风继续吹
所有文章 标签 分类 关于
风继续吹

目录

正则表达式

Zhang21 收录于 linux
   约 2427 字   预计阅读 5 分钟 

参考：



正则表达式介绍

正则表达式（Regular Expression），在代码中常简写为 regex, regexp 或 RE。

是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。


正则表达式的 POSIX 规范，分为两大流派：

  • 基本型正则表达式（Basic Regular Expression, BRE）
    • grep, vi 和 sed 都属于 BRE，是历史最早的正则表达式，因此元字符必须转译之后才具有特殊含义。
  • 扩展型正则表达式（Extended Regular Express, ERE）
    • egrep 和 awk 则属于 ERE，元字符不用转译。


正则表达式基本语法

一个正则表达式通常被称为一个模式，用来描述或者匹配一系列匹配某个句法规则的字符串。


大部分正则表达式有如下结构：

  • 选择
    • 竖线符代表选择(或)，具有最低优先级
  • 数量限定
    • 字符后的数量限定符用来限定前面这个字符允许出现的个数
    • 不加数量限定则代表仅出现一次
    • 常见的数量限定符包括 +, ? 和 ?
      • 加号代表前面的字符必须至少出现一次 ( $>=1$ )
      • 问号代表前面的字符最多只可出现一次 ( $1>=?>=0$ )
      • 星号代表前面的字符可不出现，也可出现一次或多次 ($>=0$)
  • 匹配
    • 圆括号可以定义操作符的范围和优先度


PCRE表达式全集

正则表达式有多种不同的风格。PCRE（Perl 兼容正则表达式，Perl Compatible Regular Expression）。适用于 Perl 或者 Python 编程语言（grep 或者 egrep 的正则表达式文法是 PCRE的子集）。



基础正则表达式

字符 描述
\ 转义字符
zhang 匹配文本字符串值zhang
. 匹配除 \r 和 \n 之外的任何单个字符
竖线 匹配竖线两边某一个
^ 匹配输入字符串的开始位置
$ 匹配输入字符串的结束位置
* 匹配前面的子表达式零次或多次
+ 匹配前面的子表达式一次或多次
? 匹配前面的子表达式零次或一次
{n} n 是一个非负整数。匹配n次
{n,} n 是一个非负整数。至少匹配 n 次
{n,m} m 和 n 均为非负整数，匹配 n-m 次
[xyz] 字符集合，匹配所包含的任意一个字符
[^xyz] 排除型字符集合，匹配未列出的任意字符
[a-z] 字符范围，匹配指定范围内的任意字符
[^a-z] 排除型的字符范围，匹配任何不在指定范围内的任意字符
[:name:] 增加命名字符类
[=elt=] 增加当前语系下排序，等价于字符 elt 的元素
[.elt.] 增加排序元素 elt 到表达式中。这是因为某些排序元素由多个字符组成


元字符

元字符是一种 Perl 风格的正则表达式，只有一部分文本处理工具支持它。

字符 描述
\b 匹配一个单词边界，也就是指单词和空格间的位置
\B 匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”
\cx 匹配由x指明的控制字符
\d 匹配一个数字字符。等价于[0-9]。注意Unicode正则表达式会匹配全角数字字符
\D 匹配一个非数字字符。等价于[^0-9]
\f 匹配一个换页符。等价于\x0c和\cL
\n 匹配一个换行符。等价于\x0a和\cJ
\r 匹配一个回车符。等价于\x0d和\cM
\s 匹配任何空白字符，包括空格、制表符、换页符等等
\S 匹配任何非空白字符。等价于[^ \f\n\r\t\v]
\t 匹配一个制表符。等价于\x09和\cI
\v 匹配一个垂直制表符。等价于\x0b和\cK
\w 匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。注意Unicode正则表达式会匹配中文字符
\W 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”
\ck 匹配控制转义字符。k代表一个字符。等价于“Ctrl-k”。用于ECMA语法
\xnn 十六进制转义字符序列。匹配两个十六进制数字nn表示的字符
\num 向后引用（back-reference）一个子字符串（substring），该子字符串与正则表达式的第num个用括号围起来的捕捉群（capture group）子表达式（subexpression）匹配。其中num是从1开始的十进制正整数，其上限可能是9[注 2]、31、[注 3]99甚至无限。[注 4]例如：“(.)\1”匹配两个连续的相同字符
\n 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值
\nm 3位八进制数字，标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm
\nml 如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml
\un Unicode转义字符序列。其中n是一个用四个十六进制数字表示的Unicode字符


扩展正则表达式

字符 描述
? 非贪心量化，当该字符紧跟在任何一个其他重复修饰符后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。
(pattern) 匹配模式并获取这一匹配的子字符串。
(?:pattern) 匹配模式但不获取匹配的子字符串，也就是说这是一个非获取匹配，不存储匹配的子字符串用于向后引用
(?=pattern) 正向肯定预查，在任何匹配模式的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用
(?!pattern) 正向否定预查，在任何不匹配模式的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用
(?<=pattern) 反向肯定预查，与正向肯定预查类似，只是方向相反
(?<!pattern) 反向否定预查，与正向否定预查类似，只是方向相反


POSIX字符组

POSIX 字符类，是一个形如 [:…:] 的特殊元序列，它用于匹配特定的字符范围。

POSIX字符组 说明 ASCII环境 Unicode环境
[:alnum:] 字母字符和数字字符 [a-zA-Z0-9] [\p{L&}\p{Nd}]
[:alpha:] 字母 [a-zA-Z] \p{L&}
[:ascii:] ASCII字符 [\x00-\x7F] \p{InBasicLatin}
[:blank:] 空格字符和制表符 [ \t] [\p{Zs}\t]
[:cntrl:] 控制字符 [\x00-\x1F\x7F] \p{Cc}
[:digit:] 数字字符 [0-9] \p{Nd}
[:graph:] 空白字符之外的字符 [\x21-\x7E] [^\p{Z}\p{C}]
[:lower:] 小写字母字符 [a-z] \p{Ll}
[:print:] 类似[:graph:]，但包括空白字符 [\x20-\x7E] \P{C}
[:punct:] 标点符号 }~-] [\p{P}\p{S}]
[:space:] 空白字符 [ \t\r\n\v\f] [\p{Z}\t\r\n\v\f]
[:upper:] 大写字母字符 [A-Z] \p{Lu}
[:word:] 字母字符 [A-Za-z0-9_] [\p{L}\p{N}\p{Pc}]
[:xdigit:] 十六进制字符 [A-Fa-f0-9] [A-Fa-f0-9]


优先级

优先权 符号
最高 \
高 () (?: ) (?= ) []
中 * + ? {n} {n,} {m,n}
低 ^ $ 中介字符
次最低 串接，即相邻字符连接在一起
最低 竖线
更新于 2018-02-08
阅读原始文档
 RE, 正则表达式
返回 | 主页