参考：

• 《鸟哥的Linux私房菜》
• 正则表达式维基百科

正则表达式介绍

正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(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、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、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（pattern），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 +、?、*
    • +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,\n之外的任何单个字符 竖线l | 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（character class）。匹配所包含的任意一个字符 [^xyz] | 排除型字符集合（negated character classes）。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（named character class） [=elt=] | 增加当前locale下排序（collate）等价于字符“elt”的元素 [.elt.] | 增加排序元素（collation element）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(meta character)，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（Non-greedy quantifiers）：当该字符紧跟在任何一个其他重复修饰符（*,+,?，{n}，{n,}，{n,m}）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pattern并获取这一匹配的子字符串。该子字符串用于向后引用。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“(”或“)” (?:pattern) | 匹配pattern但不获取匹配的子字符串（shy groups)，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（look ahead positive assert），在任何匹配pattern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(negative assert)，在任何不匹配pattern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(look behind)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(POSIX character class),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 | l