正则表达式
正则表达式
正则表达式，又称规则表达式，是一种文本模式，用来根据模式检索、替换和控制文本。
元字符
| 元字符 | 说明 |
|---|---|
. |
匹配除了换行符之外的任意字符 |
\d或[[:digit:]] |
匹配数字 |
\s |
匹配任意空白符 |
\w |
匹配字母，数字，下划线，汉字 |
^ |
匹配字符串的开头 |
$ |
匹配字符串的结尾 |
\b或\<，\> |
匹配单词的开头或结尾 |
| 常用正则表达式 | 语法 |
|---|---|
| 匹配空行 | ^$ |
| 匹配完整单词 | \bword\b或\<word\> |
重复限定符
| 重复限定符 | 说明 |
|---|---|
* |
重复0次或无数次 |
+ |
重复1次或无数次 |
? |
重复0次或1次 |
{n} |
重复n次 |
{n,} |
重复n次或无数次 |
{n,m} |
重复n到m次 |
区间
正则提供一个元字符中括号[]来表示区间条件。
| 区间范围 | 语法 | 替代语法 |
|---|---|---|
字符.，此时不为元字符 |
[.] |
|
离散字符1，a，B |
[1aB] |
|
| 0到9 | [0-9] |
[[:digit:]] |
| 非0到9 | [^0-9] |
[^[:digit:]] |
| a到z | [a-z] |
[[:lower:]] |
| A到Z | [A-Z] |
[[:upper:]] |
| 任意字母 | [a-zA-Z] |
[[:alpha:]] |
| 任意字母和数字 | [a-zA-Z0-9] |
[[:alnum:]] |
| 任意空白符 | [[:space:]] |
|
| 任意标点符号 | [[:punct:]] |
| 常用正则表达式 | 语法 |
|---|---|
| 匹配空白行 | ^\s*$ |
反义
| 元字符 | 说明 |
|---|---|
| \W | 匹配任何不是字母，数字，下划线，汉字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非数字字符 |
| \B | 匹配任意不是单词的开始或结束的位置 |
| [^x] | 匹配任意不是x的字符 |
| [^aeiou] | 匹配任何不是元音的字符 |
分组
正则表达式中用小括号()来做分组，也就是括号中的内容作为一个整体。因此当我们要匹配多个ab时，可以这样：
(ab)*
| 常用正则表达式 | 语法 |
|---|---|
| 匹配正整数 | (0|[1-9][0-9]*) |
| 匹配小数 | (0|[1-9][0-9]*)([.][0-9]+)? |
转义
正则提供了转义的方式，在要转义的字符前面加个斜杠，也就是\即可。当我们要匹配(ab)时，可以这样：
(\(ab\))*
条件或
正则用符号|来表示或，也叫做分支条件，当满足正则里的分支条件的任何一种条件时，都会当成是匹配成功。
(123|456)
零宽断言
- 正向先行断言（正前瞻）：
- 语法：
(?=pattern) - 作用：匹配pattern表达式的前面内容，不返回本身。
- 语法：
- 正向后行断言（正后顾）:
- 语法：
(?<=pattern) - 作用：匹配pattern表达式的后面的内容，不返回本身。
- 语法：
其实这个零宽断言听起来好复杂，但其实很简单。主要的作用就是用断言的pattern去去定位你真正想要的数据。
比如有下面的应用程序应用，你只想得到running的进程数量。那么就可以用后行断言，来得到指定pattern后面的数据。
[rc@localhost work]$ cat info.log
running processes: 233
stopped processes: 23
[rc@localhost work]$ cat info.log | grep -o -P "(?<=running processes: )[0-9]*"
233
贪婪和非贪婪
- 贪婪
- 贪婪匹配：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符，这匹配方式叫做贪婪匹配。
- 特性：一次性读入整个字符串进行匹配，每当不匹配就舍弃最右边一个字符，继续匹配，依次匹配和舍弃（这种匹配-舍弃的方式也叫做回溯），直到匹配成功或者把整个字符串舍弃完为止，因此它是一种最大化的数据返回，能多不会少。
- 懒惰
- 懒惰匹配：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能少的字符，这匹配方式叫做懒惰匹配。
- 特性：从左到右，从字符串的最左边开始匹配，每次试图不读入字符匹配，匹配成功，则完成匹配，否则读入一个字符再匹配，依此循环（读入字符、匹配）直到匹配成功或者把字符串的字符匹配完为止。
默认情况下，上面介绍的重复限定符都是贪婪匹配模式。懒惰量词是在贪婪量词后面加个?。
| 懒惰重复限定符 | 说明 |
|---|---|
*? |
重复任意次，但尽可能少 |
+? |
重复一次或多次，但尽可能少 |
?? |
重复0次或1次，但尽可能少 |
{n,m}? |
重复最少n次最多m次，但尽可能少 |
{n}? |
重复最少n次，但尽可能少 |
[rc@localhost work]$ cat text
hellooooooo
[rc@localhost work]$ cat text | grep -o -P "hello+?"
hello
[rc@localhost work]$ cat text | grep -o -P "hello+"
hellooooooo
分组与后向引用
对于每一个()内的分组，会进行分组编号，按左边括号出现的顺序从1开始编号（0表示正则表达式本身）。
有了这个分组编号之后就可以对其进行引用，表示按照目标分组进行相同的匹配，这样就可以匹配更复杂的需求。
比如现在有一个文本，每行都是三个单词，现在要求匹配第一个单词和第三个单词相同的行。
[rc@localhost work]$ cat text
hello world hello
you me him
ok no ok
two three four
[rc@localhost work]$ cat text | grep -o -E "(\<\w+\>) (\<\w+\>) \1"
hello world hello
ok no ok
参考
- 知乎提问：你是如何学会正则表达式的
