POSIX正则表达式

POSIX正则表达式规范

参考：http://en.wikipedia.org/wiki/Regular_expression

　　POSIX正则表达式分为Basic Regular Expressions 和 Extended Regular Expressions。

　　ERE增加支持?,+和|，去除了通配符()和{}。而且POSIX正则表达式的标准语法经常坚持使用附加的语法来支持特殊应用。虽然POSIX.2没有实现一些具体的细节，BRE和ERE提供被很多工具使用的标准。

　　BRE要求通配符()和{}写成和\{\}，ERE中无需这样。

l 基本通配符

通配符	描述
.	匹配任何一个单字符（许多应用不包括换行符，但是假设包括换行符也是安全的）。在大中小括号中，该通配符只匹配字符’.’，例如，a.c匹配”abc”，但是[a.c]只匹配”a”或”.”或”c”。要匹配’.’不能使用’\.’，因为’\.’的作用与’.’一样，应该使用’[.]’来匹配”a.c”中的点。
[]	只匹配中括号内的一个字符。例如[abc]匹配”a”或”b”或”c”。[a-z]匹配小写的”a”到”z”。这些格式可以混合使用：[abcx-z]匹配”a”,”b”,”c”,”x”,”y”,”z”与[a-cx-z]的效果相同。 ‘-’如果出现在[]的开头或结尾，表示匹配字符’-’，例如[^-abc]，[-abc] ，[abc-]。注意不能使用’\’。 ‘]’可以出现在中括号中的第一个位置，例如[]abc]或[^]abc]
[^ ]	匹配单个字符，该字符不能包含在中括号中。例如，[^abc]匹配任何除’a’,’b’,’c’外的字符。[^a-z]匹配任何除’a’-‘z’的字符。同理，字符与范围标识可以混合使用，例如，[^a-cx-z]。
^	匹配字符串的开头。在基于行的工具中，匹配每一行的开头。
$	匹配字符串的结尾或者换行符的前一个位置。在基于行的工具中，匹配每一行的结尾。
()	定义一个子表达式。圆括号在整体匹配完后进行匹配。子表达式也叫做块或组。 BRE模式需要写成
\n	匹配第n(1<=n<=9)个子表达式。POSIX.2对该通配符的定义很模糊，有的工具允许引用大于9的子表达式。
*	匹配前一个元素0次或多次。例如，ab*c匹配”ac”,”abc”,”abbbbbc”等。[xyz]*匹配””,”x”,”y”,”z”,”zx”,”zyx”,”xyzzy”等。(ab)*匹配””,”ab”,”abab”等。
{m,n}	匹配前一个元素至少m次，至多n次。例如，a{3,5}匹配”aaa”,”aaaa”,”aaaaa”。 BRE模式需要写成\{m,n\}

举例

.at

匹配任何以”at”结尾长度为3的字符串，例如” at”,”aat”,”cat”等

[hc]at

匹配”hat”和”cat”

[^b]at

除了”bat”，匹配任何以”at”结尾长度为3的字符串。例如，”aat”,”cat”等

[^hc]at

除了”hat”和”cat”，匹配任何以”at”结尾长度为3的字符串。例如，”aat”,”tat”等

^[hc]at

匹配任何以”hat”或”cat”开头的字符串或行

[hc]at$

匹配任何以”hat”或”cat”结尾的字符串或行

.

匹配任何三个字符，第一个和第三个字符必须分别为”[”，”]”，因为”\[”和”\[”是经过转义，例如”[a]”,””

s.*

匹配任何以”s”开头的字符串，例如”swa”,”seed”

[b]Extended Regular Expressions

在ERE中，反斜杠’\’用来对通配符进行转义，所以BRE中的’\(’和’\)’在ERE中改为’(’和’)’，’\{’和’\}’改为’{’和’}’。 ERE移除了’\n’通配符，并添加了如下通配符。

通配符	描述
?	匹配前一个元素0次或1次。例如，ab?c匹配”ac”,”abc”。
+	匹配前一个元素1次或多次。例如，ab+c匹配”abc”,”abbc”等，但是不能匹配”ac”。
|	匹配前一个表达式或后一个表达式。例如，abc|def匹配”abc”,”def”。

举例

[hc]+at

匹配”hat”,”cat”,”hhat”,”ccat”等，但是不匹配”at”

[hc]?at

匹配”hat”,”cat”,”at”

[hc]*at

匹配”at”,”hat”,”cat”,”hcat”等

cat|dog

匹配”cat”,”dog”

l Character classes

character class 是除了字面匹配最基本的正则表达式。它是很小的字符序列匹配更大的字符序列。例如，[A-Z]可以表示字母表，\d表示任意数字。character class应用于BRE和ERE。

当使用范围通配符时，例如[a-z]。计算机本地设置决定了字符编码的顺序。计算机可能按a-z的顺序来存储，或者abc…zABC…Z，或者aAbBcC…zZ的顺序。所以POSIX定义了character class，正则表达式的处理器可以正确解析该character class。

POSIX	ASCII	描述
[:alnum:]	[A-Za-z0-9]	数字和字母字符
[:alpha:]	[A-Za-z]	字母字符
[:blank:]	[ \t]	空格和TAB
[:cntrl:]	[\x00-\x1F\x7F]	控制符
[:digit:]	[0-9]	数字
[:graph:]	[\x21-\x7E]	可视字符
[:lower:]	[a-z]	小写字母字符
[:print:]	[\x20-\x7E]	可视字符和空格
[:punct:]	[][!"#$%&'()*+,./:;<=>?@\^_`{|}~-]	标点符号
[:space:]	[ \t\r\n\v\f]	空白字符
[:upper:]	[A-Z]	大写字母字符
[:xdigit:]	[A-Fa-f0-9]	十六进制字符

POSIX定义的character class只能在中括号内使用。例如，[[:upper:]ab]匹配大写字母字符和”a”,”b”。

[:word:]是附加的非POSIX的character class，[:word:]表示[:alnum:]和下划线。这表明在很多编程语言中，这些通配符可能是标识符。