正则表达式简单用法

1. 正则语法

1.1 基本元字符

元字符	含义
.	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	匹配任意空白符 （Space Tab）
\d	匹配数字
^	匹配字符串的开头
$	匹配字符串的结尾

1.2 重复

元字符	含义
*	零次或更多次
+	一次或更多次
?	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

1.3 字符集合

当查找字母，数字，空白时，直接使用元字符即可。但如果要匹配特定的字符集，这时就需要字符集合。

[afox] 匹配afox中任意一个字符
[^afo] 不匹配afo中的任意一个字符
[a-c0-2] 等价于 [abc012]

1.4 分支

类似于C++中的a || b 表达式，a 或 b 任意一个为真，则表达式为真。

0\d{3}|1\d{2} 匹配以0开头的四个数字 或者 以1开头的3个数字。 |用来表示分支操作。

1.5 分组

分组用于重复匹配。比如IP地址192.168.4.2, 简单的正则表达式：\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}。可见表达式中重复出现\d{1,3}\.，此时可以采用分组。(\d{1,3}\.){3}\d{1,3}。

说白了，就是重构。提取重复代码，构造一个公共函数，进行调用。

1.6 反义

不匹配特定字符。

元字符	含义
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意非空白字符
\D	匹配任意非数字的字符
\B	匹配任意不是单词开头或结束的位置
[^a]	匹配除a以外的任意字符

1.7 后向引用

后向引用： 正则表达式前面匹配一个字符串，在表示的后面部分进一步处理。表达式前面的匹配称为捕获，使用小括号。

the the
---------------------------------------
grep -P "\b(\w+)\b\s+\1\b" --color text
the the

捕获: ()通过添加小括号，对数据进行捕获。
引用: \1引用捕获的内容， 1表示第一个小括号捕获的内容，如果有多个捕获，从左到右依次编号。

1.8 零宽断言

用于查找某些内容（但不包含这些内容）之前或者之后的内容。比如singing， 匹配ing之前的内容sing。

表达式	含义
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置

singing
singingd
-------------------------------------
grep -P "\b\w+(?=ing\b)" --color text
singing

1.9 贪婪与懒惰

正则表达式很勤快，也称为贪婪，总是最长匹配。例如：a.*b 会匹配字符串axbxxxb。但如果只想匹配axb，这时需要懒惰匹配，表达式a.*?b。

表达式	含义
*?	重复任意次，但尽可能少
+?	重复1次或更多次，但尽可能少
??	重复0次或1次，但尽可能少
{n,m}?	重复n到m次，但尽可能少
{n,}?	重复n次以上，但尽可能少

2. 正则历史

2.1 PCRE 与 POSIX

2.1.1 PCRE 与 POSIX 区别

正则语法 中所描述的各种使用范例，都是PCRE（Perl Compatible Regular Expressions）流派的使用方法。而在Unix/Linux 世界中，还存在另一流派，即POSIX规范。

区别
- POSIX 不支持懒惰匹配
- POSIX 不支持\d , \D, \s, \S, \w, \W
- POSIX 不支持零宽断言

字符组
POSIX虽然不支持\d, \s等元字符，但其引入字符组概念。

• [:digit:] 匹配数字，等同\d
• [:alpha:] 匹配字母，等同[a-zA-z]
• [:lower:] 匹配小写，等同[a-z]
• [:upper:] 匹配大写，等同[A-Z]
• [:space:] 匹配空白，等同\s

栗子

234 匹配以数字2开头的三个数字
grep -E "2[[:digit:]]{2}" --color text

2e 匹配以数字2开头的非数字
grep -E "2[^[:digit:]]" --color text 

后向引用， 匹配 the the
grep  "\b\([a-z]\+\)\b\s\+\1" --color text

NOTE: 参照http://www.greenend.org.uk/rjk/tech/regexp.html

2.1.2 BRE 与 ERE 区别

POSIX 正则，又分为BRE（Basic Regular Expressions 与 ERE（Extended Regular Expressions）两个流派。

• BRE元字符 ?，+，{，|，(，) 丢失特殊含义，成为普通字符。使用其特殊含义，需要\进行转义，即\?，\+，\{，|，\(，\)。

• BRE不支持分支。

NOTE: Grep 有4个参数，-G 代表BRE，-E 代表ERE， -F 代表PCRE， -F 普通文本。

2.2 VIM Magic

VIM Magic 设计初衷：更容易的构造正则表达式。支持pcre的元字符\d，\s， \w等。但却没有给+，？，()，{}赋予特殊含义。这样Vim Magic模式既有PCRE语法，又有POSIX语法，导致字符转义规则比较混乱。

\v 除下划线, 大小写字母，数字外，全为特殊字符
\V 只有\有特殊含义

case
---------------------
  2x23
  2x7{2}
  2.7{2}

Magic 模式
---------------------
2.\d{2}$  匹配 2x7{2}

\v 模式
---------------------
2.\d{2}$  匹配 2x23

\V 模式
---------------------
2.\d{2}$  匹配 2.7{2}

NOTE:
① 使用vim时，显示使用v 与 V, 避免magic模式的模糊不清。
② vim 中，单词界定符为\<, \>。