linux 正则表达式深度解析

概述

正则表达式文法大致可分为三种标准：基本正则表达式（BRE）、扩展正则表达式（ERE）和高级正则表达式（ARE）。其中，BER和ERE属于POSIX标准，而ARE则是各家定义的扩展。

POSIX正则表达式

在POSIX标准中，定义了两种正则表达式语法：基本正则表达式（BRE）和扩展正则表达式（ERE）。

BRE的语法符号包括：

.：匹配任意单一字符。

[]：字符集匹配，匹配方括号内定义的任一字符。

[^]：字符集排除匹配，匹配未包含在方括号内的字符。

^：匹配字符串开头。

$：匹配字符串结尾。

\(和\)：定义子表达式。

：子表达式向前引用，其中n为数字。此功能涉及正则语义的回溯，需采用NFA算法进行匹配。

-：匹配前一个字符零次或多次。

\{m,n\}：匹配前一个字符至少m次，至多n次。

ERE在BRE的基础上进行了改进和扩展，增加了以下语法符号：

?：匹配前一个字符零次或一次。

+：匹配前一个字符至少一次。

|：表示或运算，其左右两侧均可为子表达式。

在ERE中，取消了子表达式和次数匹配的转义符引用语法，同时也取消了非正则语义的子表达式向前引用能力。

BRE和ERE共享相同的POSIX字符类定义，还支持较少使用的字符类比较操作和等效体操作。

高级正则表达式工具如f、fr、wfr、bwfr等默认使用ERE模式，并支持Perl风格的字符类。这些字符类包括字母、数字、空白字符、空格符、控制字符等。还有特殊字符类和特殊字符换码序列。其中，ARE是ERE的超集，支持“懒惰匹配”功能，即尽可能少的匹配字符。这种功能在'?', '', '+' 或 '{m,n}'后追加'?'符号即可启用。在编程世界中，正则表达式是一种强大的工具，用于处理文本数据。对于理解并操作复杂的文本模式，它有着至关重要的作用。现在，我们来深入理解一下stRegEx的一些高级特性。

stRegEx支持完整的字符串匹配和子串匹配。例如，当使用"a.b"匹配"abab"时，它会匹配整个字符串。而使用"a.?b"时，则只会匹配前两个字符"ab"。这种灵活性使得我们可以根据具体需求进行精确的匹配。

stRegEx也支持子表达式的向前引用匹配。通过''，我们可以引用之前定义的子表达式。比如"(a.)\1"可以智能地匹配"abcabc"这样的重复模式。

无名子表达式的使用也是stRegEx的一大特色。通过"(?:表达式)"的方式，我们可以创建一个无名表达式，它在匹配时不会返回一个单独的匹配项。

关于向前预判，这是一种确保字符串特定部分满足某些条件的技术。肯定预判"(?=表达式)"确保后续字符串满足某个条件，而否定预判"(?!表达式)"则确保后续字符串不满足某个条件。这种特性使得我们可以进行更复杂的文本模式匹配。

stRegEx还支持模式切换前缀，这使我们能够根据不同的需求调整正则表达式的行为。例如，":b"会切换到POSIX BRE模式，"e"会切换到POSIX ERE模式，"q"则启用文本字面匹配模式。"c"和"i"分别用于执行大小写敏感和忽略大小写的匹配。

关于行敏感的匹配，stRegEx提供了几种不同的选项以适应不同的需求。"n"、"m"等选项可以启用行敏感的匹配，而"p"、"s"等选项则提供了不同的行处理模式。这些选项使得我们可以根据具体场景选择合适的匹配模式。

stRegEx的扩展模式也是一个非常有用的特性。"x"开启扩展模式，允许我们忽略表达式中的空白符和注释符。这使得编写复杂的正则表达式变得更加容易和直观。

stRegEx的这些特性使得它成为一个功能强大、灵活多变的工具。无论是处理简单的文本数据还是处理复杂的文本模式，它都能提供高效的解决方案。通过深入理解并善用这些特性，我们可以更加高效地处理文本数据，从而提取出有价值的信息。 Perl 风格字符类换码序列的非凡之旅

在 Perl 中，字符类换码序列为我们提供了一种强大的工具，让我们能够精确地控制字符串的匹配和替换。这些序列不仅丰富了我们的表达方式，还极大地扩展了我们的编程能力。与 BRE/ERE 模式不同，Perl 风格的字符类换码序列具有其独特的魅力和。

下面，我们将一起领略这些序列的魅力：

1. \a - 它是响铃字符，能够在终端引发响铃。

2. \A - 不论当前模式如何，它只匹配整个字符串的最开头，确保我们从字符串的起始处开始匹配。

3. \b - 这是退格字符，表示为 '\x08'，能够后退并删除前一个字符。

4. \B - 它表示转义字符本身 ('\\')，让我们能够使用特殊字符而不必担心它们被解释为其他含义。

5. \cX - 控制符-X (= X & 037)，让我们能够处理特殊的控制字符。

接下来的序列专门用于处理数字和文本：

6. \d 或 [[:digit:]] - 表示 10 进制数字 ('0' - '9')，无论我们在何处都能轻松找到数字。

7. \D 或 [^[:digit:]] - 非数字字符，帮助我们排除数字。

8. \s 或 [[:space:]] - 空白符，包括空格、制表符等。

9. \S 或 [^[:space:]] - 非空白符，排除所有空白字符。

还有一些针对特定符号的序列：

1. \e - 退出符 ('\x1B')，表示一个特殊的退出操作。

3. \m 或 [[:<:]] 和 \M 或 [[:>:]] 分别表示单词的开始和结束位置。

4. - 换行符 ('\x0A')，用于分隔文本行。

5. \r - 回车符 ('\x0D')，常用于控制文本的移动。

7. \uX - 表示 16 位 UNICODE 字符 (X∈[0000 .. FFFF])。

8. \UX - 表示 32 位 UNICODE 字符 (X∈[00000000 .. FFFFFFFF])。这些序列使得我们可以轻松处理 Unicode 文本并对其进行精确操作。还有针对子表达式的向前引用序列： \X (X∈[1 .. 9]) 和 \XXX 用于引用先前捕获的子表达式。这些序列为我们提供了强大的能力来处理和复杂的字符串模式。在 Perl 中使用这些字符类换码序列可以极大地提高我们的编程效率和精度。它们是我们编程工具箱中的宝贵资源，使我们能够更轻松地处理各种字符串任务。Perl 风格的字符类换码序列为我们提供了丰富的工具集，使我们能够更深入地理解和操作文本数据。无论是处理数字、文本、控制字符还是 Unicode 字符，这些序列都能为我们提供极大的便利和帮助。