正则表达式小笔记

文章摘要

GPT 4

此内容根据文章生成，仅用于文章内容的解释与总结。

正则表达式

需要注意

由普通字符（包含大小写字母和数字）和元字符（存在特殊含义）组成

无论普通字符还是元字符，都区分大小写的！

基本正则表达式

元字符	作用
`*`	匹配前一个字符匹配0次或任意多次等价于{0,} 如：`z*` 会匹配前面一个字符含`z`的行
`.`	匹配除了换行符外任意一个字符
`^`	匹配行首如：`^hello`会匹配以`hello`开头的行
`$`	匹配行尾如：`hello$`会匹配以`hello`结尾的行
`[]`	匹配中括号中指定的任意一个字符，只匹配一个字符如： `[aoeiu]`匹配意一个元音字母 `[0-9]`匹配任意一位数字 `[a-z][0-9]`匹配小写字和一位数字构成的两位字符
`[^]`	匹配除中括号的字符以外的任意一个字符如： `[^0-9]`匹配任意一位非数字字符 `[^a-z]`表示任意一位非小写字母
`\`	转义符用于取消特殊符号的含义
`\{n\}`	表示其前面的字符恰好出现n次如： `[0-9]\{4\}`匹配4位数字 `[1][3-9][0-9]\{9\}`匹配手机号码
`\{n,\}`	表示其前面的字符出现不小于n次例如： `[0-9]\{2,\}`表示两位及以上的数字
`\{n,m\}`	表示其前面的字符至少出现n次，最多出现m次如： `[a-z]\{6,8\}`匹配6到8位的小写字母

扩展正则表达式

扩展元字符	作用
`+`	前一个字符匹配1次或任意多次等价于{1,} 如`go+gle`会匹配`gogle`、`google`或`gooogle`，当然如果`o`有更多个，也能匹配
`?`	前一个字符匹配0次或1次等价于{0,1} 如`colou?r`可以匹配`colour`或`color`
`	`
`( )`	匹配其整体为一个字符，即模式单元可以理解为由多个单字符组成的大字符如`(dog)+`会匹配`dog`、`dogdog`、`dogdogdog`等，因为被`( )`包含的字符会当成一个整体但`hello (world

POSIX字符簇

是一个通用且形如 [:…:] 的特殊元序列（meta sequence），用于匹配特定的字符范围。

POSIX 元字符	相当于	作用
`[:alnum:]`	[0-9a-zA-Z]	匹配字母和数字字符
`[:digit:]`	[0-9]	匹配数字字符
`[:alpha:]`	[a-zA-Z]	匹配字母字符
`[:lower:]`	[a-z]	匹配小写字母字符
`[:upper:]`	[A-Z]	匹配大写字母字符
`[:cntrl:]`		匹配控制字符
`[:graph:]`		匹配可打印字符（除了空格）
`[:space:]`	TAB	匹配空白字符包括空格、制表符、换行符等
`[:blank:]`		匹配空格和制表符字符

运算符优先级

正则表达式从左到右进行计算，并遵循优先级顺序，这与算术表达式非常类似。

相同优先级的正则表达式从左到右进行运算
不同优先级的正则表达式运算先高后低

运算符	描述
\	转义符
( ) (?:)(?=) []	圆括号和方括号
*	表示匹配零次到多次
+ * ？{n} {n,} {n,m}	限定符
^ $ \任何元字符、任何字符	定位点和序列即：位置和顺序）
\|	替换，或字符具有高于替换运算符的优先级即：`m

匹配规则

基本模式匹配

模式是正则表示式最基本的元素，它是一组描述字符串特征的字符集，用于匹配字符串。

举例

^love 匹配的是以love开头的字符串
man$ 匹配的是以 man 结尾的字符串
^bash$ 仅匹配bash这个字符串（精确匹配）
^\t 标识匹配以制表符为开头的字符串（这里需要用到转移符）
- 同理，\n为新的一行，\r为回车

字符簇匹配

在程序中，要判断输入的电话号码、邮件地址等是否有效，用上述规则匹配显然是无法满足的；因此需要使用相应的字符模式的方法来描述，它就是字符簇。

举例

[a-z] 匹配所有的小写字母
[A-Z] 匹配所有的大写字母
[^$]排除空行
^[ - ]?[0-9]+(\.[0-9]+)?$ 取所有的浮点数
POSIX字符簇
正则表达式的组合应用

规则提取

grep命令是一种强大的文本搜索工具，它能使用正则表达式搜索文本，在文件中全局查找指定的正则表达式，并打印所有包含该表达式的行。

如何理解

就像你在Windows中用记事本打开*.txt文件，通过Ctrl + F 在文本中查找某个字符串一样

孪生兄弟

grep 支持基本正则表达式
egrep 支持扩展正则表达式，相当于grep -E
fgrep 不支持正则表达式，只能匹配写死的字符串（但是速度奇快且效率高）

使用说明

基本语法：grep [选项] [模式] 文件名

说明

选项：用于控制grep的行为
模式：正则表达式模式
文件：要搜索的文件的列表

选项

选项	说明
-i	在搜索的时候忽略大小写
-n	显示结果所在行号
-c	统计匹配到的行数注意：是匹配到的总行数，不是匹配到的次数
-o	只显示符合条件的字符串即：每个符合条件的字符串单独显示一行
-v	输出不带匹配内容的行反向查询（反向匹配）
-w	匹配整个单词如果字符串中包含这个单词，则不作匹配
-A `行数`	在输出的时候包含结果所在行之后的指定行数（A=After，之后）
-B`行数`	在输出的时候包含结果所在行之前的指定行数（B=Before，之前）
-C `行数`	在输出的时候包含结果所在行之前和之后的指定行数（C=Content，上下文）
-e	实现多个选项的匹配
-q	静默模式，不输出任何信息使用 `echo $?` 查看是否匹配；`0` 表示匹配到，`1`表示没有匹配到
-E	使用扩展正则表达式相当于使用`egrep`
-–color=auto	表示对匹配到的文本着色显示也可直接用`--color`选项

退出状态码

在grep操作完成后，其退出状态有特殊含义，如下所示。

找到匹配的表达式 0
没找到匹配的表达式 1
找不到指定文件 2

基本用法

这里创建一段特定文本（命名为regex），内容如下。
1
2
3
4
5
6
7
8
world hello
sayhello
hellosay
shell : root
class : shell
weclome to shell World
10,2023
saY shell

搜索包含shell的行

1	grep "shell" regex

搜索仅行首包含shell的行

1	grep "^shell" regex

搜索仅行尾包含shell的行

1	grep "shell$" regex

搜索仅包含shell的行

1	grep "^shell$" regex

锚定词首为 hello 的行

1	grep "\<hello" regex

锚定词尾为 hello 的行

1	grep "hello\>" regex

锚定词为 hello 的行

1	grep "\<hello\>" regex

搜索包含字符 y 的行（忽略大小写）

1	grep -i "y" regex

扩展说明

grep一般结合基本正则表达式使用；同时，每一类正则表达式本身的表达式是需要用户去写的，但表达式的元字符都有着固定的或者特定的意义，可以根据需要去理解或组合字符。

结合正则表达式

元字符	描述
`[:digit:]` 或 `[0-9]`	匹配任意单个字符
`[:lower:]` 或 `[a-z]`	匹配任意单个小写字母
`[:upper:]` 或 `[A-Z]`	匹配任意单个大写字母
`[:alpha:]` 或 `[a-zA-Z]`	匹配任意单个大写字母或小写字母
`[:alnum:]` 或 `[0-9a-zA-Z]`	匹配任意单个字母或数字

结合特定模式

元字符	描述
`^`	锚定行首
`$`	锚定行尾
`.`	匹配任意一个字符
`*`	匹配零个或多个字符
`\?`	匹配其前面的字符0次或者1次
`\+`	匹配其前面的字符1次或者多次
`\{m\}`	匹配其前面的字符m次（`\`为转义符）
`\{m,n\}`	匹配其前面的字符至少m次，至多n次
`[]`	匹配一个指定范围内的字符而`[^]`匹配指定范围外的任意单个字符（排除）
`\<` 或 `\b`	锚定词首使用 `\<匹配对象\>`可做精确匹配
`\>` 或 `\b`	锚定词尾使用 `\<匹配对象\>`可做精确匹配
``	将多个字符当做一个整体进行处理
`\1`	模式从左侧起，第一个左括号及与之匹配的右括号之间模式匹配的内容
`\2`	模式从左侧起，第二个左括号及与之匹配的右括号之间模式匹配到的内容
`\w`	所有的字母与数字，称为字符[a-zA-Z0-9]
`\W`	所有字母与数字之外的字符，称为非字符 `[^a-zA-Z0-9]`
`.*`	匹配任意长度的任意字符