正则表达式及其应用（二）基本语法

我就是我 2022-02-04 19:29 276阅读 0赞

## 基本语法 ##

我们知道C的变量和Shell脚本变量的定义和使用方法很不相同，表达能力也不相同，C的变量有各种类型，而Shell脚本变量都是字符串。同样道理，各种工具和编程语言所使用的正则表达式规范的语法并不相同，表达能力也各不相同，有的正则表达式规范引入很多扩展，能表达更复杂的模式，但各种正则表达式规范的基本概念都是相通的。本节介绍`egrep(1)`所使用的正则表达式，它大致上符合POSIX正则表达式规范，详见`regex(7)`（看这个man page对你的英文绝对是很好的锻炼）。希望读者仿照上一节的例子，一边学习语法，一边用`egrep`命令做实验。

**表 32.1. 字符类**

<table> 
 <thead> 
  <tr> 
   <th>字符</th> 
   <th>含义</th> 
   <th>举例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>.</code></td> 
   <td>匹配任意一个字符</td> 
   <td><code>abc.</code>可以匹配<code>abcd</code>、<code>abc9</code>等</td> 
  </tr> 
  <tr> 
   <td><code>[]</code></td> 
   <td>匹配括号中的任意一个字符</td> 
   <td><code>[abc]d</code>可以匹配<code>ad</code>、<code>bd</code>或<code>cd</code></td> 
  </tr> 
  <tr> 
   <td><code>-</code></td> 
   <td>在<code>[]</code>括号内表示字符范围</td> 
   <td><code>[0-9a-fA-F]</code>可以匹配一位十六进制数字</td> 
  </tr> 
  <tr> 
   <td><code>^</code></td> 
   <td>位于<code>[]</code>括号内的开头，匹配除括号中的字符之外的任意一个字符</td> 
   <td><code>[^xy]</code>匹配除<code>xy</code>之外的任一字符，因此<code>[^xy]1</code>可以匹配<code>a1</code>、<code>b1</code>但不匹配<code>x1</code>、<code>y1</code></td> 
  </tr> 
  <tr> 
   <td><code>[[:xxx:]]</code></td> 
   <td><code>grep</code>工具预定义的一些命名字符类</td> 
   <td><code>[[:alpha:]]</code>匹配一个字母，<code>[[:digit:]]</code>匹配一个数字</td> 
  </tr> 
 </tbody> 
</table>

**表 32.2. 数量限定符**

<table> 
 <thead> 
  <tr> 
   <th>字符</th> 
   <th>含义</th> 
   <th>举例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>?</code></td> 
   <td>紧跟在它前面的单元应匹配零次或一次</td> 
   <td><code>[0-9]?\.[0-9]</code>匹配<code>0.0</code>、<code>2.3</code>、<code>.5</code>等，由于<code>.</code>在正则表达式中是一个特殊字符，所以需要用<code>\</code>转义一下，取字面值</td> 
  </tr> 
  <tr> 
   <td><code>+</code></td> 
   <td>紧跟在它前面的单元应匹配一次或多次</td> 
   <td><code>[a-zA-Z0-9_.-]+@[a-zA-Z0-9_.-]+\.[a-zA-Z0-9_.-]+</code>匹配email地址</td> 
  </tr> 
  <tr> 
   <td><code>*</code></td> 
   <td>紧跟在它前面的单元应匹配零次或多次</td> 
   <td><code>[0-9][0-9]*</code>匹配至少一位数字，等价于<code>[0-9]+</code>，<code>[a-zA-Z_]+[a-zA-Z_0-9]*</code>匹配C语言的标识符</td> 
  </tr> 
  <tr> 
   <td><code>{N}</code></td> 
   <td>紧跟在它前面的单元应精确匹配<code>N次</code></td> 
   <td><code>[1-9][0-9]{2}</code>匹配从<code>100</code>到<code>999</code>的整数</td> 
  </tr> 
  <tr> 
   <td><code>{N,}</code></td> 
   <td>紧跟在它前面的单元应匹配至少<code>N</code>次</td> 
   <td><code>[1-9][0-9]{2,}</code>匹配三位以上（含三位）的整数</td> 
  </tr> 
  <tr> 
   <td><code>{,M}</code></td> 
   <td>紧跟在它前面的单元应匹配最多<code>M</code>次</td> 
   <td><code>[0-9]{,1}</code>相当于<code>[0-9]?</code></td> 
  </tr> 
  <tr> 
   <td><code>{N,M}</code></td> 
   <td>紧跟在它前面的单元应匹配至少<code>N</code>次，最多<code>M</code>次</td> 
   <td><code>[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}</code>匹配IP地址</td> 
  </tr> 
 </tbody> 
</table>

再次注意`grep`找的是包含某一模式的行，而不是完全匹配某一模式的行。再举个例子，如果文本文件的内容是

aaabc
    aad
    efg

查找`a*`这个模式的结果是三行都被找出来了

$ egrep 'a*' testfile 
    aabc
    aad
    efg

`a*`匹配0个或多个`a`，而第三行包含0个`a`，所以也包含了这一模式。单独用`a*`这样的正则表达式做查找没什么意义，一般是把`a*`作为正则表达式的一部分来用。

**表 32.3. 位置限定符**

<table> 
 <thead> 
  <tr> 
   <th>字符</th> 
   <th>含义</th> 
   <th>举例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>^</code></td> 
   <td>匹配行首的位置</td> 
   <td><code>^Content</code>匹配位于一行开头的<code>Content</code></td> 
  </tr> 
  <tr> 
   <td><code>$</code></td> 
   <td>匹配行末的位置</td> 
   <td><code>;$</code>匹配位于一行结尾的<code>;</code>号，<code>^$</code>匹配空行</td> 
  </tr> 
  <tr> 
   <td><code>\&lt;</code></td> 
   <td>匹配单词开头的位置</td> 
   <td><code>\&lt;th</code>匹配<code>... this</code>，但不匹配<code>ethernet</code>、<code>tenth</code></td> 
  </tr> 
  <tr> 
   <td><code>\&gt;</code></td> 
   <td>匹配单词结尾的位置</td> 
   <td><code>p\&gt;</code>匹配<code>leap ...</code>，但不匹配<code>parent</code>、<code>sleepy</code></td> 
  </tr> 
  <tr> 
   <td><code>\b</code></td> 
   <td>匹配单词开头或结尾的位置</td> 
   <td><code>\bat\b</code>匹配<code>... at ...</code>，但不匹配<code>cat</code>、<code>atexit</code>、<code>batch</code></td> 
  </tr> 
  <tr> 
   <td><code>\B</code></td> 
   <td>匹配非单词开头和结尾的位置</td> 
   <td><code>\Bat\B</code>匹配<code>battery</code>，但不匹配<code>... attend</code>、<code>hat ...</code></td> 
  </tr> 
 </tbody> 
</table>

位置限定符可以帮助`grep`更准确地查找，例如上一节我们用`[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}`查找IP地址，找到这两行

192.168.1.1
    1234.234.04.5678

如果用`^[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}$`查找，就可以把`1234.234.04.5678`这一行过滤掉了。

**表 32.4. 其它特殊字符**

<table> 
 <thead> 
  <tr> 
   <th>字符</th> 
   <th>含义</th> 
   <th>举例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>\</code></td> 
   <td>转义字符，普通字符转义为特殊字符，特殊字符转义为普通字符</td> 
   <td>普通字符<code>&lt;</code>写成<code>\&lt;</code>表示单词开头的位置，特殊字符<code>.</code>写成<code>\.</code>以及<code>\</code>写成<code>\\</code>就当作普通字符来匹配</td> 
  </tr> 
  <tr> 
   <td><code>()</code></td> 
   <td>将正则表达式的一部分括起来组成一个单元，可以对整个单元使用数量限定符</td> 
   <td><code>([0-9]{1,3}\.){3}[0-9]{1,3}</code>匹配IP地址</td> 
  </tr> 
  <tr> 
   <td><code>|</code></td> 
   <td>连接两个子表达式，表示或的关系</td> 
   <td><code>n(o|either)</code>匹配<code>no</code>或<code>neither</code></td> 
  </tr> 
 </tbody> 
</table>

以上介绍的是`grep`正则表达式的Extended规范，Basic规范也有这些语法，只是字符`?+{}|()`应解释为普通字符，要表示上述特殊含义则需要加`\`转义。如果用`grep`而不是`egrep`，并且不加`-E`参数，则应该遵照Basic规范来写正则表达式。

参考 ： 《Linux C一站式编程》