 等等所有行。

6） \ 表示转义， 并不会单独使用。 由于所有特殊字符都有其特定匹配模式， 要匹配某一特殊字符本身时（例如， 我想找出所有包含 '$' 的行） ， 就会碰到困难。 要将转义字符和特殊字符连用，来表示特殊字符本身，例如：

Aab@ubuntu:~$ cat text.txt | grep a\$b

就会匹配所有包含 a$b 的行。

7）匹配邮箱地址：

\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b

这个正则表达式用于匹配常见的邮箱地址格式。\b 表示单词边界，[A-Za-z0-9._%+-]+ 匹配邮箱的用户名部分，@ 是邮箱地址中必须的符号，[A-Za-z0-9.-]+ 匹配域名部分，\. 匹配点字符（. 在正则表达式中是特殊字符，所以需要用 \ 转义），[A-Z|a-z]{2,} 匹配顶级域名（如 .com、.org 等）。

8）匹配HTML标签：

<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s*\/?>)

这个正则表达式用于匹配HTML标签。它比较复杂，但基本上可以匹配大多数简单的HTML标签。< 和 > 匹配HTML标签的开始和结束，([a-z]+) 匹配标签名，([^<]+)* 匹配标签属性（如果有的话），(?:...|...) 是一个非捕获组，用于匹配标签内容或自闭合标签。

注意事项：

正则表达式非常强大，但也可能非常复杂和难以调试。

不同的编程语言或工具对正则表达式的支持可能有所不同，尽管大多数都遵循相似的规则。

在使用正则表达式时，要注意避免过度匹配或错误匹配的情况。

对于复杂的匹配需求，可能需要编写多个正则表达式或使用其他文本处理工具来辅助。