Linux|系统管理|WEB开发

还是来自ABS最新版的摘录，这次是第十七章，关于正规表达式。以下是摘录和翻译。

一个表达式是一串字符 这些字符表达的意思超出了字面意思，我们称之为元字符(metacharacters). 正规表达式是一个字符或者元字符集，用来匹配或者模式(patterns)。

一个正规表达式包含以下一个或者多个情形：

• 一个字符集. 这些字符保留他们的字面意义。 最简单的珍贵表达式类型就是这种仅由这些字符组成，而没有元字符
• 锚(anchor). 锚指定珍贵表达式匹配的一行文本的位置。 比如, ^, 和 $ 就都成为锚。
• 修饰符（Modifiers). 它扩展或者缩小(修改) 正规表达式匹配的文本范围。修饰符包括星号(*),括号({,(,<)和反斜杠(\)

正规表达式主要用来文本匹配和字符串操作。一个正规表达式匹配单个字符或者字符集–字符串或者其一部分。

• 星号 — * — 匹配任意多个字符包括0个字符“1133*” 匹配 11 + 一个或者多个3: 113, 1133, 1133333, 等等。
• 点 — . — 匹配任意一个字符，除了新行(newline)。 “13.” 匹配 13 + 任意一个字符（包括空格）: 1133, 11333, 但是不包括13 。

• 脱字符– ^ — 匹配一行的开始，但是也依赖上下文，有时表示一个字符集的反面，即不匹配这个字符集。
• 美元符 — $ — 匹配一行的结尾。

  “XXX$” 匹配以 XXX 结尾的行。

  “^$”匹配空白行。

• 中括号 — [...] — 在正规表达式里匹配一个封闭字符集的单个字符。

  “[xyz]“ 匹配x, y, 或 z中的任何一个字符

  “[c-n]“ 匹配c 到 n范围字符集中的任何一个

  “[B-Pk-y]“ matches any one of the characters in the ranges B to P and k to y.

  “[a-z0-9]“ 匹配任意一个小写字母或者数字。

  “[^b-d]“ 匹配任意字符，除了b 到 d 的字符集之外。 在这里实例中 ^ 除正规表达式的负面或者相反面的意思（类似shell里的 ! 符号的作用)。

  将多个中括号表达式合在一起，通常用来匹配单词模式。“[Yy][Ee][Ss]“ 匹配 yes, Yes, YES, yEs,等等。 “[0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9][0-9][0-9]“ 匹配任意社会安全码。

• 反斜杠 — \ — 转义 特殊字符，使得该字符按照字面意思来解释（因此，它就不再是特殊字符了）。

  “\$” 取回“$”符号本身的意思，而不是正规表达式里表示行尾的意思。 同样的， “\\” 表示“\” 符号的本意。

• 转义 “尖括号” — \<…\> — 标记单词边界。

  尖括号必须转义，否则仅仅表示本意。

  “\<the\>” 匹配单词 “the,” 但是不匹配单词 “them,” “there,” “other,” ，等等。

  bash$ cat textfile
  This is line 1, of which there is only one instance.
   This is the only instance of line 2.
   This is line 3, another line.
   This is line 4.
   
  bash$ grep 'the' textfile
  This is line 1, of which there is only one instance.
   This is the only instance of line 2.
   This is line 3, another line.
   
  bash$ grep '\
  ' textfile
  This is the only instance of line 2.
   
  The only way to be certain that a particular RE works is to test it.
   
  TEST FILE: tstfile                          # No match.
                                              # No match.
  Run   grep "1133*"  on this file.           # Match.
                                              # No match.
                                              # No match.
  This line contains the number 113.          # Match.
  This line contains the number 13.           # No match.
  This line contains the number 133.          # No match.
  This line contains the number 1133.         # Match.
  This line contains the number 113312.       # Match.
  This line contains the number 1112.         # No match.
  This line contains the number 113312312.    # Match.
  This line contains no numbers at all.       # No match.
   
  bash$ grep "1133*" tstfile
  Run   grep "1133*"  on this file.           # Match.
   This line contains the number 113.          # Match.
   This line contains the number 1133.         # Match.
   This line contains the number 113312.       # Match.
   This line contains the number 113312312.    # Match.

  额外的一些元字符添加到基本集合里用在 egrep, awk, 和 Perl 里。

• 问号 — ? — 匹配0个或者一个正规表达式之前的字符，通常用来匹配单个字符。
• 加号 — + — 匹配正规表达式之前的一个或者多个字符，和 * 类似，但是不匹配0个字符。

  # GNU versions of sed and awk can use "+",
  # but it needs to be escaped.
   
  echo a111b | sed -ne '/a1\+b/p'
  echo a111b | grep 'a1\+b'
  echo a111b | gawk '/a1+b/'
  # All of above are equivalent.
   
  # Thanks, S.C.

• 转义的 “大括号/花括号” — \{ \} — 表示正规表达式匹配的数量。和尖括号一样，必须转义，否则只表示其本意。这个表达方式不是正规表达式集合的一部分。

  “[0-9]\{5\}” 准确匹配5个字符。

  大括号在“经典” (非POSIX兼容)版的 awk里并不作为正规表达式生效。但是，GNU 扩展版本的 awk, gawk 提供了 --re-interval 可选参数使其有效（不需要转义）。

  bash$ echo 2222 | gawk --re-interval '/2{3}/'
  2222

  Perl 和一些 egrep 版本并不要求转义大括号。

• 圆括号 — ( ) — 封装一组正规表达式。用expr提取子串或者接管道(“|”)操作时，这个表达式就显得有用。
• | “或” 表示匹配可选字符集中的某一个。

  bash$ egrep 're(a|e)d' misc.txt
  People who read seem to be better informed than those who do not.
   The clarinet produces sound by the vibration of its reed.

• POSIX 字符类. [:class:]>

  指定一个字符范围用来匹配的一种替代方案

• [:alnum:] 匹配字母或者数字字符。等价于 A-Za-z0-9.
• [:alpha:] 匹配字母。 等价于 A-Za-z.
• [:blank:] 匹配空格或者tab健。
• [:cntrl:] 匹配控制字符。
• [:digit:] 匹配数字（十进制）。等价于 0-9.
• [:graph:] (图形打印字符)。匹配ASCII码在33 – 126 范围的字符。和下面提到的 [:print:] 相同，但是除空格字符除外。
• [:lower:]匹配小写字母。 等价于 a-z.
• [:print:] (可打印字符)。 匹配 ASCII 码在 32 – 126 范围的字符。和上面提到的 [:graph:] 相同，不过还要加上空格字符。
• [:space:] 匹配空白字符（空格和水平制表符）。
• [:upper:] 匹配大些字母. 等价于 A-Z。
• [:xdigit:] 匹配十六进制数字。等价于 0-9A-Fa-f.
  POSIX 字符类通常需要引号或者双括号([[ ]])。

  bash$ grep [[:digit:]] test.file
  abc=723
   
  # ...
  if [[ $arow =~ [[:digit:]] ]]   #  Numerical input?
  then       #  POSIX char class
    if [[ $acol =~ [[:alpha:]] ]] # Number followed by a letter? Illegal!
  # ...
  # From ktour.sh example script.

  以上字符类甚至可以当做通配符，用做有限的扩展，比如。

  bash$ ls -l ?[[:digit:]][[:digit:]]?
  -rw-rw-r--    1 bozo  bozo         0 Aug 21 14:47 a33b

在筛选，文件转换或者I/0流操作中，Sed, awk, 和 Perl, 带一个正规表达的参数在脚本里用来过滤(filter)。