正则表达式快速入门

正则表达式（regexps）,是一种概念，简单来说就是一组对正在查找的文本的描述。目前在GNU/Linux 中有两套可用于正则表达式编成的库：POSIX 库和PCRE库。前者是Linux自带的正则表达式库，后者是Perl的正则表达式库。从功能上看PCRE风格的正则表达式更强大。但本文章，就POSIX库来讨论。

字符集和单词

“.” 用于匹配除了换行符以外的任一个字符。例如 以下的表达式匹配 cat、bat等字符。

.at

“.”能够匹配的范围很大。上面的表达式也可以匹配 ～at、#at等。

“[]”方括号用于指定一个字符集。无论”[]”里面有多少字符，都匹配其中的一个。比如下面的表达式匹配a或者b或者c，但是不能匹配ad、ac、bc等：

[abc]

还可以使用“-”连字符来描述一个范围。下面的表达式匹配所有的英文字母。

[a-zA-Z]

下面的表达式用于表示数字

[0-9]

正则中的单词的含义，指的是两侧有非单词字符分隔开的字符串。非单词字符指的是字母、数字、下划线以外的任何字符。

“\<”和“>”为分割符号，可以表示分隔的单词。例如：

'\<[a-z]at\>'

表示了bat等单词的匹配，同样的，正则中对单词的定义可以知道，a#%bat、bat!!! 这样的单词也被匹配了。因为 “a#%bat”分别有标点$和行尾分隔，符合单词的定义。abat 就不会被匹配，因为bat之前的有单词字符 a。

位置匹配

“^”和“$”分别用于匹配行首和行尾。下面这条正则匹配了所有以a开头，t结尾、a和t之间包含一个小写字母的行：

^a[a-z]t$

他们两个不需要一定同时使用：

^[0-9]

所有以数字开头的行

字符类

除了字符集，POSIC风格的正则表达式还提供了预定字符类，例如下面的表达式，匹配了所有以大写字母开头，以小写字母结尾的行：

^[[:upper:]]t$

正则[[:upper:]] 就是一个字符类，表示所有大写字母，等价于[A-Z]。下表列出了完整的字符类表示。

类	匹配字符
[[:alnum:]]	文字、数字字符
[[:alpha:]]	字母字符
[[:lower:]]	小写字母
[[:upper:]]	大写字母
[[:digit:]]	数字
[[:xdigit:]]	十六进制数字
[[:punct:]]	标点符号
[[:blank:]]	制表符和空格
[[:space:]]	空格
[[:cntrl:]]	所有控制符
[[:print:]]	所有可打印的字符
[[:graph:]]	除空格外所有可打印的字符

字符转义

和编程语言中的转义基本一致，为了匹配字符本省，就需要yoga到转义。例如 “.”之前提到可以在正则中匹配任意一个字符，但是需要匹配字符“.”，就要用转义了。表示为“.”。

“\”本身的转义用”\\”表示。

重复

用于重复的字符有下面这些符号：

元字类	描述
*	重复次数 >= 0
+	重复次数 >= 1
?	0<=重复次数 <=1
{n}	重复次数 = n
{n,}	重复次数 >= n
{n,m}	n<=重复次数 <= m

例如，下面的表达式匹配以a开头、以t结尾的行

^a.*t$

其中，^a表示以a开头的；“.”表示匹配一个字符（除了换行符）；“*”表示之前的那个字符可以重复0次或者更多次；“t$”表示以t结尾。

子表达式

字表达是表示分组。例如：

（or）{2，}

他表示匹配所有 or重复2次或者更多次的行。如果去掉（or）两边的括号，那么正则表达式匹配的是o后面紧跟着两个或者更多个字母r的行。

反义

表示 除了这个字符以外的其他字符 这类的表达方式。例如 匹配除了字母y以外的任何字符

[^y]

注意“^”和在行首的区别。

分支

正则表达式对用户提交的信息简单地执行“与”的组合。例如，以字母h开头 并且 以字母t结尾的行：

^ht$

如果要表示 或者的概念，需要通过 | 来表示，例如 ，以字母h开头或者 以t结尾的行：

^h|t$

再看一个例子：

Jan(uary| |\.)

将匹配January、 Jan 或者Jan. 这样的字符串。

逆向引用

在子表达式（分组） 中捕获的内容可以在正则表达式中的其他地方再次使用，用于可以使用反斜杠 “\”加上子表达式的编号来指代该分组的内容。例如：

(\<.*\>).?()&\1

上面这个表达式 匹配了 在某个单词出现后，紧跟着0个或者1个标点符号，以及任意个空格之后再次出现这个单词的行。例如：cart cart、long ，long、haha！haha这类。

(\<.*>) 匹配任意长度的单词。

.? 匹配0个或者1个标点符号。由于 . 之前匹配的是单词 ，所有 .匹配的只剩下了标点符号了。

( )* 匹配任意个空格

\1 指代第一个子表达式匹配到的模式。第一个匹配到的是cart ，这个匹配到的也是cart