正则表达式完全指南

### 正则表达式完全指南 #### 1. 正则表达式基础 正则表达式是用于匹配文本模式的强大工具。在正则表达式中，匹配可能仅在文件中的行满足特定条件时发生。例如，若要匹配包含至少四个字符，且字符 `b`、`z`、`i` 和 `p` 按顺序出现且中间无其他字符的行。字符串 `bzip` 中的字符都是字面字符，即它们匹配自身。 正则表达式除了字面字符外，还可以包含元字符，用于指定更复杂的匹配。常见的正则表达式元字符如下： ```plaintext ^ $ . [ ] { } - ? * + ( ) | \ ``` 除这些元字符外，其他字符都被视为字面字符。不过，反斜杠字符在某些情况下用于创建元序列，也可让元字符被当作字面字符处理，而非解释为元字符。 需要注意的是，许多正则表达式元字符在 shell 进行扩展时也有特殊含义。当在命令行传递包含元字符的正则表达式时，必须将其用引号括起来，以防止 shell 尝试对其进行扩展。 #### 2. 元字符的使用 ##### 2.1 任意字符（`.`） 点号（`.`）是一个元字符，用于匹配任意字符。若在正则表达式中包含它，它将匹配该字符位置的任意字符。例如： ```bash [me@linuxbox ~]$ grep -h '.zip' dirlist*.txt bunzip2 bzip2 bzip2recover gunzip gzip funzip gpg-zip preunzip prezip prezip-bin unzip unzipsfx ``` 在这个例子中，我们搜索文件中匹配正则表达式 `.zip` 的行。可以注意到，`zip` 程序未被找到，因为点号元字符使所需匹配的长度增加到四个字符，而 `zip` 只有三个字符，所以不匹配。此外，如果文件列表中有包含文件扩展名 `.zip` 的文件，也会被匹配，因为文件扩展名中的点号也被视为“任意字符”。 ##### 2.2 锚点（`^` 和 `$`） 脱字符（`^`）和美元符号（`$`）在正则表达式中被视为锚点。`^` 表示正则表达式必须出现在行的开头，`$` 表示必须出现在行的结尾。示例如下： ```bash [me@linuxbox ~]$ grep -h '^zip' dirlist*.txt zip zipcloak zipgrep zipinfo zipnote zipsplit [me@linuxbox ~]$ grep -h 'zip$' dirlist*.txt gunzip gzip funzip gpg-zip preunzip prezip unzip zip [me@linuxbox ~]$ grep -h '^zip$' dirlist*.txt zip ``` 这里我们分别搜索位于行开头、行结尾以及行中仅包含 `zip` 的情况。需要注意的是，正则表达式 `^$` 可以匹配空白行。 ##### 2.3 填字游戏助手 利用正则表达式可以帮助解决填字游戏问题。Linux 系统的 `/usr/share/dict` 目录下通常有字典文件，这些文件是按字母顺序排列的单词列表。例如，要找到一个五个字母的单词，其第三个字母是 `j`，最后一个字母是 `r`，可以使用以下命令： ```bash [me@linuxbox ~]$ grep -i '^..j.r$' /usr/share/dict/words Major major ``` 这个正则表达式可以找出字典文件中所有符合条件的单词。 #### 3. 括号表达式和字符类 ##### 3.1 括号表达式 除了匹配任意字符，还可以使用括号表达式从指定的字符集中匹配单个字符。例如，使用包含两个字符的集合，可以匹配包含字符串 `bzip` 或 `gzip` 的行： ```bash [me@linuxbox ~]$ grep -h '[bg]zip' dirlist*.txt bzip2 bzip2recover gzip ``` 集合可以包含任意数量的字符，元字符在括号内会失去其特殊含义。但有两种情况例外：脱字符（`^`）用于表示否定，连字符（`-`）用于表示字符范围。 ##### 3.2 否定（`^`） 如果括号表达式的第一个字符是脱字符（`^`），则表示剩余的字符不能出现在该字符位置。例如： ```bash [me@linuxbox ~]$ grep -h '[^bg]zip' dirlist*.txt bunzip2 gunzip funzip gpg-zip preunzip prezip prezip-bin unzip unzipsfx ``` 这里的结果是包含字符串 `zip` 且前面不是 `b` 或 `g` 的文件列表。需要注意的是，`zip` 文件未被找到，因为否定字符集仍需要一个字符，只是该字符不能是被否定集合中的成员。脱字符只有在括号表达式的第一个位置时才表示否定，否则就是普通字符。 ##### 3.3 传统字符范围（`-`） 可以使用连字符（`-`）来表示字符范围。例如，要找到文件名以大写字母开头的文件，可以使用以下正则表达式： ```bash [me@linuxbox ~]$ grep -h '^[A-Z]' dirlist*.txt MAKEDEV ControlPanel GET HEAD POST X X11 Xorg MAKEFLOPPIES NetworkManager NetworkManagerDispatcher ``` 通过使用三个字符的范围，我们可以缩写 26 个大写字母。任何字符范围都可以用这种方式表示，包括多个范围。如果要在括号表达式中包含连字符，可以将其放在表达式的第一个位置。 ##### 3.4 POSIX 字符类 传统的字符范围虽然易于理解和使用，但在某些情况下可能会出现问题。为了解决这个问题，POSIX 标准引入了字符类。常见的 POSIX 字符类如下表所示： | 字符类 | 描述 | | ---- | ---- | | `[:alnum:]` | 字母数字字符；在 ASCII 中，等同于 `[A-Za-z0-9]` | | `[:word:]` | 与 `[:alnum:]` 相同，外加下划线字符 `_` | | `[:alpha:]` | 字母字符；在 ASCII 中，等同于 `[A-Za-z]` | | `[:blank:]` | 包含空格和制表符 | | `[:cntrl:]` | ASCII 控制代码；包括 ASCII 字符 0 到 31 和 127 | | `[:digit:]` | 数字 0 到 9 | | `[:graph:]` | 可见字符；在 ASCII 中，包括字符 33 到 126 | | `[:lower