ShellScript_正则表达式

基本正则表达式元字符

转义字符

\r: 回车
\n: 换行符
\t: 制表符
\\: “\” 本身
\^: 匹配^符号本身
\$: 匹配$符号本身
\.: 匹配小数点. 本身

多种字符匹配

\d：任意一个数字，0~9 中的任意一个
\w：任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中任意一个
\s：包括空格、制表符、换页符等空白字符的其中任意一个
.：小数点可以匹配除了换行符以外的任意一个字符

字符匹配

.: 匹配任意单个字符
[]:匹配指定范围内的任意单个字符
[^]:匹配指定范围外的任意单个字符
# 以上[]当中的范围有以下几种表示方法：
[:alnum:]:表示所有的字母和数字
[:alpha:]:表示所有字母（不区分大小写）
[:digit:]:表示所有的数字
[:lower:]:表示所有的小写字母
[:punct:]:表示所有的标点符号
[:space:]:表示所有的空白字符
[:upper:]:表示所有的大写字母

次数匹配

用于在要指定次数的字符后面或用于指定前面的字符要出现的次数：
*:匹配前面的字符任意次
.*:任意长度的任意字符
?:匹配其前面的字符0次或1次，即前面的可有可无
+:匹配其前面的字符至少1次
\{m\}:匹配前面的字符m次
\{m,n\}:匹配前面的字符至少m次，至多n次
\{,n\}:匹配前面的字符至多n次
\{m,\}:区配前面的字符至少m次

位置锚定

对特定位置进行定位
^:行首锚定：用于模式的最左侧
$:行尾锚定：用于模式的最右侧
^PATTERN$: 用于模式匹配整行
	^$:空行，不包含有空格的行
	^[[:space:]]*$:空行，但包含有空格的行
\<或\b:词首锚定，用于单词模式的左侧
\>或\b:词尾锚定，用于单词模式的右侧
\<PATTERN\>:匹配整个单词

分组

分组是指将一个或多个字符捆绑在一起，当作一个整体进行处理，其符号为：
\(\):
例：\(xy\)*ab表示xy这个整体可以出现任意次
注意：
1. 分组括号中的模式匹配到的内容会被正则表达式引擎记录于内部的变量中，这些变量的命名方式为：\1, \2, \3, ...。
	\1:从左侧起，第一个左括号以及与之匹配的右括号之间的模式所匹配到的字符；如：\(ab\+\(xy\)*\)中\1表示：ab\+\(xy\)*，\2表示：xy
2. 后向引用：引用前面的分组括号中的模式所匹配的字符，而非模式本身

扩展正则表达式元字符

字符匹配

[]:匹配指定范围内的任意单个字符
[^]:匹配指定范围外的任意单个字符

次数匹配

*:任意次
?:0次或1次
+:至少1次
{m}:精确匹配m次
{m,n}:至少m次，至多n次
{m,}:到少m次
{0,n}:至多n次

锚定

扩展正则表达式的位置锚定和其本正则表达式相同

分组

():用括号括起来表示要引用的内容，不需要转义
后向引用：\1, \2, \3
或
a|b:a或者b

概念

贪婪与非贪婪匹配

​ 在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如：“{m,n}”, “{m,}”, “?”, “”,* “+”，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。

​ 比如，文本 “axxxaxxxa”，”(a)(\w+)“，其中”\w+“会匹配”xxxaxxxa”，”(a)(\w+)(a)“则会匹配”xxxaxxx”。由此可见，”\w+“ 在匹配的时候，总是尽可能多的匹配符合它规则的字符。

​ 虽然第二个举例中，它没有匹配最后一个 “a”，但那也是为了让整个表达式能够匹配成功。同样的，带 ”“ 和 ”{m,n}“ 的表达式都是尽可能地多匹配，带 ”?“ 的表达式在可匹配可不匹配的时候，也是尽可能的匹配。这种匹配原则就叫作”贪婪”模式。

​ 非贪婪模式则是指的在修饰匹配次数的特殊符号后再加上一个 “?” 号，可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的不匹配。

​ 这种匹配原则也叫作 “勉强” 模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。如，文本 “axxxaxxxa” ，“(a)(\w+?)”，其中”\w+“只会匹配一个“x”。

反向引用

​ 表达式在匹配时，表达式引擎会将小括号 “()” 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。如：“

(.*?)

“即获取div标签内部的内容。

​ 这里小括号包含的正则表达式所匹配到的字符串不仅仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面括号内的子匹配已经匹配到的字符串。引用方法是 “\” 加上一个数字。”\1” 引用第1对括号内匹配到的字符串，”\2” 引用第2对括号内匹配到的字符串，以此类推，而如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号 “(” 在前，那这一对就先排序号。

​ 例如：表达式 “(‘|’)(.*?)(\1)“ 在匹配 ” ‘Hello’, “World” “ 时，匹配结果是：成功；匹配到的内容是：” ‘Hello’ “。再次匹配下一个时，可以匹配到 ” “World” “。

预搜索

​ 如前面所讲”^“、”$“、”\b”字符有一个共同点，就是：它们本身不匹配任何字符，只是对 “字符串的两头” 或者 “字符之间的缝隙” 附加了一个条件。同样的，正则中提供了其他基于此原理的机制，来实现预搜索。

• 正向预搜索：”(?=xxxxx)“，”(?!xxxxx)”

  格式：”(?=xxxxx)“，在被匹配的字符串中，它对所处的 “缝隙” 或者 “两头” 附加的条件是：所在缝隙的右侧，必须能够匹配上xxxxx这部分的表达式，不影响后边的表达式去真正匹配这个缝隙之后的字符。如：“Mac (?=book|air)” 在匹配 “Mac pro, Mac air” 时，将只匹配 “Mac air” 中的 “Mac”。

  格式：“(?!xxxxx)”，所在缝隙的右侧，必须不能匹配 xxxxx 这部分表达式。如：“hello(?!\w)” 在匹配字符串 “hello,helloworld”时，匹配 hello”。这里使用 “(?!\w)” 和使用 “\b” 效果一样。

• 反向预搜索：“(?<=xxxxx)”，“(?<!xxxxx)”

  和正向预搜索类似，反向预搜索要求的条件是：所在缝隙的 “左侧”，两种格式分别要求必须能够匹配和必须不能够匹配指定表达式，而不是去判断右侧。与 “正向预搜索” 一样的是：它们都是对所在缝隙的一种附加条件，本身都不匹配任何字符。

其他通用规则

• 可以使用 “\xXX” 和 “\uXXXX” 表示一个字符（”X” 表示一个十六进制数）

• • \xXX: 编号在 0-255 范围的字符，如：空格可以使用 “\x20” 表示
  • \uXXXX: 任何字符可以使用 “\u” 再加上其编号的4位十六进制数表示，比如：“\u4E2D”

• 在表达式 “\s”，”\d”，”\w”，”\b” 表示特殊意义的同时，对应的大写字母表示相反的意义

• • \S: 匹配所有非空白字符
  • \D: 匹配所有的非数字字符
  • \W: 匹配所有的字母、数字、下划线以外的字符
  • \B: 匹配非单词边界，即左右两边都是 “\w” 范围或者左右两边都不是 “\w” 范围时的字符缝隙

• 括号“()”内的子表达式，如果希望匹配结果不进行记录供以后使用，可以使用 “(?:xxxxx)”格式。如：表达式 “(?:(\w)\1)+” 匹配 “a bbccdd efg” 时，结果是 “bbccdd”。括号 “(?:)” 范围的匹配结果不进行记录，因此 “(\w)” 使用 “\1” 来引用。

• 常用的表达式属性设置包括：Ignorecase、Singleline、Multiline、Global

• • Ignorecase: 默认情况下，表达式中的字母是要区分大小写的。配置为 Ignorecase 可使匹配时不区分大小写。有的表达式引擎，把 “大小写” 概念延伸至 UNICODE 范围的大小写。
  • Singleline: 默认情况下，小数点 “.” 匹配除了换行符（\n）以外的字符。配置为Singleline可使小数点可匹配包括换行符在内的所有字符。
  • Multiline: 默认情况下，表达式 “^” 和 “$” 只匹配字符串的开始1和结尾4位置。如：1xxxxxxxxx2\n 3xxxxxxxxx4

配置为 Multiline 可以使 “^” 匹配1外，还可以匹配换行符之后，下一行开始前3的位置，”$“ 匹配4外，还可以匹配换行符之前，一行结束2的位置。使用(?m)可以设置为Multiline模式。如”(?m)^\n +“。

• Global: 主要在将表达式用来替换时起作用，配置为Global表示替换所有的匹配。

提示

• 如果要求表达式所匹配的内容是整个字符串，而不是其中的一部分，可以在表达式的首尾使用 “^” 和 ““ 要求整个字符串只有数字。
• 如果要求匹配的内容是一个完整的单词，而不会是单词的一部分，那么在表达式首尾使用 “\b”，如：使用 “\b(if|while|…)\b” 来匹配程序中的关键字。
• 表达式不要匹配空字符串。否则会一直得到匹配成功，而结果什么都没有匹配到。
• 能匹配空字符串的子匹配不要循环无限次。如果括号内的子表达式中的每一部分都可以匹配0次，而这个括号整体又可以匹配无限次，那么匹配过程中可能死循环。
• “|” 的左右两边，对某个字符应该只有一边可以匹配，以防止”|“两边的表达式因为交换位置而有所不同。
• 要合理选择贪婪模式与非贪婪模式，如. 与 .?的区别使用。