正则表达式

简要表达式

• 一个正则表达式是一个字符串，字符串里的字符被称为元字符，它们可能表示了比字面上看起来的意思更丰富的含义

一个正则表达式包含一个或多个项：

• 一个字符集，这里的字符集的字符表示的就是它们字面上的意思，正则表达式最简单的情况就是仅仅由字符集组成，没有其他的元字符；
• 锚：一个锚指明了正则表达式在一行文本中要匹配的位置，例如^和$就是锚。
• 修饰符：它们用于展开或缩小（即是修改了）正则表达式匹配文本行的范围，修饰符包括了* ,(), \

正则表达式的主要作用是用来文本搜索和字符串操作，一个正则表达式匹配一个字符或是一串字符

• • –*-- 匹配前一个字符的任意多次（包括0次）
• . --.-- 匹配除了换行符之外的任意一个字符
• 脱字符 ^ ，–^-- 匹配一行的开头，但依赖于上下文环境，可能在正则表达式中表示否定一个字符集的意思；
• $ , –KaTeX parse error: Expected group after '^' at position 17: …-在正则表达式中匹配行尾， '^̲’ 匹配空行
• [] ,–[…]-- 在正则表达式中表示匹配括号中的一个字符；[xyz],匹配字符x,y或z，[c-n],匹配从字符c到n之间的任意一个字符，[B-Pk-y]匹配从B到P从k到y的任意一个字符；[a-z0-9]匹配任意小写字母或数字，[^b-d]匹配除了从b到d范围内所有的字符，这是正则表达式中反转或取否的一个例子；（就好像在别的情形中!字符所扮演的角色）
• 反斜杠 ---- 转义（escapes）一个特殊的字符，使这个字符表示原来字面上的意思；
• 转义尖角号 --<…> 用于表示单词的边界，尖角号必须被转义，因为不这样的话就表示单纯字面的意思，<the>,匹配单词"the",但是不匹配them,there,other等；

确定正则表达式能否工作的唯一方法是测试它

扩展的正则表达式.增加了一些元字符到上面提到的基本的元字符集合中，它们在egrep，awk，perl中使用；

• 问号 – ? – 匹配零或一个前面的字符，它一般用于匹配单个字符；
• 加号 – + – 匹配一个或者多个前面的字符，它的作用和*很相似，但唯一的区别是它不匹配0个字符的情况；
  ***匹配字符串 ***

GNU版本的sed和awk可以使用"+",但是需要转义
1.echo 1222qqqww | sed -ne '/12\+q\+w\+/p'
1222qqqww
2.echo 1222qqqww | gawk '/12+q+w+/'
1222qqqww
3.echo 1222qqqww | grep '12\+q\+w\+'
1222qqqww

• 转义”大括号“ – {} – 指示前面正则表达式匹配的次数，要转义是因为不转义的话只是表示他们字面上的意思，这个用法只是技巧上的而不是基本正则表达式的内容；列如："[0-9]{5}",精确匹配5个数字；
  大括号不能在”经典“（不是posix兼容）的正则表达式版本的awk中使用，然而gawk有一个选项–re-interval来允许使用大括号（不必转义）

echo 222 | gawk --re-interval '/2{3}/'
2222
perl和一些egrep 版本不要求转义大括号

• 圆括号 --（）–括起一组正则表达式，它和"1" 操作符或在用expr进行子字符串提取一起使用很有用
• 竖线 – | – "或"正则操作符用于匹配一组可选的字符

egrep 're(a|e)d' xxx

POSIX字符类. [:class:]这是另外一个可选的用于指定匹配字符范围的方法

• [:alnum:] 匹配字母和数字，等同于A-Za-z0-9
• [:alpha:] 匹配字母，等同于A-Za-z
• [:blank:] 匹配一个空格或是一个制表符（tab）
• [:cntrl:] 匹配控制字符
• [:digit:] 匹配（十进制）数字，等同于0-9
• [:graph:] (可打印的图形字符)匹配ASCLL码值的33-126之间的字符，和[:print:]一样，但是不包括空格字符
• [:lower:] 匹配小写字母，等同于a-z
• [:print:] (可打印的字符)。匹配 ASCII码值32-126之间的字符，和[:graph:],但是增多一个空格字符；
• [:space:] 匹配空白字符（空格符和水平制表符）
• [:upper:] 匹配大写字母，等同于A-Z。
• [:xdigit:] 匹配十六进制数字，等同于0-9A-Fa-f
  POSIX字符类一般都要求用双方括号double brackets([[ ]])引起来