来仔细看看正则表达式
正则库使用很多,包括Python Java C++11等主流语言都提供了丰富的正则表达式库。下面全面系统的介绍一下正则表达式库。在Shell中通常使用的通配符(wildcard),功能比正则表达式还是要弱很多的。
入门:
在文件中查找字符串”hell”。通常处理正则表达式的工具会提供一个忽略大小写的选项,因此可能命中的内容有“Hello” “HELL” “helL” “hElL”。通常可能多个文字会命中正则表达式,比如”hello” “Shell”,如果想精确找到单词hell,应该使用\bhell\b
。\b
在这里被称为元字符,代表单词的分解处。\b
不匹配任何字符,它只匹配一个位置。
如果你想在Hell不远处找到paradise,那么你可以这样写正则式\bhell\b.*\bparadise\b
,这里.
和*
都是元字符,.
匹配除了换行符以外的任意字符,*
指定前边的内容可以连续重复。
\d
匹配一位数字,\d{8}
表示匹配数字8次,{}
中的数字表示前面重复的次数。可以使用括号()
将部分正则式包裹起来,视为一个操作单位,(\d\d){3}
将会匹配6个数字。
\s
匹配任意的空白符,包括
代码 | 说明 |
---|---|
. | 匹配除换行符以外的任意字符 |
*\w | 匹配字母或数字或下划线或汉字 |
\s | 匹配任意的空白符 |
\d | 匹配数字 |
\b | 匹配单词的开始或结束 |
^ | 匹配字符串的开始 |
^ | 匹配字符串的结束 |
空格,制表符(Tab),换行符,中文全角空格等。\w
匹配字母或数字或下划线或汉字等。\d+
匹配1个或更多连续的数字,注意+
匹配重复1次或更多次。
一个网站如果要求你填写的QQ号必须为5位到12位数字时,可以使用^\d{5,12}$
。
字符转义:当你需要匹配元字符本身,需要使用反斜杠转义\(
或\*
代码/语法 | 说明 |
---|---|
* | 重复零次或更多次 |
+ | 重复一次或更多次 |
? | 重复零次或一次 |
{n} | 重复n次 |
{n,} | 重复n次或更多次 |
{n,m} | 重复n到m次 |
字符范围:想匹配英文元音字母?[aeiou]
,注意这个中括号[]
里面的元字符是不需要转义的,所以[?.*]
会匹配什么?
分支条件:不同的逻辑case匹配使用|
连接起来,但是使用分支是,需要注意各个条件的顺序,特别是当case1是case2的一部分时。
还是入门的那个例子:hello|hell
会匹配到hello,如果没有匹配hello那么hell到就会匹配到。但是hell|hello
永远只会匹配到hello。
分组:关于括号的使用。典型问题,手写匹配IP地址的正则表达式:
不允许前置0的存在(09.09.09.01非法),25[0-5]|2[0-4]\d|1\d{2}|[1-9]\d|\d
只允许一个前置0的存在(09.09.09.01 OK,100.100.001.254 非法),25[0-5]|2[0-4]\d|[01][1-9]\d|\d[1-9]|\d
反义:
代码/语法 | 说明 |
---|---|
\W | 匹配任意不是字母,数字,下划线,汉字的字符 |
\S | 匹配任意不是空白符的字符 |
\D | 匹配任意非数字的字符 |
\B | 匹配不是单词开头或结束的位置 |
[^x] | 匹配除了x以外的任意字符 |
[^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |
后向引用:使用括号分组后,这个字表达式的文本(注意是已匹配的文本,而不是正则表达式)。
\b(\w+)\b\s+\1\b
可以用来匹配重复的单词,像go go, 或者kitty kitty。
正则表达式(\bc(\w+)\bc)
中\1\2匹配的是?
你也可以自己指定子表达式的组名。要指定一个子表达式的组名,请使用这样的语法:(?<Word>\w+)
(或者把尖括号换成’也行:(?'Word'\w+))
,这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容,你可以使用\k<Word>
,所以上一个例子也可以写成这样:\b(?<Word>\w+)\b\s+\k<Word>\b
。
分组与捕获
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 |
(?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) | 匹配exp前面的位置 |
(?<=exp) | 匹配exp后面的位置 | |
(?!exp) | 匹配后面跟的不是exp的位置 | |
(? | 匹配前面不是exp的位置 | |
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 |
零宽断言:
接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西,也就是说它们像\b,^,$那样用于指定一个位置,这个位置应该满足一定的条件(即断言),因此它们也被称为零宽断言。最好还是拿例子来说明吧:
断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。
(?=exp)
也叫零宽度正预测先行断言,它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)
,匹配以ing结尾的单词的前面部分(除了ing以外的部分),如查找I’m singing while you’re dancing.时,它会匹配sing和danc。
(?<=exp)
也叫零宽度正回顾后发断言,它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b
会匹配以re开头的单词的后半部分(除了re以外的部分),例如在查找reading a book时,它匹配ading。
假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了),你可以这样查找需要在前面和里面添加逗号的部分:((?<=\d)\d{3})+\b
,用它对1234567890进行查找时结果是234567890。
下面这个例子同时使用了这两种断言:(?<=\s)\d+(?=\s)
匹配以空白符间隔的数字(再次强调,不包括这些空白符)。
负向零宽断言
注释