<精通正则表达式>学习笔记 第一章

正则表达式由两种字符组成：元字符 和 普通字符（文字）

行的开始和结束：
脱字符号 ^ ：行的开始 —— ^cat 只寻找行首的cat
美元符号 $：行的结束—— cat$ 只寻找行尾的 cat

正则表达式结构体：[ ] ，也就是字符组，里面是“或”的意思，应该是只能出现一个！前面的成立，后面的就不继续了。
在字符组内部，- 表示连字符 < H[123456]> 和 < H[1-6]>的意思是一样的
注意：只有在字符组内部，- 才是元字符，否则就简单是一个连字符号
如果 - 出现在字符组的开头，例如 [-abc]，那么就表示简单的一个连字符号。
同理，点号 和 问号 通常被认为元字符处理，但是在字符组中并不是这样。
[0-9A-Z_!.?] : 元字符之后两个 - ，其他都是普通文本字符

排除性字符组：[^1-6] 不希望出现任何 1-6 之间的数字
像英语单词一样，在不同的语境下的语义是不一样的，元字符也是如此。

用点号（.）匹配任意字符
记住：字符组里面和外面，元字符的定义和意义是完全不一样的。
写正则表达式时候，我们要在对欲检索文本的了解程度和检索精确性之间求得平衡。
egrep ‘gr(.)y’ zhengze.txt

多选结构
| “或”的意思
gr[ea]y : gray|grey 或者是 gr(e|a)y
正常情况下，括号也是元字符
egrep ‘gr(a|e)y’ zhengze.txt –color=auto

字符组基本上是一种独立的微语言（例如对于元字符，有他们自己的约定），而多选结构是“正则表达式语言主体”的一部分。

注意：egrep ‘^(Date|email|name):’ zhengze.txt 和 egrep ‘^Date|email|name:’ zhengze.txt 的区别
（不过经我测验，在我的环境下，这二者是一致的）

忽略大小写： -i 参数
egrep -i ‘^Date|email|name:*’ zhengze.txt

单词分解符：\< 开头， >结尾
注：可能有的egrep不支持

[ ^x] ：
不是：只有这个位置不是x才匹配（可以匹配空行）
而是：匹配一个不是x的字符（不可以匹配空行）

选项字符 ？（控制紧邻元素）
把它加在一个字符的后面，就表示此处允许出现这个字符，不过他的出现并非匹配成功的必要条件。
egrep ‘date?’ zhengze.txt 表示：可能匹配 date 或者 dat任意字符（包括空）

其他量词：重复出现
…*：表示之前紧邻的元素出现一次或多次，或者不出现。意思：匹配尽可能多的次数，如果实在无法匹配，也没关系
…+：匹配尽可能多的次数，但如果连一次都无法完成，就报告失败

规定重复出现的次数：区间{}

括号和反向引用
egrep ‘\<([a-z]+) +\1>’ zhengze.txt –color=auto
\1 可以代表：第一个括号匹配的内容

*转义：反斜杠 *

字符：字符在计算机领域是一个很有意思的单词。
一个字节所代表的单词取决于计算机如何解释。单个字节的值不会变化，但这个值所代表的字符却是由解释所用的编码来决定的。
例如：值为 64 和 53 的字节，在 ASCII 编码中分别代表了字符“@” 和 “5”，但在 EBCDIC编码中，则是完全不同的字符。

字节如何解释是编码的问题。