正则表达式

正则表达式语法

正则表达式(regular expressions, 缩写为regexp)是由几个特殊字符和一些普通字符组成，一个普通字符就是一个简单的正则表达式，仅仅可以匹配与自己相同的字符。而特殊字符包括“$”，“^”，“.”，“*”，“+”，“?”，“[”，“]”以及“\”。除非在一个字符前面有“\”，否则正则表达式中出现的任何其他字符都是普通字符，（当你在 Lisp 程序中使用正则表达式时，每一个“\”都必须写成两个，，因为需要对字符串中的“\”转义，请看下面的例子。）

例如，“f”不是特殊字符，是普通字符，因此“f”是一个正则表达式，它仅仅匹配串 “f”。（不匹配“ff”。）同样“o”是仅匹配串“o”的正则表达式。（当不区分大小写时，前面的两个式子也匹配“F”和“O”，而实际上，一般认为它们是“同样的串”，并不是因为例外。）

两个任意的表达式 A 和 B 可以连接，其结果是能够匹配以 A 开始，其余部分是B 的字符串的表达式。

举个简单的例子，我们将表达式“f”和“o”连接，得到表达式“fo”，仅匹配串 “fo”，很简单的。想做些不简单的，需要使用特殊字符。下面介绍这些特殊字符。

特殊字符

headhead. 

(Period)匹配除了换行符(newline)之外任何单个字符的特殊字符。通过“连接”，可以得到如 “a.b”的表达式，匹配所有的以“a”开始，以“b”结束的三个字符的字符串。

*自身不构成表达式的部分，作为后缀操作符，表示某个前导表达式可以任意次重复。比如，“o*”匹配任意个“o”连成的串（包括空串）。“*”总是作用于“最少的”可能的前导表达式。于是，“fo*”中，可以重复的是“o”，而不是“fo”，匹配形如“f”, “fo”, “foo”的串等等。匹配程序以迅速且尽可能多的找到重复部分来处理带“*”的结构。然后继续其他部分的处理。如果失败了，为了使剩余的部分能够尽可能的匹配，匹配程序会回退，释放一些已经由“*”匹配的结构。例如，在使用“ca*ar”来匹配串“caaar”时，“a*”首先试图匹配全部的三个“a”；但余下的部分是“ar”，不能匹配“r”，失败；接着选择是用“a*”匹配两个“a”，成功。

+和“*”相似的后缀操作符，它表示前导表达式至少出现一次。例如，“ca+r”匹配串 “car”和“caaaar”，但不能匹配“cr”，然而“ca*r”却可以。?也是一个和“*”相似的操作符，它表示前导表达式至多出现一次。例如，“ca?r”仅仅匹配“car”或“cr”。*?, +?, ??是前面几个操作符的非贪心(non-greedy)的变体。正常的“*”， “+”， “?”操作符是“贪心的(greedy)”，只要总体上能够匹配，这些操作符总是尽可能多的匹配。当紧跟着“?”时，则是非贪心的：将尽可能少的匹配。“ab*”和“ab*?”都能匹配串“a”和“abbbb”；但如果你试图用它们来匹配“abbbb” 时，“ab*”将匹配全部（最长有效匹配），而“ab*?”将仅仅匹配“a”（最短有效匹配）。\{N\}指定重复次数为 N 的后缀操作符，前导表达式必须恰好出现 N 次。例如“x\{4\}”仅匹配串“xxxx”。\{N,M\}

指定重复次数在N和M之间的后缀操作符，就是说它的前导表达式的出现次数至少是N 但不能超过 M。如果省略 M，表示没有上限，但它的前导表达式至少出现 N 次。 “\{0,1\}”等于“?”。“\{0,\}”等于“*”。“\{1,\}”等于“+”。

[ ... ]字符集，以“[”开始以“]”结束。最简单的例子，在两个方括号中间的字符就是这个集合所能匹配的全部。

所以，“[ad]”仅匹配一个“a”或一个“d”，“[ad]*”匹配所有仅由“a”和“d”构成的串（和空串）。“c[ad]*r”匹配“cr”，“car”， “cdr”，“caddaar”，等等。

也可以用一个“-”放在一个开始字符和一个结束字符的中间，表示字符集中字符的范围。 “[a-z]”匹配所有小写 ASCII 字母。范围可以和单独的字符自由的组合在一起，比如 “[a-z$%.]”，匹配了任意的小写字母，或“$”，“%”，以及“.”。

注意，通常在字符集中的特殊字符不再特殊，而在字符集中的“]”，“-”和“^”却是特殊字符。

如果想在字符集中包括字符“]”，必须放在第一个字符位置。例如，“[]a]”匹配“]” 或“a”。想包括“-”，要在第一个或最后一个位置，或在一个范围的后面，如“[]-]” 匹配“]”和“-”。

如果想在字符集中包括字符“^”，不可以放在第一个位置。（在开始位置，它会把这个字符集取补DD看下面。）

当不区分大小写使用范围时，表示范围的两个字符或者都是大写、或者都是小写、或者都不是字母。混合大小写的范围如“A-z”意思不明确，不被接受，或许在将来的 Emacs 中会被改变。

[^ ... ]

“[^”表示“补集合”，匹配的字符是除掉指定的字符外其他所有的字符。如， “[^a-z0-9A-Z]”匹配除掉ASCII字母和数字的所有字符。

当“^”在字符集中第一个时，被看作是特殊字符。而跟在“^”后面的字符被看作是第一个字符（就是说，此处的“-”和“]”将不是特殊的）。

一个补集合可以匹配换行符，除非换行符被指定为补集合中的一个字符。这不同于某些象“grep”的程序对正则表达式的处理。

^仅仅匹配在文本中行首的那个空串的特殊字符。就是说，“^foo”匹配在行首的“foo”。$和“^”相似，但仅匹配行尾的空串。因此“x+$”匹配在行尾的一个或多个“x”的串。\

有两个作用：引用特殊字符（包括“\”）；产生附加的特殊结构。

因为“\”引用特殊字符，“\$”是一个仅匹配“$”的表达式，“\[”是一个仅匹配 “[”的表达式，等等。

反斜线

注意：为考虑兼容性，如果在其没有意义的上下文中，特殊字符将被当作普通字符。比如：“*foo”中把“*”当作普通字符，因为在它前面没有可以作用的前导表达式。很少有人会根据这条规则去实践；无论如何，在任何地方都加上引用会更好些。

对于大多数情况，“\”后接任何字符仅仅匹配那个字符。然而，有几个例外：以“\” 开始的两字符序列会有特殊的意思。其中的第二个字符往往是普通字符。下面是“\”的结构表。

\|

指定一个选择。中间有一个“\|”的两个正则表达式 A 和 B，形成了一个可以匹配 A 或 B 的文本。它首先试图用 A 匹配，如果失败再用 B 去试。

由此，“foo\|bar”仅匹配“foo”或“bar”。

“\|”作用于两边最长的可能的表达式。仅由“\( ... \)”括起来才可以限制“\|”的分组能力。

Emacs 有全面的回退功能，以处理“\|”的多种的用途。

\( ... \)

分组结构，有三个功能：

   1. 围住“\|”的选择项，以实现别的操作。例如“\(foo\|bar\)x”匹配“foox”或“barx”。

   2. 围住复杂的表达式以实现后缀操作符（如“*”“+”和“?”）的操作。例如“ba\(na\)*”匹配如“bananana”等，有任意个（零或更多）的“na”串。

   3. 记录一个已匹配的子串用作后面的参考引用。 

最后一个应用并不是括号的分组功能思想的结果；这个分开的特点是给同样的“\( ... \)”结构赋予的第二种含义。在实际应用中，这两种含义通常不会发生冲突。当发生冲突的时候，可以使用“谨慎的”分组("shy" group)。

\(? ... \)“谨慎的”分组("shy" group)，这个分组不记录匹配的子串；你不能用“\D”来引用。这在机械的结合正则表达式的时候有用，这样，你可以为语法目的加入分组，而不用干涉使用者写的分组的个数。\D匹配和“\( ... \)”结构第 D 次出现时所匹配的同样的文本。

在“\( ... \)”结构结束之后，匹配程序保存被这个结构匹配的文本（的开始和结束）；之后的正则表达式中，你可以使用“\”跟着一个数字 D 来表示“匹配和‘\( ... \)’ 结构第 D 次出现时所匹配的同样的文本。”

正则表达式中前九个出现的“\( ... \)”结构，按正则表达式中左括号出现的次序从 1 到 9 赋值。因此可以用“\1”到“\9”来引用相应的“\( ... \)”结构。

例如，“\(.*\)\1”匹配任何有完全相同的两部分而无换行符的串。“\(.*\)”匹配前一半，可以是任意的串，“\1”匹配后面的，但必须和前面的完全相同。

如果一个特定的“\( ... \)”结构匹配了多次（比如后面有一个“*”，这很显然），那么仅记录最后一次的匹配。

\`匹配空串，但仅是接在缓冲区的开始处的。\'匹配空串，但仅是接在缓冲区的尾部的。(引号)\=匹配空串，但仅在“点(point)”处的。\b

匹配空串，但仅在一个词的开始或者结尾的。例如，“\bfoo\b”匹配任何作为单独的词出现的“foo”。“\bballs?\b”匹配作为单独的词出现的“ball”或“balls”。

在缓冲区的开始和结束位置时，“\b”不考虑紧接其前的文本是什么。

\B匹配空串，但不在词的开始或结尾处。\<匹配空串，但仅在词的开始处。仅当一个构成词的字符在缓冲区开始处时“\<”匹配缓冲区开始处的空串。\>匹配空串，但仅在词的结尾处。仅当缓冲区尾部有构成词的字符时“\>”匹配缓冲区尾部的空串。\w匹配任何构成词的字符。由语法表决定这些字符是什么。\W匹配任何非构成词的字符。\sC匹配任何语法是 C 的字符。这里 C 是一个指定特定语法类的字符：如“w”为词的构成字符，“-”或“ ”为空白，“.”为普通标点符号，等等。\SC匹配任何字符不属于语法 C。\cC匹配任何属于种类 C 的字符。例如，“\cc”匹配汉字，“\cg”匹配希腊字符等。如果想了解已知种类，用“M-x describe-categories <RET>”。\CC匹配所有不属于种类C的字符。    

属于词和语法的结构是由语法表的设置来控制的。

例

下面是一个复杂的正则表达式，存储在“sentence-end”，Emacs 将其用于识别句子的结束以及后面的任何空白。其中以 Lisp 语法区分了空白符和制表符。在Lisp 语法中，串常量用双引号括起来。“\"”表示双引号是表达式的一部分，“\\”表示反斜扛是表达式的一部分，“\t”表示制表符，“\n”表示换行。

  "[.?!][]\"')]*\\($\\| $\\|\t\\|  \\)[ \t\n]*"

其中包含四个连续的部分：匹配句号(“.”)、“?”或“!”的字符集；匹配右方括号、右(单/双)引号的字符集的任意次重复的部分；在“反斜线括号”部分中，匹配行尾、行尾空白、制表符或两个空格的可选集合；以及一个任意次匹配空白的字符集。

在增量搜索中，要用 TAB 输入制表符，“C-j”输入换行符。也可以使用单独的反斜线，不用象 Lisp 串中那样写成两个 

常见应用

宏展开

#define CACHE(x) if (size <= x) goto found; else i++;//quary replace regexp search CACHE(\([0-9]+\))//replace with  if (size <= \1) goto found; else i++;