正则表达式

概念

    · 正则表达式是用于描述一组字符串特征的模式，用来匹配特定的字符串。通过特殊字符+普通字符来进行模式描述，从而达到文本匹配的目的

    · 正则表达式目前被集成到了各种文本编辑器/文本处理工具当中

应用场景

    · 验证：表单提交时，进行用户名密码验证

    · 查找：从大量信息中快速提取指定内容

    · 替换：将指定格式的文本，进行正则匹配查找，找到之后进行特定替换

基本要素

    · 字符类

    · 数量限定符

    · 位置限定符

    · 特殊符号

正则表达式基本是与语言无关的，我们通常使用grep来进行验证：

grep是一款Linux下按行匹配文本的工具，通常是Linux下处理文本的第一步，带有很多有用的选项：

    · -E：使用扩展正则匹配

    · --color：将匹配到的内容进行语法高亮

 ·-v：把不匹配的显示出来

 ·-r/R:递归方式搜索

 ·-q：安静匹配模式（不会将匹配结果显示出来，可通过echo $?查看是否匹配成功，成功返回0，失败返回0）

 ·-i：忽略大小写

 ·-n：输出匹配行的行号

 ·-o：只输出文件中匹配到的部分

1. 字符类

 

 

显然，grep采用贪婪匹配，匹配当前行中所有的匹配内容

2. 数量限定符

 

 

由此，基本可以确定，“前面的单元”默认指的就是“？或+”前面的字符

注意：上图‘a{，3}’并未匹配成功，应该是错误或者废弃的写法

3. 位置限定符

 

“^$”在正则表达式中，确定目标串出现的位置，我们称之为“锚点”（我们之前在vim之中有类似用法）

“\b”用来限定目标串中是否有以指定字符串开头的单词，我们称之为界词，“\B”称为非界词

4. 特殊符号

 

此时，（）表示将包含的内容作为一个整体（单元），进而可以用数量限定符来进行限定

目前，我们测试grep工具的时候，其中有一个-E选项，如果去掉，会有什么现象呢？

我们发现，去掉之后进行匹配，并没有正常匹配，如何理解这个现象呢？下面我们引入两个概念：

    · 基本正则表达式

    · 扩展正则表达式

区别：正则表达式的Extended规范和Basic规范基本相同，只是在Basic规范下，有些字符：？、+、{}、|、（）应解释为普通字符，要表示上述特殊含义则需加\转义；反之，在Extended规范下，？、+、{}、|、（）应该被理解成特殊含义，要取其字面值，也要加\转义。所以，grep工具带上-E选项，表示使用扩展正则来进行匹配，若没有，则表示使用基本正则进行匹配。

于是我们就可以解决上面的问题：

如果目标字符串中本身就包含了？、+、{}、|、（）这些字符，又该如何编写呢？

“|”用来级联多个条件，只要有任意一个匹配即可匹配，表示“或”的关系，称之为析取符。

其他常用通用字符集及其替换

来看以下例子：

“\d”不是表示数字字符吗？怎么会出现这种情况？

正则表达式分类：

    · 基本的正则表达式（Basic Regular Expression 又叫 Basic RegEx，简称BREs）

    · 扩展的正则表达式（Extended Regular Expression 又叫 Extended RegEx，简称EREs）

    · Perl的正则表达式（Perl Regular Expression 又叫 Perl RegEx，简称PREs）

grep，egrep正则表达式特点

    · grep支持：BREs、EREs、PREs

    · grep指令后不跟任何参数，则表示要使用BREs

    · grep指令后跟“-E”参数，则表示要使用EREs

    · grep指令后跟“-P”参数，则表示要使用PREs

所以，要解决上述问题，必须使用-P选项：

验证其他常用字符集：

贪婪模式与非贪婪模式

贪婪模式：正则表达式去匹配时，会尽量多的匹配符合条件的内容

grep默认就是贪婪匹配

非贪婪模式：正则表达式去匹配时，会尽量少的匹配符合条件的内容，也就是说，一旦发现匹配符合要求，立马就匹配成功而不会继续匹配下去（除非有g开启下一组匹配）

练习：

1.手机号码

2.非零的正整数