共計 5001 個字符，預計需要花費 13 分鐘才能閱讀完成。

這篇文章主要介紹正則表達式要點有哪些，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

正則表達式（Regular
Expression）是強大、便捷、高效的文本處理工具。

正則表達式的元字符與其他字符結合起來，實現我們期望的功能。

典型元字符：

^    脫字符，一行的起始，匹配的是行開始的位置

$    美元符，一行的結束，匹配的是行結尾的位置

|    豎線、管道，多選結構，匹配分隔兩邊的任意子表達式

(…)   括號，限制豎線（管道）的作用范圍，單用 grep 不支持，需用 grep - E 或 egrep

[…]    字符組，匹配里面的若干字符之一（正則表達式結構體 Construct[]，列出在某處期望匹配的字符）

[^…]   排除型字符組，匹配未列出的任意字符

– 
  連字符，表示一個范圍，用于字符組內部時才是元字符

.    點號，單個任意字符，用來匹配任意字符的字符組的簡便寫法

\   反斜線小于，單詞分界符 \ 用于匹配單詞（字符組合，字母數字符號）開頭的位置

\   反斜線大于，單詞分界符 \ 用于匹配單詞（字符組合，字母數字符號）結束的位置

同一字符在不同位置，含義可能不一樣，需注意區分。加參數 - i 表示匹配時不區分大小寫。

實例分析：

cat  尋找一行文本中任意位置的 cat，如 cat、catalog、scat、scatter

^cat  尋找行首的 cat，如 catalog

cat$  尋找行尾的 cat，如 scat

^cat$ 
  只包含 cat 的行

^$ 
  空行，沒有任何字符（包括空白字符）

^ 
  單獨使用無意義

\ cat\   匹配單詞 cat

 

^(From|Subject):  表示尋找以 From: 或者 Subject: 開頭的行

包含型字符組：[123456]  匹配 1 到 6 中的任意一個數字

H[123456]   匹配 H1 ~ H6，可以寫成 H[1-6]，- 為連字符，用于字符組內部時，表示一個范圍。

[0-9]  匹配一個數字

[a-z]  匹配一個小寫字母

[A-Z]  匹配一個大寫字母

[0-9A-Z_!.?]  匹配一個數字、大寫字母、下劃線、驚嘆號、點或問號

[0123456789abcdefABCDEF]  可以寫成 [0-9a-fA-F] 或者[A-Fa-f0-9]，順序無所謂，適合處理 16 進制數字

 

[abc]、[a-c]、（a|b|c）表示同一個意思，但不是所有字符都可以這樣表示。字符組效率相對較高。

排除型字符組：[^…]  匹配任何未列出的字符，字符組內部開頭的 ^ 表示排除（negate），列出不希望匹配的字符

n[^d]  匹配 n 后面不是字符 d 的行

[^d]  匹配不是僅包含字母 d 的行，即排除僅包含字母 d 的行

 

排除型字符組表示“匹配未列出的字符（match a character that’s not listed）”，而不是“不要匹配列出的字符（don’t match what is listed）”。

匹配文件目錄 / 路徑的方法：

./([^/]+)/  匹配./ 后面不是只有 / 但可以是其他字符（出現次數不限）的行，最后面還有 /

實測發現此正則表達式還不夠嚴謹

因為. 是匹配單個任意字符（不一定是.  還可能是字母或其它字符）

若要匹配單獨的.  需要加轉義符 \ 或者脫字符 ^

實例：
[root@CentOS6 shell]# grep -E \./([^/]+)/ dir.txt   # 加轉義符 \

./home/

./…yes../

./new/

./100/

./ 中國 /

./2015/

./2014-12-31/

[root@CentOS6 shell]# grep -E ^./([^/]+)/$ dir.txt  #加行首行尾錨定符 ^ 和 $

./home/

./…yes../

./new/

./100/

./ 中國 /

./2015/

./2014-12-31/

[root@CentOS6 shell]# cat dir.txt

//

.//

./home/

./…yes../

.//~/

./new/

./100/

./ 中國 /

./2015/

./2014-12-31/

/hometown/

yesterday

@China

.///

.////

.//~/~/

abcd//~/

..//../

[root@CentOS6 shell]#

用點號. 匹配任意字符：

元字符.（也稱點號 dot、小點 point）是用來匹配任意字符的字符組的簡便寫法。

如果需要在表達式中使用一個“匹配任意字符”的占位符（placeholder），用點號. 就很方便。

例如：

要搜索 03/19/76、03-19-76、03-19-76，表達式可以寫成字符組形式：03[-./]19[-./]76

也可以使用點號. 替代字符組：03.19.76

相對而言，03[-./]19[-./]76 更精確，03.19.76 里的點號. 匹配到還可能是其他字符。具體用哪個取決于目標文本的情況。

 

字符組內的點號. 不是元字符，僅代表普通的點字符；

在字符組內的連字符 -，是否表示范圍要看其所在位置，在開頭或結尾都不是表示范圍，在中間（且不是在 [^ 后面）的才是。例如：[.-/] 中 - 是表示范圍，但 [^-/.]、[./-] 里的 - 都不是表示范圍。

管道 | 多選結構：匹配任意子表達式

| 也是一個元字符，意為或（or），通過它可以把不同的子表達式組合成一個總的表達式，在這樣的組合中，子表達式稱為“多選分支（alternative）”。

 

如：gr[ea]y  可以采用 | 寫成 grey|gray，或者 gr(a|e)y。

注意不要寫成 gr[a|e]y，這里面的 | 只是普通的字符，因為在字符組內部。

 

多選結構可以包括很多字符，但不能超越括號的界限。

一個字符組只能匹配目標文本中的單個字符，而每個多選結構自身都可能是完整的正則表達式，都可以匹配任意長度的文本。

 

(first|1st)與（fir|1）st    同一意思

(First|1st) [Ss]treet 與(Fir|1)st [Ss]treet    同一意思

在一個包含多選結構的表達式中使用脫字符 ^ 和美元符 $ 的時候要小心。

分析：

^From|Subject|Date:    匹配 ^From 或 Subject 或 Date:

^(From|Subject|Date):  匹配 ^From: 或 ^Subjec: 或 ^Date:  常用于提取 E -mail 文件中的信息

兩者的匹配結果是不一樣的。

如果希望在每個多選分支之前都有脫字符 ^，之后都有:，需要使用括號來限制（constrain）這些多選分支。

 

典型用法：

grep -E From:|Subject: test.txt

grep -E ^(From|Subject|Date): test.txt  // 單引號、雙引號都可以，擴展正則

egrep ^(From|Subject|Date): test.txt

元字符序列 \ 和 \ 單詞分界符：

使用正則表達式時經常會遇到一個問題，就是期望匹配的“單詞”包含在另一個單詞之中。

 

單詞分界符 \ 和 \ 用于匹配單詞開頭和結束的位置。注意：和 本身并不是元字符，只有當它們與斜線 \ 結合起來的時候，整個序列才有特殊意義（稱為元字符序列）。不是所有的 egrep 版本都支持單詞分界符。

 

分析：

\ cat\ 意為匹配單詞的開頭位置，然后是 c a t 這 3 個字母，之后是單詞的結束位置，簡單的說就是匹配 cat 這個單詞。

也可以用 \ cat 和 cat\ 來分別匹配以單詞（或者說字母組合）cat 開頭和結束的單詞。

 

egrep（相當于 grep -E）認定的單詞開頭位置用向上的箭頭標識，單詞結束位置用向下的箭頭標識。

“單詞的開始和結束”準確地說是“字母數字字符號的開始和結束”。

 

可選項元素、通配符 Wildcards：

optional
items 可選項元素

 

問號?  代表可選項，表示任意單個字符，把它加在一個字符的后面，就表示此處容許出現這個字符，不過它的出現并非匹配成功的必要條件。哪個字符可選，? 就放在哪個字符后面。需要使用 egrep 或 grep -E。

 

color、colour    可以通過 colou?r 來匹配

July、Jul  可以通過 July? 或 (July|Jul) 來匹配

fourth|4th|4  可以通過 fourth|4(th)? 來匹配   嵌套了括號，問號? 作用的對象是整個括號內的內容。

括號及反向引用

括號的用途：

1、限制多選項的范圍

2、將若干字符組合為一個單元，受問號? 或星號 * 之類量詞的作用，如 four(th)?、(a)*

3、反向引用 backreference  容許匹配與表達式先前部分匹配的同樣的文本

例如：\ ([A-Za-z]+).+\1\     這里的括號 () 和 \1 用于支持反向引用

 

在支持反向引用的工具軟件中，括號 () 能夠“記憶”其中的子表達式匹配的文本，不論這些文本是什么，元字符序列 \1 都能記住它們。而且，在一個表達式中可以使用多個括號，在用 \1、\2、\3 等來表示第一、第二、第三組括號匹配的文本。括號是按照開括號“(”從左至右的出現順序進行的。

例如：([a-z])([0-9])\1\2 中的 \1 代表 [a-z] 匹配的內容，\2 代表 [0-9] 匹配的內容。

 

轉義

. 本身是元字符，它可以匹配任何字符，包括空格。

真正匹配文本中點號. 的元序列應該是反斜線（backslash）加上點號的組合：

aga\.att\.com

\. 稱為“轉義的點號”或“轉義的句號”，這種方法適用于所有的元字符，但在字符組內部無效。

這樣使用的反斜線成為“轉義符（escape）”——它作用的元字符會失去特殊含義，成為普通字符。

還可以用 \([a-zA-Z]+\)來匹配一個括號內的單詞，例如(very)，在開閉括號之前的反斜線消除了開閉括號的特殊意義，于是能夠匹配文本中的開閉括號。

變量名：

許多程序設計語言都有標識符（identifier，例如變量名）的概念。

標識符只包含字母、數字以及下劃線，但不能以數字開頭。

可以用[a-zA-Z_][a-zA-Z_0-9]* 來匹配標識符：

第一個字符組匹配可能出現的第一個字符；

第二個（包括對應的 *）匹配余下的字符。

引號內的字符串：

匹配引號內的字符串，最簡單的方法是使用表達式：”[^”]*”

 

兩端的引號用來匹配字符串開頭和結尾的引號。

在這兩個引號之間的文本可以包括雙引號之外的任何字符。

這里用 [^”] 來匹配除雙引號”之外的任何字符，用 * 來表示兩個引號之間可以存在任意數目的非雙引號字符。

美元金額（可能包含小數）：

\$[0-9]+(\.[0-9][0-9])? 是一種匹配美元金額的辦法。

 

三個部分：\$、…+、(…)?

分別匹配一個美元符號、小數點前的數字（一個或一組數字）、小數點及其之后的數字（一個小數點和兩位數字），可以匹配 $100.1 之類的美元金額，但不能匹配 $1,100 這樣的金額，小數部分是可選的。

 

如果要匹配的是只包含價格而不含其他字符的行，可以在此表達式兩端加上 ^…$，即：

^\$[0-9]+(\.[0-9][0-9])?$  開頭為美元符 $，結尾為數字，且必須包含小數點，匹配結果與前者不同

這個表達式不能匹配 $.49。

 

因為：

^    脫字符，一行的起始，匹配的是行開始的位置

$    美元符，一行的結束，匹配的是行結尾的位置

網址 HTTP/HTML URL：

網址（Web URL）的形式可能有很多種，所以構造一個能夠匹配所以形式的 URL 的正則表達式很有難度。

但如果只要求匹配大多數常見的 URL，則相對比較簡單。

 

常見的 HTTP/HTML URL 樣式如下：

http://hostname/path.html（或 htm）

 

主機名（hostname）（如 www.yahoo.com）的規則比較復雜，但因為主機名一般跟在 http:// 之后，可以寫成：

[-a-z0-9_.]+ （可能應該是[-a-z0-9_.:]+）

path 部分的變換更多，需要寫成：

[-a-z0-9_:@ ?=+,.!/~*%$]*

注意：用作普通字符的連字符 - 必須放在字符組的開頭，用在字符組中間的是表示范圍的元字符。

 

綜合起來就是：

egrep -i‘\ http://[-a-z0-9_.:]+/[-a-z0-9_:@ ?=+,.!/~*%$]*\.html?\ files

 

更簡化的版本：

egrep -i‘\ http://[^]*\.html?\ files

可能匹配出一些錯誤結果，根據具體需求調整表達式即可。

 

以上是“正則表達式要點有哪些”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注丸趣 TV 行業資訊頻道！