POSIX 正则表达式

传统上，POSIX 定义了两种正则表达式语法， 即：基本正则表达式（BRE）和扩展正则表   达式（ERE）。     其中， BRE 定义的语法符号包括：     .       - 匹配任意一个字符。   []      - 字符集匹配，匹配方括号中定义的字符集之一。   [^]     - 字符集否定匹配，匹配没有在方括号中定义的字符。   ^       - 匹配开始位置。   $       - 匹配结束位置。   \(\)    - 定义子表达式。   \n      - 子表达式向前引用，n 为 1-9 之间的数字。 由于此功能已超出正则语义，需             要在字符串中回溯，因此需要使用 NFA 算法进行匹配。   *       - 任意次匹配（零次或多次匹配）。   \{m,n\} - 至少 m 次，至多 n 次匹配；\{m\} 表示 m 次精确匹配；\{m,\} 表示至少 m             次匹配。     ERE 修改了 BRE 中的部分语法，并增加了以下语法符号：     ?       - 最多一次匹配（零次或一次匹配）。   +       - 至少一次匹配（一次或更多次匹配）。   |       - 或运算，其左右操作数均可以为一个子表达式。     同时，ERE 取消了子表达式 "()" 和 次数匹配 "{m,n}" 语法符号的转义符引用语法，在   使用这两种语法符号时，不在需要添加转义符。 与此同时， ERE 也取消了非正则语义的   子表达式向前引用能力。     BRE 和 ERE 共享同样的 POSIX 字符类定义。同时，它们还支持字符类比较操作 "[. .]"   和字符来等效体 "[= =]" 操作，但很少被使用。     f / fr / wfr / bwfr 等工具默认使用 ERE 模式，同时支持以下 perl 风格的字符类：       POSIX 类        perl类     描述     ----------------------------------------------------------------------------     [:alnum:]                 字母和数字     [:alpha:]       \a         字母     [:lower:]       \l         小写字母     [:upper:]       \u         大写字母     [:blank:]                  空白字符（空格和制表符）     [:space:]       \s         所有空格符（比[:blank:]包含的范围广）     [:cntrl:]                  不可打印的控制字符（退格、删除、警铃...）     [:digit:]       \d         十进制数字     [:xdigit:]      \x         十六进制数字     [:graph:]                  可打印的非空白字符     [:print:]       \p         可打印字符     [:punct:]                  标点符号     - 此外，还有以下特殊字符类：       perl类    等效POSIX表达式   描述     ----------------------------------------------------------------------------     \o        [0-7]             八进制数字     \O        [^0-7]            非八进制数字     \w        [[:alnum:]_]      单词构成字符     \W        [^[:alnum:]_]     非单词构成字符     \A        [^[:alpha:]]      非字母     \L        [^[:lower:]]      非小写字母     \U        [^[:upper:]]      非大写字母     \S  [^[:space:]]      非空格符     \D        [^[:digit:]]      非数字     \X        [^[:xdigit:]]     非十六进制数字     \P        [^[:print:]]      非可打印字符     - 还可以使用以下特殊字符换码序列：       \r  -  回车     \n  -  换行     \b  -  退格     \t  -  制表符     \v  -  垂直制表符     \"  -  双引号     \'  -  单引号

高级正则表达式

除了 POSIX BRE 和 ERE 之外，libutilitis 还支持与TCL 8.2兼容的高级正则表达式语   法（ARE）。 通过为 stRegEx 参数增加前缀 "***:" 就可以开启 ARE 模式，这个前缀覆   盖 bExtended 选项。基本上讲，ARE 是 ERE 的超集。 它在 ERE 的基础上进行了如下几   项扩展：     1. 支持"懒惰匹配"（也叫"非贪婪匹配"或"最短匹配"）：在 '?', '*', '+' 或 '{m,n}'      后追加 '?' 符号就可以启用最短匹配，使得该正则表达式子句在满足条件的前提下匹      配尽可能少的字符（默认是匹配尽可能多的字符）。例如：将 "a.*b" 作用于 "abab"      时，将匹配整个串（"abab"），若使用 "a.*?b"，则将只匹配前两个字符（"ab"）。     2. 支持子表达式的向前引用匹配：在 stRegEx 中，可以使用 '\n' 向前引用曾经定义的      子表达式。如："(a.*)\1" 可匹配 "abcabc" 等。     3. 无名子表达式：使用 "(?:表达式)" 的方式创建一个无名表达式， 无名表达式不返回      到一个 '\n' 匹配。     4. 向前预判：要命中匹配，必须向前满足指定条件。 向前预判分为肯定预判和否定预判      两种。肯定预判的语法为："(?=表达式)"，例如："bai.*(?=yang)" 匹配 "bai yang"      中的前四个字符（"bai "），但在匹配时保证字符串在 "bai.*" 后必须包含 "yang".      否定判断的语法为："(?!表达式)"， 例如："bai.*(?!yang)" 匹配 "bai shan" 的前      四个字符，但在匹配是保证字符串在 "bai.*" 后不出现 "yang"。     5. 支持模式切换前缀，在 "***:" 之后可以紧跟形如 "(?模式串)" 样式的模式串，模式      串影响其后表达式的语义和行为。模式串可以是一下字符的组合：        b - 切换至 POSIX BRE 模式，覆盖 bExtended 选项。      e - 切换至 POSIX ERE 模式，覆盖 bExtended 选项。      q - 切换至文本字面匹配模式， 表达式中的字符都作为文本进行搜索，取消一切正则          语义。此模式将正则匹配退化为一次简单字符串查找。"***=" 前缀是其快捷表示          方式，意即："***=" 等同于 "***:(?q)"。        c - 执行大小写敏感的匹配，覆盖 bNoCase 选项。      i - 执行忽略大小写的匹配，覆盖 bNoCase 选项。        n - 开启行敏感的匹配：'^' 和 '$' 匹配行首和行尾；'.' 和否定集（'[^...]'）不          匹配换行符。此功能等同于 'pw' 模式串。覆盖 bNewLine 选项。      m - 等同于 'n'。      p - '^' 和 '$' 只匹配整个字符串的首尾，不匹配行；'.' 和否定集不匹配换行符。          覆盖 bNewLine 选项。      w - '^' 和 '$' 匹配行首和行尾；'.' 和否定集匹配换行符。覆盖 bNewLine 选项。      s - '^' 和 '$' 只匹配整个字符串的首尾，不匹配行；'.' 和否定集匹配换行符。覆          盖 bNewLine 选项。ARE 状态下默认使用此模式。        x - 开启扩展模式：在扩展模式中，将忽略表达式中的空白符和注释符 '#' 后的内容          例如：          @code@            (?x)            \s+ ([[:graph:]]+)      # first number            \s+ ([[:graph:]]+)      # second number          @code@          等同于 "\s+([[:graph:]]+)\s+([[:graph:]]+)"。      t - 关闭扩展模式，不忽略空白符和注释符后的内容。ARE 状态下默认使用此模式。     6. 与 BRE/ERE 模式不同的 Perl 风格字符类换码序列：       perl类    等效POSIX表达式   描述     ----------------------------------------------------------------------------     \a        -                 响铃字符     \A        -                 不论当前模式如何，仅匹配整个串的最开头     \b        -                 退格字符 ('\x08')     \B        -                 转义字符本身 ('\\')     \cX       -                 控制符-X (= X & 037)     \d        [[:digit:]]       10 进制数字 ('0' - '9')     \D        [^[:digit:]]      非数字     \e        -                 退出符 ('\x1B')     \f        -                 换页符 ('\x0C')     \m        [[:<:]]           单词开始位置     \M        [[:>:]]           单词结束位置     \n        -                 换行符 ('\x0A')     \r        -                 回车符 ('\x0D')     \s        [[:space:]]       空白符     \S        [^[:space:]]      非空白符     \t        -                 制表符 ('\x09')     \uX       -                 16 位 UNICODE 字符 (X∈[0000 .. FFFF])     \UX       -                 32 位 UNICODE 字符 (X∈[00000000 .. FFFFFFFF])     \v        -                 纵向制表符 ('\x0B')     \w        [[:alnum:]_]      组成单词的字符     \W        [^[:alnum:]_]     非单词字符     \xX       -                 8 位字符 (X∈[00 .. FF])     \y        -                 单词边界（\m 或 \M）     \Y        -                 非单词边界     \Z        -                 不论当前模式如何，仅匹配整个串的最尾部     \0        -                 NULL，空字符     \X        -                 子表达式向前引用 (X∈[1 .. 9])     \XX       -                 子表达式向前引用或 8 进制表示的 8 字符     \XXX      -                 子表达式向前引用或 8 进制表示的 8 字符