正则表达式

• 正则表达式并不关心模式在数据流中的位置。它也不关心模式出现了多少
  次
• 正则表达式模式区分大小写
• 在正则表达式中，空格和其他的字符并没有什么区别

基本正则表达式

• \ 禁止转义模式中的特殊字符

• 特殊字符

  • \s匹配任意空白符，等价于 [ \f\n\r\t\v]
    • \S匹配非空白符
  • \w匹配数字字母下划线，等价于[A-Za-z0-9\_]
    • \W匹配非数字字母下划线
  • \d匹配数字，等价于[0-9]

• ^ 出现在模式开头时，表示只匹配行首的模式

  • 出现在模式开头之外的其他位置，那么^就跟普通字符一样，不再是特殊字符

• $ 出现在模式结尾时，表示只匹配行尾的模式

  • ^$模式可以匹配空白行

• . 匹配1个字符

  • 换行符除外
  • 空白符也算字符
    • .at可以匹配 is at
  • 必须匹配一个，如果没有字符则模式不存在
    • .at不可匹配at home

• []定义了一个字符组

  • 字符组中的任意字符出现在了数据流中，那它就匹配了该模式
  • 必须匹配字符组中的其中一个字符
  • [^]定义了排除型字符组
    • 匹配除了字符组内定义字符外的所有字符
    • 包括空白符，但仍然需要匹配到一个字符
  • 区间
    • 常用区间包括数字和字母:[1-9]、[a-z]、[A-Z]
    • 可同时置顶多个不连续区间
      • 例子：[a-ch-m],[1-36-9A-Z]
  • 特殊字符组
    

• *匹配 0 或多个字符

  • 放在要匹配的字符后
    • 例子： echo “color” | grep -E “colou*r”
  • .*匹配任意数量的字符，包括没有字符
    • 通常用在数据流中两个可能相邻或不相邻的文本字符串之间
  • *还能用在字符组上, 指定可能在文本中出现多次的字符组或字符区间
    • 例子：grep -E “b[ae]*t”
      • 只要a和e字符以任何组合形式出现在b和t字符之间（就算完全不出现也行），模式就能够匹配
      • 但如果出现了字符组之外的字符，该模式匹配就会不成立

拓展正则表达式

• awk程序能够识别拓展模式，但sed不能

  • 因此awk更慢一些

• ?匹配0个或1个字符

  • 与星号一样，可以将问号和字符组一起使用
    • 例子：grep -E “b[ae]?t”
      • 如果字符组中的字符出现了0次或1次，模式匹配就成立
      • 但如果两个字符都出现了，或者其中一个字符出现了2次，模式匹配就不成立

• +匹配1个或多个字符，但至少出现1次

  • 加号同样适用于字符组，与星号和问号的使用方
    式相同

• {}允许为可重复的模式指定上限

  • {m}表示模式精确出现m次
  • {m,n}表示模式会出现m-n次之间
  • {m,}表示模式至少出现m次
  • 默认awk程序不会识别正则表达式间隔；必须指定gawk程序的--re- interval
    命令行选项才能识别

• |用逻辑OR方式匹配的两个或多个模
  式

  • 表达式和管道符号之间不能有空格，否则它们也会被认为是正则表达式模式的一部分

• ()进行分组

  • 该组会被视为一个标准字符。可以像对普通字符一样给该组使用特殊字符
  • 匹配Saturday或者缩写Sat：grep -E "Sat(urday)?"
  • cat和tab都可以匹配: (c|b)a(b|t)

例子

• https://github.com/mingrammer/commonregex/blob/master/commonregex.go

# 匹配Saturday或者缩写Sat
Sat(urday)?
# 函数名不得以数字开头
^[^0-9]
# （不以0开头的）正整数
^[1-9][0-9]*
# 1-999的正整数
^[1-9][0-9]{1,3}
# txt后缀的文件
\.txt$
# 空行
^\s*$

# 用户注册表单时，只允许密码包含字符、数字、下划线和连接字符(-)，并设置密码的长度区间为6-15
^[1-9a-zA-Z_\-]{6-15}$
# 中文字符串
^[\\u4e00-\\u9fa5]{0,}$
# 日期
^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$
# 内网IP（包括IPV6）
^(^127\\.)|(^192\\.168\\.)|(^10\\.)|(^172\\.1[6-9]\\.)|(^172\\.2[0-9]\\.)|(^172\\.3[0-1]\\.)|(^::1$)|(^[fF][cCdD])$
# 从文本中提取URL链接
^(f|ht){1}(tp|tps):\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- ./?%&=]*)?

​

shell通配符

• *匹配 0 或多个字符
• ?匹配任意一个字符
• [list] 匹配 list 中的任意单一字符
• [!list] 匹配 除list 中的任意单一字符以外的字符
• [c1-c2] 匹配 c1-c2 中的任意单一字符 如：[0-9] [a-z]
• {string1,string2,...} 匹配 string1 或 string2 (或更多)其一字符串
• {c1..c2} 匹配 c1-c2 中全部字符 如{1…10}

参考

• https://www.runoob.com/regexp/regexp-tutorial.html