正则表达式

1.入门

正则表达式（regular expression，简称regex）是一种工具，用于匹配和处理文本的字符串。
正则表达式并不是一种完备的程序设计语言，甚至算不上是一种能够直接安装并运行的程序。

本文针对 [grep -P]

1.1匹配单个字符

匹配纯文本

text	:	hello,world！!
regex	:	hello 
output	:	hello

匹配任意字符

text	:	sale1.xls
			sale2.xls
			na1.xls
regex	:	sale
output	:	[sale]1.xls
			[sale]2.xls

’ . '字符可以匹配任意单个的字符、字母、数字和本身。

text	:	sale1.xls
			sale2.xls
			na1.xls
regex	:	sale.
output	:	[sale1].xls
			[sale2].xls

’ . ‘字符本身而不是它在regex中的特殊含义，需要’ \ ‘进行转义，而匹配’ \ ‘本身也需要转义。’ \ ‘字符永远出现在一个有着特殊含义的字符序列的前面。这个序列可由一个或多个字符构成。
##1.2匹配一组字符
’ [ 一组字符] ’ 用来匹配一组字符而匹配’ [ ‘和’ ] '本身，则需要转义。

text	:	sale1.xls
			sale2.xls
			na1.xls
regex	:	[a-z][0-9]
output	:	sal[e1].xls
			sal[e2].xls
			n[a1].xls

模式[0-9]与[0123456789]完全一样，连字符’ - ‘只在’ [ ] '中有特殊意义，需要转义，在外面是普通字符。

’ ^ '表明取非匹配。

1.3元字符

空白字符
[\b]	回退
\f		换页符
\n		换行符
\r		回车符
\t		制表符
\v		垂直制表符

字符集元字符
\d		数字
\D		非数字
\w		字母、数字、_
\W		非\w
\s		空白字符集
\S		非\s

十六进制
\x开头
八进制
\0开头

POSIX字符类
[:alnum:]	==	[a-zA-Z0-9]
[:alpha:]	==	[a-zA-Z]
[:cntrl:]	==	[\t ]
[:digit:]	==	[0-9]
[:graph:]	==	[:print:]一样，但不包含空格
[:lower:]	==	[a-z]
[:print:]	==	可打印字符
[:punct:]	==	^[[:alnum:][:cntrl:]]
[:space:]	==	空字符集，含空格
[:upper:]	==	[A-Z]
[:xdigit:]	==	[a-fA-F0-9]

1.4重复匹配

' + '  ' * '表明重复匹配
' + ' 匹配一个或多个字符（至少一个）
' * ' 匹配0个或多个字符
' ? ' 匹配0个或1个，即可选

text	:	www.baidu.com
			xxx.asd@163.com
regex	:	\w+\.\w+\.\w+
output	:	[www.baidu.com]

regex	:	[\w.]+@\w+\.\w+
output	:	[xxx.asd@163.com]

1.5重复匹配次数

'｛num｝' 表示重复匹配num次

regex 	:	[\w]{3}
等价
regex	:	[\w][\w][\w]

'｛num1，num2｝'表示重复匹配至少num1次，最多num2次
'｛num，｝'表示至少重复num次,无上限

1.6贪婪型元字符

text	:	asdfa <B>asdfa</B> asd <B>asd</B>
regex	:	<B>.*</B>
output	；	asdfa [<B>asdfa</B> asd <B>asd</B>]
//把asd也匹配了，贪婪型元字符，会尽可能的从开头一直匹配到结尾。
regex	:	<B>.*?</B>
output	；	asdfa [<B>asdfa</B>] asd [<B>asd</B>]

贪婪型元字符	懒惰型元字符
*	*?
+	+?
{n,}	{n,}?

1.7位置匹配

边界

text	:	the cat scatted his food all over the room.
regex	:	cat
output	:	the [cat] s[cat]ted his food all over the room.

将文本中所有cat都找了出来，这是没有意义的

单词边界

1.由限定符\b指定的单词边界，\b即是空格。
2.\B则是非\b，匹配前后都不是单词边界的单词。

字符串边界

^\s* 匹配一个字符串的开头位置和随后0个或多个空白字符。
\s*$ 匹配一个字符串的结尾和随后0个或多个空白字符。￥

分行匹配

$不仅能匹配字符串结尾，还将匹配行分隔符（换行符）后面的结束位置。

1.8子表达式

’ ( ) '把一个表达式当作一个元素

&nbsp	非换行空格符

 {2,}	
匹配	 ;;;; ...

（ ）{2,}	
匹配	（ ）{2,}（ ）{2,}（ ）{2,}	...

子表达式允许多重嵌套使用。

1.9回溯引用

子表达式把一组字符编组为一个字符集合。
主要用于精确设定需要重复匹配的文本及其重复次数。
子表达式的另一个重要用途就是回溯引用（backreference）。

例如在HTML中

regex1	:	<Hh1>.*</Hh1>	只能匹配一级标题

regex2	:	<Hh[1-6]>.*</Hh[1-6]>	匹配1-6级标题，但是它还可以匹配<Hh2>.*<Hh3>这种错误标题。

text	：	this is block of of text，
			several words here are are
			repeated, and and they
			should not be.
regex	：	[ ]+(\w+)[ ]+\1
output	:	this is block [of of] text，
			several words here [are are]
			repeated, [and and] they
			should not be.

##			\1	是回溯引用，引用前面划分出来的子表达式

可将regex2写为
			<[hH]([1-6])>.*?</[hH]\1>

			\1  第1个子表达式
			...
			\5  第5个子表达式
			\0  代表整个regex

1.10回溯引用用于替换

需要两个regex，一个给出搜索模式，一个给出匹配文本替换模式。

text	：	313-555-1234
			314-555-1324
			311-555-1234
regex	：	(\d{3})(-)(\d{3})(-)(\d{4})
替换		：	($1) $3-$5
output	：	(313) 555-1234
			(314) 555-1324
			(311) 555-1234	

1.11前后查找

向前查找指定了一个必须匹配但不在结果中返回的模式，其实就是一个子表达式，从语法上看，以？=开头的子表达式，需要匹配的文本跟在=后面。

text	:	http://1231
			https://123132
			ftp://1231
regex	:	.+(?=:)
output	:	[http]://1231
			[https]://123132
			[ftp]://1231

向后查找，以？<=开头的子表达式。与向前查找放的位置相反。

还可以组合进行，前后查找。

1.12嵌入条件

regex里条件用？定义。

？匹配一个字符或表达式。
？=和？<=匹配前面或后面的文本。

回溯引用条件

语法	（？（backreference）true-regex）
？表明是一个条件，backreference是一个回溯引用，true-regex是一个backreference存在时才会被执行的子表达式。

regex	：	(<A\s+[^>]+>\s*)?img\s+[^>]+>(?(1)\s*</A>)
			(<A\s+[^>]+>\s*)?这个标签可有可无，因为后面有个?，只有当它存在时，才匹配(?(1)\s*</A>)

前后查找条件

只在一个向前或向后查找操作取得成功时，才允许一个表达式被使用。

regex	：	\d{5}(-\d{4})?
			匹配5个数字[-4个数字]
regex	：	\d{5}(?(?=-)-\d{4})
			(?=-)用来匹配一个 - 字符，如果存在则匹配4个数字