正则表达式学习笔记（一）正则表达式入门
正则表达式入门
作为编程语言的正则表达式
以语言做类比
完整的正则表达式由两种字符组成：特殊字符（special characters,例如文件名例子中的*）称为元字符（metacharacters）其他为‘文字’(literal)，或者普通文本字符（normal text characters）。
为了便于理解可以把正则表达式想象为普通的语言，普通字符对应语言中的单词，而元字符对应语法。
Egrep元字符
行的起始和结束
脱字符‘^’:代表一行的开始。
美元符号‘$’:代表一行的结束。
这两元字符特别之处在于匹配的不是字符而是文本位置。
要养成按字符来理解正则表达式的习惯，例如：
不要这样：‘^cat’匹配以cat开头的行
而应该这样理解：‘^cat’匹配的是以c作为一行的第一个字符，紧接着一个a，紧接着一个t的文本。
字符组
匹配若干字符之一
如果我们需要搜索的单词是'grey'，但又不确定该单词是否写作‘gray’，就可以使用正则表达式结构体‘[....]’。它允许使用这列出在某处期望匹配的字符，通常被称作字符组（character class）。
如[ea]匹配'e'或者‘a’。请注意，在字符组以外，普通字符都有‘接下来是’的意思，字符组内部的情况则完全不同，它是‘或’的意思。
在字符组内部，字符组元字符‘-’表示一个范围：例如‘[0-9a-z]’匹配数字和小写字母。请注意‘-’只有在字符组内部并且在字符普通字符中间时才是元字符。
排除型字符组
[^....]匹配任何一个未被列出的字符，注意不是‘不要匹配列出的字符’。如‘[^1-6]’匹配一个1到6以外的一个字符。
用点号匹配任意字符
元字符'.'，是用来匹配任意字符的字符组的简便写法。
某些可能造成错误的情况：‘34[.-!]’中的‘.’不是元字符，而是普通字符，注意此时的‘-’是用来表示范围的，不是普通字符。
多选结构
‘|’是一个非常简洁的元字符，它的意思是‘或’。依靠它，我们可以把不同的子表达式组合成一个总的表达式，而这个总表达式又能够匹配任意的子表达式。子表达式被称为多选分支。
例如‘tom|price’,匹配tom或者price。我们可以把'gr[ea]y'写成‘grey|gray’或者‘gr(e|a)y’。注意后者用括号来限定多选结构的范围。多选结构可以包含多个字符，但不能超越括号的范围。
注意：一个字符组只能匹配目标文本中的单个字符，而每个多选结构自身都可能是完整的正则表达式，都可以匹配任意长度的文本。字符组可以算是一门独立的微型语言（例如对于元字符它们有自己的规定），而多选结构是正则表达式主体的一部分。
在一个包含多选结构的表达式中使用脱字符和美元符号要特别小心。区别‘^From|Subject|Date’和‘^(From|Subject|Date)’！
单词分界符
某些版本的egrep支持‘/<’和‘/>’来匹配单词的开始和结尾。它们被称作元字符序列（即由两个字符构成一个元字符）。
可选项元素
元字符‘？’代表一个可选项。把它加在一个字符后面，就表示此处允许出现此字符，不过它的出现并非匹配成功的必要条件。如，‘colu?or’。该元字符与之前介绍的元字符不同的地方在于，它只
作用于之前紧邻的元素。如‘July? (fourth | 4(th)?/)’
其他量词：重复出现
元字符‘+’：之前紧邻的元素出现一个或者多次（至少匹配一次）。
元字符‘*’：之前紧邻的元素出现多次，或者不出现。
‘？’‘+’‘*’统称量词。
注意：一个字符组就是一个元素，可以对它直接使用量词而不需要括号。
规定重复出现次数的范围：区间
某些版本的egrep可以使用元字符序列来自定义重现次数的区间。‘{min, max}’
括号及反向引用
前面介绍的括号的两种用途：1.限制多选项的范围。 2.将若干字符组合为一个单元，受量词的作用。
在许多流派的正则表达式中，括号能够记住它们所包含的子表达式匹配的文本。这种特性被叫做反向引用，它允许我们匹配表达式先前部分匹配的同样的文本。
如，‘([0-9])(a-z)/1/2’,其中‘/1’代表‘[0-9]’匹配的内容，‘/2’代表‘[a-z]’匹配的内容。
如，查找重复的单词： egrep -i '\<(a-z+) + \1\>'
神奇的转意符
‘\’，注意在字符组内部转意符无效。
环视
环视结构不匹配任何字符，只匹配文本中的特定位置（环视不占用任何字符）。例如，使用'（？= Jeffrey）Jeff' 得到比'Jeff'更精准的结果。
思考：'（？= Jeffrey）Jeff'和'Jeff(?=rey)'结果是一样的
顺序环视：从左到右查看文本，尝试匹配子表达式，如果能匹配，就返回匹配成功的信息。肯定型顺序环视用'(?=......)'表示。例如，'(?=\d)'，表示如果
当前位置右边是数字则匹配成功。
逆序环视：从右向左查看文本。用'(?<=....)'表示，例如'(?<=\d)'表示如果当前位置左边有一个数字，则匹配成功。
环视例子：例如要把所有'Jeffs'换成'Jeff's'
以前的做法：
s/\b(Jerff)(s)\b/$1'$2/g
使用环视：
s/\bJeff(?=s\b)/Jeff'/g
s/(?<=\bJeff)(?=s\b)/'/g. 匹配位置加入撇号
否定环视：匹配成功的条件是子表达式无法匹配。
否定逆序环视： (?<!......)
否定顺序环视：(?!.....)
其他：
1.非捕获型括号：(?: ......)
2.匹配所有空白： \s
3.匹配所以非空白：\S
4.匹配[a-zA-Z0-9]: \w
5.匹配[^a-zA-Z0-9]:\W
6.匹配[0-9]: \d
7.匹配[^0-9]: \D
