正则表达式

来自：《精通正则表达式》

*表示任意文本

?表示任意单个字符

.表示1个或多个字符

通用的模式语言 ：generalized pattern language

行的起始和结束：

^代表一行的开始

$代表一行的结束

例如: ^cat ，匹配的是以c作为一行的第一个字符，紧接一个a，紧接一个b

^ 和 $ 符合特别之处在于，它匹配的是一个位置，而不是具体的文本

分析^cat## 、## 和^

• ^cat$

  匹配，行开头（显然，每一行都有开头），然后是字母c ，a，t，然后是行末尾

• $

  匹配，行开头，然后是行末尾

  应用：空行（没有任何字符，包括空白字符）

• ^

  匹配：行开头

  应用：无意义！

不妨把字符组看作独立的微型语言。在字符组内部和外部，关于元字符的规定（哪些是元字符，以及他们的意义）是不同的

^在字符组外部表示一个行锚点(line anchor)，但是在字符组内部（而且必须是紧挂载字符组的第一个方括号之后），他就是个元字符

为什么 q[^u]，无法匹配Qantas或者raq

• Qantas无法匹配的原因是：正则表达式要求小写q，而Qantas中的Q是大写的。应该用[Qq][^u]
• raq 的例子有点迷惑人。正则表达式要求 q 后面紧跟一个u以外的字符，这就排除了q在行位的情况。通常来说，文本行的结尾有一个换行符字符，但是egrep 会在检查正则表达式之前把这些换行符去掉，所以在行尾的q后，没有能够匹配u以外的字符。

通过这个例子要认识到：一个字符组即使是排除型字符数组，也需要匹配一个字符

字符组

1. 匹配若干字符之一 [...]

   [1-6]、[a-z]、简便写法，匹配1-6和a-z的任意字符之一

   注意：只有在字符组内部([])，连字符 -才是元字符，否则它就是普通的 -字符，如果 -出现在开头 它表示一个普通字符

2. 排除型字符组 [^...]

   [^1-6]匹配除了1-6以外的任意字符

3. 用点号表示任意字符 [.]

   搜索： 03/19/76、03-19-76或 03.19.76

   精确写法:03[-./]19[-./]76

   不精确写法:03.19.76（易于理解，但是也会匹配到 03 19 76）

多选结构

匹配任意子表达式 |

^(From|subject|Date):*

匹配以 From：，subject：Date：开头的文本行

可选元素

?

作用于之前紧邻的元素

colou?r

先是一个c，然后是o，然后是l，然后是o，然后是u，然后是一个任意字符，最后是 r

其他量词

+,表示之前紧邻的元素出现一次或者多次

*表示之前紧邻的元素出现任意多次（或者不出现）

\转义字符

实例

• 匹配变量名：只包含字母、数字以及下划线，不能以数字开头

  [a-zA-z_][a-zA-z_0-9]*

• 引号内的字符

  "[^"]*"

• 美元金额

  \$[0-9]+(\.[0-9][0-9])?

• Http/HTML URL

  \<http://[-a-z0-9_.:]+/[a-z-0-9_:@&?=+,.!/~*%$]*\.html?\>