正则表达式---元字符

简介

正则表达式分为两种语法：POSIX标准的语法，Perl语法。

正则表达式的POSIX规范，分为基本型正则表达式（Basic Regular Expression, BRE），扩展型正则表达式（Extended Regular Expression，ERE） 和SRE（Simple Regular Expression）已经被弃用（deprecated，因为BRE和SRE都可以backward compatibility）。

grep、vi、sed都属于BRE，元字符（metacharacter）需要转译（例如：在BRE中()和{}需要指定为\(\)和\{\}才可以使用，但是在ERE中则不需要进行转译）

egrep、awk属于ERE，元字符不需要转译

一个正则表达式通常称为一个模式（pattern）。

HINT！ Perl语法被广泛使用！在grep中使用Perl语构的regex：grep -P

Basic concepts

1. Boolean “or”

|

2. Grouping

()

3. Quantification

+

?

*

{n}

{min,}

{,max}

{min,max}

4. Wildcard

.

PCRE(Perl Compatible Regular Expression)

Perl兼容正则表达式，元字符介绍

Metacharacter	Description	Example
\	将下一个字符标记为一个特殊字符（File Format Escape）或一个原义字符（Identity Escape，有12个“^$()*+?.[\{”）等。	“n”字符匹配n字符，“\n”匹配一个换行符。 "\\“匹配一个“\” ”\("匹配一个“(”
^	匹配以某个字符串开始的行	^abc 匹配abc 不匹配eabc
$	匹配以某个字符串结束的行	abc$ 匹配ef abc 不匹配abc ef
*	匹配前面的子表达式0次或多次
+	匹配前面的子表示1次或多次
?	匹配前面的子表示0次或1次
{n}	匹配n次	o{2} 可以匹配到food中的两个o 不能匹配到Bob中的一个o
{n,}	至少匹配n次
{n,m}	匹配最少n次，最多m次
?	非贪心量化（Non-greedy quantifiers）。 其跟随在其他重复修饰符（*,+,?,{n},{n,},{n,m}）后面时，匹配模式是非贪婪的。
.	匹配除"\r""\n"之外的任何单个字符
(pattern)	捕获组（capturing group）。 匹配pattern，并获取这一匹配的子字符串。该子字符串用于后向引用。	(\(\w+\))\s\1 匹配(hello) (hello) world中的(hello) (hello)
(?:pattern)	非捕获组（non-capturing group）。 匹配pattern，不获取这一匹配的子字符串，非获取匹配。即不存储匹配的子字符串用于后向引用
(?=pattern)	正向肯定预查（look ahead positive assert）。 在匹配pattern处，开始匹配查找字符串，这是一个非捕获匹配。	Windows(?=95|98|NT|2000) 匹配Windows2000中的Windows； 不匹配Windows3.1中的Windows。
(?!pattern)	正向否定预查（negative assert）。 在不匹配pattern处查找匹配字符串。	industr(?!y) 匹配industries 不匹配industry
(?<=pattern)	反向（look behind）肯定预查。 与正向肯定预查相似，只是方向相反。 非捕获匹配。	(?<=95|98|NT|2000)Windows 能匹配到2000Windows中的Windows 不能匹配到Windows2000中的Windows
(?<!pattern)	反向否定预查。 与正向否定预查相似，只是方向相反	(?<!95|98|NT|2000)Windowsbr/>能匹配到3.1Windows 不能匹配到2000Windows
x|y	没有包围在()里，范围是整个正则表达式
[xyz]	字符集合（character class）。匹配包含的任意一个字符。	“[abc]” 可以匹配plain中的a 可以匹配到branch中的"b" “a” “c”
[^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。	可以匹配到不在“a”到“z”范围内的任意字符
[^a-z]
\d	匹配一个数字字符。等价于[0-9]
\D	匹配一个非数字字符。等价于[^0-9]
\s	匹配任何空白字符，包括空格，制表符，换页符等。等价于[\f\n\r\t\v]
\S	匹配任何非空白字符。等价于[^\f\n\r\t\v]
\w	匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9]”
\W	匹配包括下划线的任何非单词字符。等价于“[^A-Za-z0-9]”

Reference

维基百科：正则表达式