第4.2节：正则表达式语法详解-转义字符与POSIX

原创于 2025-08-18 16:59:03 发布 · 345 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#正则表达式 #编程语言 #AWK

编程语言学习同时被 2 个专栏收录

25 篇文章

订阅专栏

AWK编程语言

19 篇文章

订阅专栏

1 第4.2节：正则表达式语法详解-转义字符与POSIX

1.1 背景

要学习正则表达式语法，就要了解业界的正则表达式引擎，目前各大正则表达式引擎在一定程度上都会向PCRE标准靠拢，同时又有自己的特色，因此，在不同的工具或编程语言环境下，正则表达式的描述都会可能存在一定的差异，读者一定要阅读具体工具的正则表达式语法。

以下是几个常见的正则表达式引擎及特点：

引擎名称	核心特点	优势场景	典型应用领域
PCRE / PCRE2	兼容Perl语法，支持几乎所有现代正则特性（非贪婪匹配、断言、递归等）；PCRE2优化了Unicode和性能	通用场景，需要复杂模式匹配	PHP、Nginx、Apache、C/C++项目
Boost.Regex	多标准兼容（PCRE、POSIX、Unicode），C++风格接口，与C++标准库无缝集成	C++开发，需跨标准适配的文本处理	C++应用程序、跨平台项目
Onigmo	卓越的Unicode支持，兼容Perl/Ruby语法，支持多字节字符集和Unicode属性类	多语言文本处理（如中日韩文字）	Ruby语言、Sublime Text编辑器
RE2	线性时间复杂度，避免回溯陷阱，安全性高，适合不可信输入	处理用户提交的正则模式，防ReDoS攻击	Go语言标准库、V8引擎、Redis
Hyperscan	基于DFA和SIMD优化，支持数千模式同时匹配，速度极快	网络安全（入侵检测）、日志实时分析	防火墙、病毒扫描工具
TRE	支持近似匹配（模糊匹配），可配置错误容忍度，兼容POSIX标准	拼写纠错、相似文本搜索、模糊匹配需求	文本处理工具、自然语言处理库

1.2 转义字符

部分特殊字符或保留字符不能直接写在字符串中，比如：引号、斜线等本身在正则表达式中有特殊意义的字符，需要用转义字符来表示它们，转义字符是由反斜杠（‘\’）开头的字符序列。转义字符的一个最常用的用处是在字符串常量中包含双引号。由于普通的双引号会终止字符串，所以必须用 ‘"’ 来表示字符串里实际的双引号字符。例如：

$ awk 'BEGIN { print "He said \"hi!\" to her." }'

执行结果：

He said "hi!" to her.

反斜杠字符本身也是一个不能直接包含的字符，必须写成 ‘\’ 才能在字符串或正则表达式中放入一个反斜杠。因此，由 ‘"’ 和 ‘\’ 这两个字符组成的字符串必须写成 "\"\\"。

1.2.1 标准转义字符

转义字符还可以用于表示不可打印的字符，如制表符（TAB）或换行符。以下是AWK中一些常见的转义字符及其含义：

转义字符	说明
\a	响铃（警报）字符，通常会让终端发出哔声。
\b	退格符。
\f	换页符。
\n	换行符。
\r	回车符。
\t	制表符。
\v	垂直制表符。
\ddd	八进制数 ddd 所表示的字符。例如，\040 是空格，\11 是制表符。
\xhh	十六进制数 hh 所表示的字符。（GNU awk 特有）
\uhh	Unicode字符编码，十六进制数 hh 所表示的字符。（GNU awk 特有）
/	转义/字符
\	转义\字符
"	转义"字符

例如，下面的代码会打印一个包含制表符的字符串：

$ awk 'BEGIN { print "Column1\tColumn2" }'

执行结果：

Column1    Column2

在正则表达式中，反斜杠也有特殊的含义。它用于对正则表达式中的特殊字符进行转义，使其作为普通字符来处理。例如，如果你想匹配一个点号（‘.’），由于点号在正则表达式中有特殊含义（匹配任意单个字符），你需要写成 ‘.‘。下面的例子会匹配包含实际点号的记录：

$ awk '/\./ { print $0 }' data.txt

这里，/\./ 这个正则表达式会匹配任何包含点号的记录，并打印出整条记录。

在字符串常量和正则表达式常量中使用转义字符时，要确保正确理解其含义，避免因误用而导致意外的结果。

1.2.2 gawk扩展转义字符

转义字符	说明
\s	匹配当前区域设置定义的任何空白字符，可视为 [[:space:]] 的简写
\S	匹配当前区域设置定义的任何非空白字符，可视为 [¹] 的简写
`\w`	匹配任何单词构成字符，即匹配字母、数字或下划线，可视为 `[[:alnum:]_]` 的简写
`\W`	匹配任何非单词构成字符，可视为 `[^[:alnum:]_]` 的简写
`\<`	匹配单词开头的空字符串，例如 `/\<away/` 匹配 `away` 但不匹配 `stowaway`
`\>`	匹配单词结尾的空字符串，例如 `/stow\>/` 匹配 `stow` 但不匹配 `stowaway`
`\y`	匹配单词开头或结尾的空字符串（即单词边界），例如 `\yballs?\y` 可匹配 `ball` 或 `balls` 作为独立单词
`\B`	匹配两个单词构成字符之间的空字符串，例如 `/\Brat\B/` 匹配 `crate` 但不匹配 `dirty rat` ，本质与 `\y` 相反，匹配不在单词边缘的空字符串

::: alert-danger
awk的正则表达式并没有完整兼容PCRE，比如：没有\d(数字)这个转义字符。因此，匹配数字时，使用替换方案[0-9]来代表数字，或使用POSIX的[:digit:]字符类。
:::

1.3 POSIX字符类

正因为正则表达式的强大作用，在业界形成统一的规范前，已经有很多的工具软件实现了自己的正则表达式语法，且各个软件的正则表达式语法各不相同，增加了使用者的学习成本，因此，POSIX对正则表达式进行了一定的规范化，目前主流的正则表达式引擎对POSIX都做了兼容。

POSIX字符类	说明
[:alnum:]	字母数字字符（字母和数字）
[:alpha:]	字母字符（A - Z、a - z 等）
[:blank:]	空格和制表符（TAB）字符
[:cntrl:]	控制字符（如 ASCII 里的控制码，像换行、回车等非打印控制功能的字符）
[:digit:]	数字字符（0 - 9 ）
[:graph:]	可打印且可见的字符（空格可打印但不可见，“a”这类字符既满足可打印又满足可见）
[:lower:]	小写字母字符（a - z ）
[:print:]	可打印字符（非控制字符，除了控制码外，像字母、数字、标点、空格等能输出显示的字符）
[:punct:]	标点字符（非字母、数字、控制字符、空格的字符，像!、,、. 等）
[:space:]	空白字符（含空格、制表符、换行符、回车符、换页符、垂直制表符）
[:upper:]	大写字母字符（A - Z ）
[:xdigit:]	十六进制数字字符（0 - 9、a - f、A - F ，用于表示十六进制数）

1.3.1 例1：awk语法查找电话号码

文本num.txt内容如下

13112345678
13212345678
13312345678
13412345678
13512345678

awk语法查找电话号码

awk '/\y13[0-9]{9}\y/' num.txt

POSIX语法查找电话号码

awk '/\y13[[:digit:]]{9}\y/' num.txt

🕮说明：
在使用POSIX字符类时，需要在字符类的外层再加一对[]！

::: alert-danger
awk的正则表达式语法，部分描述和PCRE存在差异，读者在使用时要注意区分！
:::

:space: ↩︎