正则表达式

1.入门

正则表达式（regular expression，简称regex）是一种工具，用于匹配和处理文本的字符串。
正则表达式并不是一种完备的程序设计语言，甚至算不上是一种能够直接安装并运行的程序。

本文针对 [grep -P]

1.1匹配单个字符

匹配纯文本

text    :   hello,world！!regex   :   hello output  :   hello

匹配任意字符

text    :   sale1.xls            sale2.xls            na1.xlsregex   :   saleoutput  :   [sale]1.xls            [sale]2.xls

’ . ‘字符可以匹配任意单个的字符、字母、数字和本身。

text    :   sale1.xls            sale2.xls            na1.xlsregex   :   sale.output  :   [sale1].xls            [sale2].xls

’ . ‘字符本身而不是它在regex中的特殊含义，需要’ \ ‘进行转义，而匹配’ \ ‘本身也需要转义。’ \ ‘字符永远出现在一个有着特殊含义的字符序列的前面。这个序列可由一个或多个字符构成。

1.2匹配一组字符

’ [ 一组字符] ’ 用来匹配一组字符而匹配’ [ ‘和’ ] ‘本身，则需要转义。

text    :   sale1.xls            sale2.xls            na1.xlsregex   :   [a-z][0-9]output  :   sal[e1].xls            sal[e2].xls            n[a1].xls

模式[0-9]与[0123456789]完全一样，连字符’ - ‘只在’ [ ] ‘中有特殊意义，需要转义，在外面是普通字符。

’ ^ ‘表明取非匹配。

1.3元字符

空白字符[\b]    回退\f      换页符\n      换行符\r      回车符\t      制表符\v      垂直制表符字符集元字符\d      数字\D      非数字\w      字母、数字、_\W      非\w\s      空白字符集\S      非\s十六进制\x开头八进制\0开头POSIX字符类[:alnum:]   ==  [a-zA-Z0-9][:alpha:]   ==  [a-zA-Z][:cntrl:]   ==  [\t ][:digit:]   ==  [0-9][:graph:]   ==  [:print:]一样，但不包含空格[:lower:]   ==  [a-z][:print:]   ==  可打印字符[:punct:]   ==  ^[[:alnum:][:cntrl:]][:space:]   ==  空字符集，含空格[:upper:]   ==  [A-Z][:xdigit:]  ==  [a-fA-F0-9]

1.4重复匹配

' + '  ' * '表明重复匹配' + ' 匹配一个或多个字符（至少一个）' * ' 匹配0个或多个字符' ? ' 匹配0个或1个，即可选

```text    :   www.baidu.com            [e-mail]   :   \w+\.\w+\.\w+output  :   [www.baidu.com]regex   :   [\w.]+@\w+\.\w+output  :   [[e-mail]]

1.5重复匹配次数

'｛num｝' 表示重复匹配num次

regex   :   [\w]{3}等价regex   :   [\w][\w][\w]

'｛num1，num2｝'表示重复匹配至少num1次，最多num2次'｛num，｝'表示至少重复num次,无上限

1.6贪婪型元字符

text    :   asdfa <B>asdfa</B> asd <B>asd</B>regex   :   <B>.*</B>output  ；   asdfa [<B>asdfa</B> asd <B>asd</B>]//把asd也匹配了，贪婪型元字符，会尽可能的从开头一直匹配到结尾。regex   :   <B>.*?</B>output  ；   asdfa [<B>asdfa</B>] asd [<B>asd</B>]

贪婪型元字符懒惰型元字符 **?++?{n,}{n,}?

1.7位置匹配

边界

text    :   the cat scatted his food all over the room.regex   :   catoutput  :   the [cat] s[cat]ted his food all over the room.

将文本中所有cat都找了出来，这是没有意义的

单词边界

1.由限定符\b指定的单词边界，\b即是空格。
2.\B则是非\b，匹配前后都不是单词边界的单词。

字符串边界

^\s* 匹配一个字符串的开头位置和随后0个或多个空白字符。
\s*$ 匹配一个字符串的结尾和随后0个或多个空白字符。￥

分行匹配

$不仅能匹配字符串结尾，还将匹配行分隔符（换行符）后面的结束位置。

1.8子表达式

’ ( ) ‘把一个表达式当作一个元素

&nbsp   非换行空格符 {2,}  匹配   ;;;; ...（ ）{2,}    匹配  （ ）{2,}（ ）{2,}（ ）{2,}    ...

子表达式允许多重嵌套使用。

1.9回溯引用

子表达式把一组字符编组为一个字符集合。
主要用于精确设定需要重复匹配的文本及其重复次数。
子表达式的另一个重要用途就是回溯引用（backreference）。

例如在HTML中

regex1  :   <Hh1>.*</Hh1>   只能匹配一级标题regex2  :   <Hh[1-6]>.*</Hh[1-6]>   匹配1-6级标题，但是它还可以匹配<Hh2>.*<Hh3>这种错误标题。text    ：   this is block of of text，            several words here are are            repeated, and and they            should not be.regex   ：   [ ]+(\w+)[ ]+\1output  :   this is block [of of] text，            several words here [are are]            repeated, [and and] they            should not be.##          \1  是回溯引用，引用前面划分出来的子表达式可将regex2写为            <[hH]([1-6])>.*?</[hH]\1>            \1  第1个子表达式            ...            \5  第5个子表达式            \0  代表整个regex

1.10回溯引用用于替换

需要两个regex，一个给出搜索模式，一个给出匹配文本替换模式。

text    ：   313-555-1234            314-555-1324            311-555-1234regex   ：   (\d{3})(-)(\d{3})(-)(\d{4})替换      ：   ($1) $3-$5output  ：   [phone]            [phone]            [phone]  

1.11前后查找

向前查找指定了一个必须匹配但不在结果中返回的模式，其实就是一个子表达式，从语法上看，以？=开头的子表达式，需要匹配的文本跟在=后面。

text    :   http://1231            https://123132            ftp://1231regex   :   .+(?=:)output  :   [http]://1231            [https]://123132            [ftp]://1231

向后查找，以？<=开头的子表达式。与向前查找放的位置相反。

还可以组合进行，前后查找。

1.12嵌入条件

regex里条件用？定义。？匹配一个字符或表达式。？=和？<=匹配前面或后面的文本。

回溯引用条件

语法  （？（backreference）true-regex）？表明是一个条件，backreference是一个回溯引用，true-regex是一个backreference存在时才会被执行的子表达式。regex   ：   (<A\s+[^>]+>\s*)?img\s+[^>]+>(?(1)\s*</A>)            (<A\s+[^>]+>\s*)?这个标签可有可无，因为后面有个?，只有当它存在时，才匹配(?(1)\s*</A>)

前后查找条件

只在一个向前或向后查找操作取得成功时，才允许一个表达式被使用。

regex   ：   \d{5}(-\d{4})?            匹配5个数字[-4个数字]regex   ：   \d{5}(?(?=-)-\d{4})            (?=-)用来匹配一个 - 字符，如果存在则匹配4个数字