路遥的小书屋

深色模式

正则表达式 - 基础正则 ​

参考：《Linux技巧：详解正则表达式和通配符的用法和它们的区别》

正则表达式提供了一个从字符串中选取特定子字符串的机制，分为基本正则表达式（BRE）、扩展正则表达式（ERE）两种形式。

正则表达式的组成：

  1. 普通字符
  2. 特殊字符
  3. 方括号表达式
  4. 子表达式

特殊字符 ​

POSIX 标准定义的基本正则表达式只支持. [ \ * ^ $这6个特殊字符，而且这些字符要在特定上下文环境中才具有特殊含义。

  1. .

    匹配任意一个字符，但不包括空字符 NUL。对于那些要求以换行符结尾的工具来说，点号.匹配不到行末的换行符。

    在[]之外才有特殊含义。

  2. [

    [与]组成方括号表达式，注意]不是特殊字符。

    在[]之外才有特殊含义。

  3. \

    对特殊字符进行转义，表示特殊字符自身。

    在[]之外才有特殊含义。

  4. *

    匹配0或连续多个上一个BRE表达式。

    特殊含义生效条件：

    1. *出现在方括号[]之外。
    2. *不在BRE的开头，也不在BRE开头的^后面。
    3. *不在子表达式的\(后面，也不在\(^的后面。

  5. ^

    特殊含义一：匹配字符串的开头。

    ^在[]之外生效。

    特殊含义二：不匹配**[]**内所有字符。

    ^是[]之内第一个字符时生效。

  6. $

    匹配字符串末尾。

    $是BRE的最后一个字符时生效。

方括号表达式 ​

普通方括号表达式 ​

方括号 [] 表达式（bracket expression）用于匹配 [] 内字符集合的任意一个字符，所给的字符集合不能为空。

例：

sh
grep [] myfile    # 语法错误!!!
grep [\] myfile   # 匹配'\'
grep []] myfile   # 匹配']'
grep [[] myfile   # 匹配'['
grep [ myfile     # 语法错误!!!
grep ] myfile     # 匹配']'
grep [^ab] myfile # 匹配除'a','b'以外任意一个字符
grep [a^b] myfile # 匹配'a','^','b'三个字符其中一个

字符类表达式 ​

字符类表达式（character class expression）用于指定某一类字符集合。

POSIX 标准定义了 12 个字符类型，说明如下：

字符类别含义
[:alnum:]字母字符和数字字符 (可以匹配中文字符)
[:alpha:]字母字符 (可以匹配中文字符)
[:blank:]空白字符，特指空格和 tab 字符，不包含换行符
[:cntrl:]控制字符
[:digit:]数字字符
[:graph:]图形字符，包括字母、数字、标点符号，不包括空格
[:lower:]小写字符 (不能匹配中文字符)
[:print:]可打印字符，包括字母、数字、标点符号、和空格
[:punct:]标点符号，也包括运算符、各种括号等
[:space:]所有空白字符 (空格，制表符，换行符，回车符)
[:upper:]大写字符 (不能匹配中文字符)
[:xdigit:]十六进制数字 (0-9，a-f，A-F)

例：

Bash
echo 'hello911' | grep [[:digit:]] #匹配911三个数字

范围表达式 ​

范围表达式（range expression）表示两个字符之间的所有字符集合，包括这两个字符本身。这两个字符通过连字符-隔开。注意：如果要匹配连字符-，需要把连字符放到开头或末尾。

例：

Bash
echo 'Hello' | grep [A-Z] #匹配'H'
echo 'Hello-Wolrd' | grep [-AZ] #匹配'-'
echo 'Hello' | grep [Z-A] #范围错误!!!

子表达式 ​

子表达式（subexpression）是使用 \( 和 \) 括起来的表达式，被括起来的字符集合保持原有的含义。

例如在子表达式\( \)内，字符a还是匹配它自身，点号.表示匹配任意一个字符，可以用反斜线\来转义，可以用方括号[]表达式来匹配字符集合中的任意一个字符，等等。

比较特别的是^字符。当^出现在子表达式开头、紧跟在\(之后时，是用于匹配字符串开头，还是匹配^字符自身，是可选行为。POSIX 标准说是取决于具体的实现，也就是由工具自身决定。这可能会带来移植性问题。

子表达式可以嵌套使用。

反向引用表达式 ​

反向引用表达式（back-reference expression）用于反向引用前面的子表达式，其写法是\n，n 必须是 1 到 9 之间的数字，包括 1 和 9。\n会匹配从整个表达式开头数起的第 n 个子表达式对应的内容，最多只能匹配到第 9 个子表达式。但还是可以提供 10 个、以及更多的子表达式，只是不能通过反向引用表达式来引用到。

反向引用可以用来重复利用前面的子表达式。

区间表达式 ​

区间表达式（interval expression）指定在它前面的一个表达式要匹配多少次，其写法是\{m\}、\{m,\}、或者\{m,n\}，m、n 的值要满足 0 <= m <= n 这个范围。

{m}

  • \{m\}指定要精确匹配 m 个前一个表达式。
  • \{m,\}指定至少匹配 m 个前一个表达式。
  • \{m,n\}指定至少匹配 m 个前一个表达式，最多匹配 n 个前一个表达式。

例：

Bash
grep 'a\{3\}' myfile #匹配'aaa'
grep 'a\{3,\}' myfile #匹配'aaa','aaaa','aaaaa'等
grep 'a\{3,4\}' myfile #匹配'aaa','aaaa'
grep '\(ab\)\{2\}' myfile #匹配'abab'