正则表达式学习笔记

Regular Expression


最近看了一本书，《正则表达式必知必会》，整理了学习笔记


正则表达式的用途：
搜索
替换


如何理解正则表达式：
内置于其他语言或软件产品里的“迷你”语言


区分字母大小写



-------

.  匹配任意单个字符
[root@localhost tmp]# cat a.txt
book.xls
book2.xls
book3.xls
na1.xls
na2.xls
sa.xls
[root@localhost tmp]# cat a.txt | grep book.
book.xls
book2.xls
book3.xls
[root@localhost tmp]# cat a.txt | grep .a..
na1.xls
na2.xls
sa.xls
[root@localhost tmp]# cat a.txt | grep .a.\.xls    //转义
na1.xls
na2.xls
[root@localhost tmp]#


匹配字符集合中的任意一个字符
[]  定义一个字符集合
[A-Za-z0-9］  区间  
[abc］  列举
[root@localhost tmp]# cat a.txt
book.xls
book2.xls
book3.xls
na1.xls
na2.xls
sa.xls
[root@localhost tmp]# cat a.txt | grep k[23]
book2.xls
book3.xls
[root@localhost tmp]#


^ 对字符集合进行取非匹配
[^0-9]  匹配非0-9的字符
[root@localhost tmp]# cat a.txt
book.xls
book2.xls
book3.xls
na1.xls
na2.xls
sa.xls
[root@localhost tmp]# cat a.txt | grep k[^2]
book.xls
book3.xls
[root@localhost tmp]#




------

元字符：在正则表达式里有特殊含义的字符

空白元字符
[\b]  回退并删除  Backspace
\f    换页符
\n    换行符
\r    回车符
\t    制表符
\v    垂直制表符


类元字符
\d   任何一个数字字符  等价于 [0-9]
\D   任何一个非数字字符  等价于 [^0-9]

\w   任何一个字母（大小写均可） 数字 以及下划线   等价于 [A-Za-z0-9_]
\W   任何一个非字母数字或非下划线字符   等价于 [^A-za-z0-9_]

\s   任何一个空白字符   等价于 [\f\n\r\t\v]            // [\b]元字符是个特例，它不在类元字符\s的覆盖范围内
\S   任何一个非空白字符   等价于 [^\f\n\r\t\v]




------------------

重复匹配

+      匹配一个或多个字符（或字符集合）   
\d+    一个或多个数字
[\d.]+ 一个或多个数字及.字符

*       匹配零个或多个字符（或字符集合）    
\d*     数字是可选的，可以没有，也可以有多个
[\d.]*  数字及.字符是可选的，可以没有，也可以有多个


?       匹配零个或一个字符（或字符集合）
https?  匹配http或者https

{3}               给匹配次数设定一个精确的值
#[[:xdigit:]]{6}  十六进制数字匹配6次，如匹配＃00FFBB

{2,4}  给匹配次数设定一个区间
\d{1,2}[-\/]\d{1,2}[-\/]\d{2,4}  
上面的正则表达式将匹配：
4/8/03
10-6-2004

{3,}  给匹配次数设定一个最小值
\$\d{3,}
上面的正则表达式将匹配：
$222
$1200
$67000


元字符分 贪婪型 和 懒惰型 两种
常用贪婪型元字符和它们的懒惰型版本：
+       +?
*       *?
{n,}   {n,}?




----------

位置匹配

\b 单词边界    格式：\bcat   cat\b   \bcat\b

\B 非单词边界

^ 字符串边界，开头位置

$ 字符串边界，结尾位置

(?m)  分行匹配     m:multiline mode

^ $ 跟 (?m) 一起使用，正则表达式引擎会把 行分隔符 当作一个 字符串分隔符 来对待，^ 和 $ 还将匹配换行符开头或结尾的字符串




-----------

子表达式

( ){2}
匹配结果   
如果是 {2}  会把{2}前面的;符号重复2次  匹配结果如  ;;;

子表达式的作用：对重复次数元字符的作用对象做出精确的控制



(19|20)\d{2}
| 或操作符
匹配年份，结果如1990，2012等
如果是19|20\d{2}，则解释为19或20\d{2}   因为|符号把位于它左边和右边的两个部分都作为一个整体来看待

子表达式的作用：对｜操作符的OR条件做出准确定义



子表达式可以嵌套