GNU ERE正则表达式实现方案

正则表达式包括基本元素和操作符号。只使用基本元素可以构造简单的正则表达式；使用基本元素和操作符号可以构造复杂的正则表达式。
为了帮助介绍，本文接下来使用“GNU grep”命令进行实验，需要注意的是要使用“GNU grep”命令的“-E”模式，因为如果不使用该模式，那么“GNU grep”命令使用的是“GNU BRE正则表达式实现方案”；使用“-E”模式之后，“GNU grep”命令使用的才是我们介绍的“GNU ERE正则表达式实现方案”。

一、基本元素

基本元素分为“匹配位置的基本元素”，“匹配单个字符的基本元素”和“匹配一个字符集合的基本元素”。

1.1、匹配位置的基本元素

匹配位置的基本元素 匹配位置 ^ 匹配行首位置 $ 匹配行尾位置 \< 匹配行首位置，跟“^”有点不一样，见后面解释 \> 匹配行尾位置，跟“$”有点不一样，见后面解释 \b 匹配单词首尾两端位置 \B 匹配单词非首尾两端位置

“行首位置”具体是指“紧邻换行符后面的位置”；“行尾位置”具体是指“后面紧邻换行符的位置”。我们知道，在Windows中换行符是“\r\n”，而在Linux中换行符是“\n”，那么“^，$，\<，\>”能兼容这两种情况吗？答案是经过实验可知，“^，$”不兼容两种情况，只支持“\n”换行符，“\<，\>”兼容两种情况。
具体实验过程如下：
现在有文本文件“a.txt”，内容如下：

hellolineworld

字节流形式如图1所示。

图1

有文本文件“b.txt”，内容如下：

hellolineworld

字节流形式如图2所示。

图2

分别执行grep -E '^line$' a.txt和grep -E '^line$' b.txt，可得结果分别如图3和图4所示，说明“^，$”不兼容，只支持“\n”换行符。

图3

图4

分别执行grep -E '\<line\>' a.txt和grep -E '\<line\>' b.txt，可得结果分别如图5和图6所示，说明“\<，\>”兼容。

图5

图6

“单词首尾两端位置”具体是指“单词与单词分隔符之间的位置”，单词分隔符包括“空格字符，制表符，换行符”等。
现有文本文件“c.txt”，内容如下：

hello world     javaprogrammer

字节流形式如图7所示。

图7

接连执行以下命令，结果如图8所示。

grep -E '\bhello\b' c.txtgrep -E '\bworld\b' c.txtgrep -E '\bjava\b' c.txtgrep -E '\bprogrammer\b' c.txt

图8

接连执行以下命令，结果如图9所示。

grep -E '\Bhello\B' c.txtgrep -E 'hel\Blo' c.txt

图9

1.2、匹配单个字符的基本元素

匹配单个字符的基本元素 匹配字符 ASCII表中可打印字符 可打印字符自身 . 任何字符

1.3、匹配一个字符集合的基本元素

匹配一个字符集合的基本元素 匹配字符集合 [] 匹配括号中任意一个字符 [^] 匹配不在括号中的任意一个字符 [-] 匹配字符范围内的任意一个字符，包含字符范围界限字符 \w 等价于“[0-9A-Za-z]” \W 等价于“[^0-9A-Za-z]”

二、操作符号

有3类操作符号：重复操作符，选择操作符和连接操作符。3类操作符有不同的操作优先级顺序，这个优先级顺序无需记忆，只需通过“（）”符号显式指定优先级即可。
另外，在正则表达式中可通过“\数字”语法来引用第几个“（）”符号匹配的内容。现有文本文件“d.txt”，内容如下：

aabcabchello worldthis is a test text

执行grep -E '([a-z]{2,})\1' d.txt命令，结果如图10所示。

图10

2.1、重复操作符

操作符号 含义 ? 前面的元素重复0次或者1次，重复0次表示不参与匹配 * 前面的元素重复0次或者任意多次，重复0次表示不参与匹配 + 前面的元素至少重复1次 {n} 前面的元素重复n次 {n,} 前面的元素至少重复n次 {,m} 前面的元素至多重复m次 {n,m} 前面的元素至少重复n次，至多重复m次

2.2、选择操作符

选择操作符是“|”。“A|B”表示的含义是：在匹配过程中，“A和B”两个正则表达式中只要有一个正则表达式匹配，那么最终结果就是匹配。

2.3、连接操作符

没有特定的符号用来表示连接操作符。将两个正则表达式放在一起就是将这两个正则表达式连接起来了。比如有正则表达式“086”和“[0-9]{11}”，将这两个正则表达式放在一起，即“086[0-9]{11}”，也就是将这两个正则表达式连接起来了。

三、转义

可以使用“\”进行特殊字符的转义。比如现有文本文件“f.txt”，内容如下：

+{}|()?

接连执行如下命令，所得结果如图11所示。

grep -E '\+' f.txtgrep -E '\{' f.txtgrep -E '\?' f.txt

图11

四、其他

正则表达式的运转跟“locale”设置息息相关。比如在有些“locale”设置中，“[a-d]”等价于“abcd”，而在有些“locale”设置中，“[a-d]”等价于“[aBbCcDd]”。又比如只在有些“locale”设置中，“\w”等价于“[0-9A-Za-z]”，“\W”等价于“[^0-9A-Za-z]”才成立。

参考文献：
[1]man grep