正则表达式 - 每天进步一点点



正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表通常被用来检索、替换那些符合某个模式(规则)的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎，还有java语言自带的。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

给定一个正则表达式和另一个字符串，我们可以达到如下的目的：
1. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；
2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。

正则表达式的特点是：
1. 灵活性、逻辑性和功能性非常的强；
2. 可以迅速地用极简单的方式达到字符串的复杂控制。
3. 对于刚接触的人来说，比较晦涩难懂。
由于正则表达式主要应用对象是文本，因此它在各种文本编辑器场合都有应用，小到著名编辑器EditPlus，大到Microsoft Word、Visual Studio等大型编辑器，都可以使用正则表达式来处理文本内容。

基础的正则表达式：

1、"."（一个点）符号

点符号用于匹配除换行符之外的任意一个字符。

例如：r.t可以匹配rot、rut，但是不能匹配root，若使用r..t就可以匹配root、runt、r t（中间是两个空格）等。

例，搜索 “包含L，紧跟着两个字符，后面再接N“ 的行

123[root@kurol ~]# grep 'L..N' /etc/profile LOGNAME=$USERexport PATH USER LOGNAME MAIL HOSTNAME HISTSIZE HISTCONTROL

2、"*"符号 "*"符号用于匹配前一个字符0次或任意多次，比如ab*，可以匹配a、ab、abb等。"*"号经常和"."符号加在一起使用。比如".*"代表任意长度的不包含换行的字符。例，搜索连续的L字母紧跟着字母N的行。1[root@kurol ~]# grep 'L*N' /etc/profile

"."结合"*"，如‘L.*N’，代表搜索包含字母L，后面紧跟任意长度的字符，再跟一个字母L的行。

123[root@kurol ~]# grep 'L.*N' /etc/profile    LOGNAME=$USERexport PATH USER LOGNAME MAIL HOSTNAME HISTSIZE HISTCONTROL

3、“\{N,M\}” 符号 虽然 “*” 可用于重复匹配前一个字符，但却不能精确地控制匹配的重复次数，使用 “\{N,M}\” 符号则能更加灵活地控制字符的重复次数，典型的有：\{n\}，匹配前面的字符n次。例（匹配包含root的行（r和t中包含两个o））：123[root@kurol ~]# grep 'ro\{2\}t' /etc/passwdroot:x:0:0:root:/root:/bin/bashoperator:x:11:0:operator:/root:/sbin/nologin

\{n,\}，匹配前面的字符至少n次以上（含n次）：

12345[root@kurol ~]# grep 'ro\{0,\}t' /etc/passwdroot:x:0:0:root:/root:/bin/bashoperator:x:11:0:operator:/root:/sbin/nologinvcsa:x:69:69:virtual console memory owner:/dev:/sbin/nologinabrt:x:173:173::/etc/abrt:/sbin/nologin

\{n,m\}，匹配前面的字符n到m次：123[root@kurol ~]# grep 'ro\{1,3\}t' /etc/passwdroot:x:0:0:root:/root:/bin/bashoperator:x:11:0:operator:/root:/sbin/nologin

4、“^”符号

匹配开头的字符，比如“^root”，匹配的是以字母root开始的行

12[root@kurol ~]# grep '^root' /etc/passwdroot:x:0:0:root:/root:/bin/bash

5、“$”符号 匹配结尾的字符，比如“abc$”，匹配的是以字母abc结尾的行。如果是 "^$"则代表该行为空，因为^和$间什么都没有。例，匹配以r开头，中间有一串任意字符，以h结尾的行。12[root@kurol ~]# grep '^r.*h$' /etc/passwdroot:x:0:0:root:/root:/bin/bash

6、“[]” 符号

这是一对方括号，用于匹配方括号内出现的任一字符。比如单项选择题的答案，可能是A,B,C,D选项中的任意一种，那么用正则表达式表示[ABCD]。如果遇到比较大的范围的匹配，比如要匹配任意一个小写字母，则用 [a-z] 表示，使用 “-” 号做范围限定。如要匹配所以字母，则写出[a-zA-Z]。一定要注意，这列的 "-" 的作用不是充当一个字符。

如果要匹配不是大写字母A,B,C,D的字符，用 "^"符号，这个符号在[]中，则代表取反。正则表达式写出[^A-D]。

例，匹配手机号 "^1\[38][0-9]\{9\}"，

这个例子表示手机号第一位为1，所以写出 "^1"；

第二位可能是3，也可能是8，表示为 "[38]";

后面连续9个任意数字，表示为 "[0-9]\{9\}" ；

7、“\” 符号

固定电话一般为021-88888888，中间由 “-” 分隔，或021 88888888，中间由" " 空格分开。匹配电话号码，我们应该使用"[]"来匹配，但是我们不能够这么写" [
-]"，因为 "-" 放到 "[]" 中有特别的含义。为了其作为一个字符的本意，就要使用转义符号 "\"，我们可以对特殊的字符进行“转义”，让它只代表字符本身，因此这里的写法就应该是 [\
\-]。

之前了解到 “.*” 代表的是任意长度的不包含换行的重复字符。但是如果想要匹配任意长度的点号，这时可以使用转义字符 "\.*"。如果想要对 "\" 符号进行转义，就应该写成 "\\" 。

8、"\<" 符号和 "\>"符号

这2个符号分别用于界定单词的左边界和右边界。如"\<hello" 用于匹配以"hello"开头的单词;而 "hello\>" 则用于匹配以"hello"结尾的单词。还可以使用它们的组合 "\<\>" 用于精确匹配一个字符串。所以 "\<hello\>" 可精确匹配单词“hello”，而不是helloword等。例：

123456[root@kurol ~]# echo "hello" | grep "\<hello\>"hello[root@kurol ~]# echo "helloword" | grep "\<hello\>"[root@kurol ~]#     #没有输出，表示匹配不成功[root@kurol ~]# echo "abchello" | grep "\<hello\>"[root@kurol ~]#     #没有输出，表示匹配不成功

9、"\d" 符号匹配一个数字，等价于[0-9]，使用grep匹配这种正则表达式时可能遇到无法匹配的问题。123456[root@kurol ~]# echo 123 | grep [0-9]123 #123是一个数字，用[0-9]匹配成功[root@kurol ~]# echo 123 | grep "\d" [root@kurol ~]# #匹配不成功，没有输出[root@kurol ~]# echo 123 | grep -P "\d"123 #因为"\d"是一种Perl兼容模式的表达式，又称为PCRE，要镶使用这种模式的匹配 符，需要加上-P参数

10、"\b" 符号

匹配单词的边界，比如 "\bhello\b" 可精确匹配"hello"单词。

1234[root@kurol ~]# echo "hello world" | grep "\bhello\b"hello world[root@kurol ~]# echo "helloworld" | grep "\bhello\b"[root@kurol ~]#     #没有匹配，因为没有"hello"这个单词

11、"\B" 符号匹配非单词的边界，比如hello\B可以匹配"helloworld" 中的"hello"。12[
33bdf
root@kurol ~]# echo "helloworld" | grep "hello\B"helloworld

12、"\w" 符号

匹配字母、数字、下划线，等价于[a-zA-Z0-9]。

123456[root@kurol ~]# echo "a" | grep "\w"a[root@kurol ~]# echo "\\" | grep "\w"[root@kurol ~]#     #没有匹配[root@kurol ~]# echo "\\_" | grep "\w"\_

13、"\W" 符号匹配非字母、非数字、非下划线，等价于[^a-zA-Z0-9]。12[root@kurol ~]# echo "\\" | grep "\W"\

14、"\n" 符号： 匹配一个换行符。

15、"\r" 符号： 匹配一个回车符。

16、"\t" 符号： 匹配一个制表符。

17、"\f" 符号： 匹配一个换页符。

18、"\s"符号： 匹配任何空白字符。

19、"\S"符号： 匹配任何非空白字符。



扩展的正则表达式：

顾名思义，扩展的正则表达式一定是针对基础正则表达式的一些补充，实际上，扩展正则表达式比基础正则表达式多了几个重要的符号。不过要注意点是，在使用这些扩展符号时，需要使用egrep命令。

1、"?" 符号

"?" 符号用于匹配前一个字符0次或1次，所以 "ro?t"仅能匹配rot或rt。

12345678[root@kurol ~]# echo "rot" | grep "ro?t"[root@kurol ~]#     #扩展正则表达式使用egrep,不然无匹配[root@kurol ~]# echo "rt" | egrep "ro?t"rt[root@kurol ~]# echo "rot" | egrep "ro?t"rot[root@kurol ~]# echo "root" | egrep "ro?t"[root@kurol ~]#     #无匹配

2、"+" 符号
"+" 符号用于匹配前一个字符1次以上（包括一次），所以"ro_t"，就可以匹配rot、root、rooot等。12345678[root@kurol ~]# echo "rt" | egrep "ro+t"[root@kurol ~]# #无匹配[root@kurol ~]# echo "rot" | egrep "ro+t"rot[root@kurol ~]# echo "root" | egrep "ro+t"root[root@kurol ~]# echo "rooot" | egrep "ro+t"rooot

3、"|" 符号

"|" 符号是"或"的意思，即多种可能的罗列，彼此间是一种分支关系。比如说有些地区固定电话的区号是4位数，有些地方是3位数，这样针对不同的区号就有不同的固定电话的表达方式。

几种固定电话的正则表达式：

12345678#区号是3位的固定电话的正则表达式^0[0-9]\{2\}-[0-9]\{8\}#区号是4位的固定电话的正则表达式^0[0-9]\{3\}-[0-9]\{8\}#两种区号的固定电话号码：^0[0-9]\{2,3\}-[0-9]\{8\}#使用"|"符号也可以，但是比上面的方式麻烦一些：^0[0-9]\{2\}-[0-9]\{8\}|^0[0-9]\{3\}-[0-9]\{7\]}

4、"()" 符号"()"符号通常需要和"|"符号联合使用，用于枚举一系列可替换的字符。比如说固定的电话的区号和电话号码之间，可能用"-"符号或者用一个空格连接，用于匹配的正则表达式如：123456#使用"()"和"|"定义连接符的写法#这样021-88888888和0511 8888888都可以匹配^0[0-9]\{2,3\}(-| )[0-9]\{8\}#这种写法可以换用"[]"符号表示^0[0-9]\{2,3\}[\ \-][0-9]\{8\}

虽然以上两种写法没有本质的不同，因为 "()" 和 "|" 可以和"[]"相互混用，但是在某些场景下，"()" 和 "|" 可以做的更多，比如像hard、hold、hood等这类开头和结尾的字母都一样的单词，要匹配这些必须使用"()" 和 "|" 了。

12#使用 "()" 和 "|"匹配 hard、hold或hoodh(ar|oo|ol)d

通配符：通配符是一种特殊的语句，主要包含 "*" 和 "?" 号（还有 "{}" 、"^" 、"!"）。主要用来模糊搜索文件，使用它替代一个或多个真正的字符，尤其是在不知道或不确定完整的文件名时，用来匹配符合条件的文件。
1、"*" 符号这里的 "*" 就是提到的第一个通配符，代表0个或多个字符。*.doc就是指所有以 .doc结尾的文件。如果想要找的文档是以A开头，则可用A*.doc来查找。在Linux中，列出当前目录中是否存在以.doc结尾的文件，可使用一下命令：123[root@kurol ~]# ls -l *.doc#该命令执行后，shell先要解析出命令和参数，这里的命令是ls，参数是*.doc，#一旦发现了*符号，shell就将*.doc解析成所有匹配的文件名，然后显示结果

2、"?" 符号

如果要列出以字母A开头、但是只有两个字母的文件名、以.doc结尾的文件，就需要使用"？"了。当它作为通配符使用时，代表的是任意一个字符。如：

1[root@kurol ~]# ls -l A?.doc

3、"{}" 符号"{}" 可拥有匹配所有括号内包含的以逗号隔开的字符。例如，下面列出了所有以字母A、B、C开头，以.doc结尾的文件：1234#第一种方法，用"{}"[root@kurol ~]# ls -l {A,B,C}.doc#第二种方法，用"[]"[root@kurol ~]# ls -l [A-C].doc

以上两种方法都能满足题意，但是如果要列出以字母AB或者CD开头、以.doc结尾的文件，就只能用 "{}" 了。

"{}"还支持嵌套的通配。以"{x,y}" 为例，如果x和y各自本身也是通配符，则就变得更强大了

1[root@kurol ~]# ls -l {[A-Z]*.doc,[0-9]??.txt}

4、"^" 符号和 "!" 符号

这两个符号往往和 "[]" 一起使用，当出现在 "[]"中的时候，代表取反。所以 [^A]（或[!A]）代表不是A。