揭开正则表达式语法的神秘面纱

澳门新葡亰娱乐官网 1

正则表达式(REs)通常被错误地认为是只有少数人理解的一种神秘语言。在表面上它们确实看起来杂乱无章,如果你不知道它的语法,那么它的代码在你眼里只是一堆文字垃圾而已。实际上,正则表达式是非常简单并且可以被理解。读完这篇文章后,你将会通晓正则表达式的通用语法。
支持多种平台

正则表达式就像是一朵带刺的玫瑰。它有着强大的字符串匹配能力,佐以 bash
命令(grep澳门新葡亰娱乐官网 ,sed
等)。能够输出赏心悦目的文本。但是它是带刺的———不容易驾驭。要想达到随心所欲,还需要勤加练习。

正则表达式最早是由数学家Stephen
Kleene于1956年提出,他是在对自然语言的递增研究成果的基础上提出来的。具有完整语法的正则表达式使用在字符的格式匹配方面上,后来被应用到熔融信息技术领域。自从那时起,正则表达式经过几个时期的发展,现在的标准已经被ISO(国际标准组织)批准和被Open
Group组织认定。

BRE 和 ERE

IEEE Std 1003.2(POSIX.2)给出了正则表达式(REs)的定义。定义中有两种
REs :extended REs 和 basic REs。ERE 是 BRE 的扩展。现代的 REs
一般都是基于 ERE 的

正则表达式并非一门专用语言,但它可用于在一个文件或字符里查找和替代文本的一种标准。它具有两种标准:基本的正则表达式(BRE),扩展的正则表达式(ERE)。ERE包括BRE功能和另外其它的概念。

基本概念

根据 man re_format ,总结出一个容易记忆但不严谨的文法

RE --> branch
branch --> branch | piece
peice --> atom meta
meta --> * | + | ? | bound
bound --> {n, m}
atom --> (RE) | () | baracket expression | . | ^ | $ | escape
escape -->  ^ 
          | . 
          | [ 
          | $ 
          | ( 
          | ) 
          | | 
          | * 
          | + 
          | ? 
          | { 
          |  
baracket --> [ a list of character]

许多程序中都使用了正则表达式,包括xsh,egrep,sed,vi以及在UNIX平台下的程序。它们可以被很多语言采纳,如HTML
和XML,这些采纳通常只是整个标准的一个子集。

来具体看看 grep 和 egrep 使用差异

先说说元字符。它指的是像 .*?+ 等有特殊含义的字符。

1、grep

  • a{1,2} 匹配字串 a{1,2}
  • a{1,2} 匹配字串 aaa

元字符需要 backslash()
,才能表示它在正则表达式中的特殊意义。grep 的语法属于 BRE

2、egrep

  • a{1,2} 匹配字串 aaa
  • a{1,2} 匹配字串 a{1,2}

这里的 e 就是 Extened 的意思

元字符不需要 backslash()
,就能表示它在正则表达式中的特殊意义。egrep 的语法属于 ERE

grep 和 egrep 的主要区别在于两点:

  • grep 元字符需要加上 backslash(),egrep 不需要

  • 元字符的数量不同

    BRE(Unix grep),只包含 bracket expression[].*$^

    EBR(Unix egrep),在支持 BRE 的基础上,还增加了诸如 w,d

几个直观的例子

1、匹配 hello 中的ll

  • grep

    $ echo 'hello' | grep 'l{2}' --color
    
  • egrep

    $ echo 'hello' | egrep '1{2}' --color
    

2、使用组和反向引用来匹配连续重复两次的字符。如,hellollooaa 中的 ll
ooaa

  • grep

    $ echo 'hellollooaa' | grep '([alo])1' --color
    
  • egrep

    echo 'hellollooaa' | egrep '([alo])1' --color
    

这里[]表达式就是 bracket expression。

() 表示匹配的组,1 表示匹配到的第一组

这里的意思就是,匹配第一组两次。所以只匹配 aalloo

**egrep 和 grep ** 不支持在 [] 使用用 w 等缩写

比你想象的还要普通

bash 对命令参数预先转义

bash 在执行 echo 前,会对 echo 的参数先转义。转义的后的参数,再传给 echo

$ echo \

$ echo "\"

$ echo '\'
\

bash 默认是会对参数转义的

将参数包裹在 ''中,就能避免参数被 bash 转义

来看一个有趣的例子

我们 grep 一下 echo 的输出

澳门新葡亰娱乐官网 1

一开始看到这个结果(匹配部分是红色),我的内心是懵逼的

但是,套用我们前面的解释。

可以很清晰地得到结果

  • \. 由 bash 解释为 . 传递给 grep ,grep 再将 . 解释为 .

    ,就匹配了....

  • . 由 bash 解释为 . 传递给 grep,grep 自然就匹配了全串

其他结果也可轻易得出,不再赘述

随着正则表达式移植到交叉平台的程序语言的发展,这的功能也日益完整,使用也逐渐广泛。网络上的搜索引擎使用它,e-mail程序也使用它,即使你不是一个UNIX程序员,你也可以使用规则语言来简化你的程序而缩短你的开发时间。

参考

[1] POSIX Regular
Express

[2] man
re_format

[3] Java
Pattern

正则表达式101

很多正则表达式的语法看起来很相似,这是因为你以前你没有研究过它们。通配符是RE的一个结构类型,即重复操作。让我们先看一看ERE标准的最通用的基本语法类型。为了能够提供具有特定用途的范例,我将使用几个不同的程序。

字符匹配

正则表达式的关键之处在于确定你要搜索匹配的东西,如果没有这一概念,Res将毫无用处。

每一个表达式都包含需要查找的指令,如表A所示。

Table A: Character-matching regular expressions

操作

解释

例子

结果

.

Match any one character

grep .ord sample.txt

Will match ford, lord, 2ord, etc. in the file sample.txt.

[ ]

Match any one character listed between the brackets

grep [cng]ord sample.txt

Will match only cord, nord, and gord

[^ ]

Match any one character not listed between the brackets

grep [^cn]ord sample.txt

Will match lord, 2ord, etc. but not cord or nord

grep [a-zA-Z]ord sample.txt

Will match aord, bord, Aord, Bord, etc.

grep [^0-9]ord sample.txt

Will match Aord, aord, etc. but not 2ord, etc.

重复操作符

重复操作符,或数量词,都描述了查找一个特定字符的次数。它们常被用于字符匹配语法以查找多行的字符,可参见表B。

Table B: Regular expression repetition operators

操作

解释

例子

结果

Match any character one time, if it exists

egrep ?erd sample.txt

Will match berd, herd, etc. and erd

*

You can leave a response, or trackback from your own site.

Leave a Reply

网站地图xml地图