正则表达式

正则表达式：正则表达式（regular expression,RE）是一类由特殊字符组合起来的一种字符模式，用于在查找过程中匹配特定的字符。

元字符：元字符是这样的一类字符，它们不表示字符本身的含义，而用于额外功能性的描述意义。

GNU/linux 下常见两种元字符，一种是shell元字符，一种是正则表达式元字符，它们各司其职，shell元字符由linux shell程序来解析，正则表达式元字符则由执行此匹配模式的程序来解析，比如vim、grep、awk等。

shell元字符

*匹配任意字符串,例：# ls /etc/p* 列出目录/etc/下以p开头的任意文件

?匹配任意单个字符，例：# ls /etc/p?列出目录/etc/下以p开头，后跟只有一个字符的文件

[]匹配括号中的任意一个字符，例：[.,;]匹配点号或逗号或分号

[-] 匹配括号中一个范围内的任意一个字符，例：[a-z]匹配任意一个小写字母

[!]匹配括号字符之外的任意一个字符，例：[!abc]匹配字符a、b、c之外的任意一个字符

基本正则表达式元字符

常用元字符（matecharacter）：

^：脱字符，锚定行首的符合条件的内容，用法^pattern

$：锚定行尾的符合条件的内容，用法pattern$

^$：匹配空白行

^pattern$：精确匹配pattern

. ：点号，匹配任意单个字符

* ：匹配紧挨在其前面的字符任意次，有数量的概念

.* ：匹配任意长度的任意字符(不包含换行符)，此匹配是工作在贪婪模式下，尽可能 长的去匹配符合条件 的内容

[]：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

{m,n}：匹配其前面的字符至少m次，至多n次

{0,n}：匹配其前面的字符至多n次

{m,}：匹配其前面的字符至少m次

< ：锚定词首

&; ：锚定词尾

扩展正则表达式元字符

基本正则表达式里的元字符在扩展正则里也同样适用，只是增加了以下一些元字符。

增加的元字符：

+：匹配其前面的字符至少1次

？：匹配其紧挨着前面的字符0次或1次

x{m}：字符x重复m次

x{m,}：字符x重复至少m次

（）：分组，支持引用

｜：表示或者

方括号类字符

[:alpha:] 所有字母字符，包括大小写

[:upper:] 所有大写字母字符

[:lower:] 所有小写字母字符

[:digit:] 所有数字字符

[:alnum:] 所有数字与字母字符

[:space:] 所有空白字符，包括空格、换行符、制表符

[:punct:] 所有标点字符

[:graph:] 所有非空白字符，不包含空格、控制字符

[:print:] 与[a:graph:]类似，但包含空格字符

[:cntrl:] 控制字符

[:xdigit:] 十六进制数字字符

小结：扩展的正则表达式也可以在基本正则表达式中使用，只要在元字符前加上“”转义符即可，如“+”“|”等。正则表达式也只是一种特殊的模式匹配而已，它要想工作起来也必须要利用一些工具才行，比如：vim、grep、sed、awk等。

常用正则使用举例：

以下的例子都是从网上转载，只是对这些正则表达式进一步进行了分析，来源：http://deerchao.net/tutorials/regex/common.htm

1、匹配一个网址（URL）

表达式：[a-zA-Z]+://[^s]*

分析：“[]”表示匹配方括号内的任何字符；[a-zA-Z]表示匹配26个英文字母中的任何一个，且不分大小写；“+”号表示前一个元素可出现1次或多次，所以“[a-zA-Z]+”表示方括号中的字符可以出现1次或多次，这部份在URL中表示是协议部份；“://”是URL中的固定格式；“[^s]*”表示匹配非空白字符任意次，包含零次。

实例：

[root@zcjtest]#catjj.txt
HTTP://www.baidu.com
http://www.BAIDU.com
http://www.baidu.com
https://www.baidu.com
thx://www.baidu.com

2、匹配IP地址

表达式：((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)

分析：IPV4地址是由四个点号分隔成的四个十进制位，称为点分十进制，每一组的取值范围是0-255（包括网络地址和广播地址），那么这个范围要分成几种情况才能匹配完，把0-255这个范围分成0-199、200-249、250-255三组，“[01]?dd?”正好匹配0-199，“2[0-4]d”正好匹配200-249，“25[0-5]”匹配250-255；能把这一部份理解清楚，那上边的匹配IP地址的表达式也就能理解了。

不知道什么原因，系统里的egrep不能识别“d”这个模式，只好换成“[0-9]”，效果也是一样的。

3、匹配Email地址

表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*

分析：这个表达式写得比较复杂，把不常见的格式也匹配了，比如会把“sky+33@163.com-cn”这样的邮件地址也会匹配到，而我们常见的邮件地址会是“sky@sina.com.cn”“sky12@163.com”“sky_23@126.cn”“12345@sina.com”这样类似的例子。先来拆分上边表达式中各部份的意义：“w”这个非常有意思，它表示与任何单词字符匹配（我的理解就是一个单个字符），但不会匹配到“+”“-”“.”等字符，但会匹配到“_”，并且匹配到的是单个单词字符，所以“w+”会匹配到多个单个字符组成的字符串；“([-+.]w+)*”表示在三个特殊符号后边跟上了任何单词字符，后边整体跟上了一个“*”号，表示这样的模式可以出现任何次数，包括零次，这样就比较符合在邮件地址格式中@符号的前部份了；“([-.]w+)*.w+([-.]w+)*”后边的这个表达式分成了两部份，且都是用“*”号来进行对前边的小括号内的匹配模式进行次数匹配，这样模式就写得非常有灵活性，可以匹配到类似“@163.com”的，也可以匹配到“@163.com.cn”的，不得不佩服正则表达式的强大。

实例：

[root@zcjtest]#catmail.txt
sky_551@163-com
sky@126.com.cn
sky.551@sina.com-cn
sky+551@sina.com
sky-551@sina.com
sky_22@sina
sky5511@yaho.cn
d3)_~
2222@13.com

4、匹配qq号码

表达式：[1-9]d{4,}

分析：[1-9]表示1-9这9个数字中的任何一个，“d”表示匹配“0-9”间的任何一个数字，相当于[0-9]这个模式，{4,}这个表示其前边的字符至少出现4次。那这个表达款就能匹配到长度是大于等于5的qq号码。

实例：

5、匹配“年-月-日”

表达式：(d{4}|d{2})-((1[0-2])|(0?[1-9]))-(([12][0-9])|(3[01])|(0?[1-9]))

分析：(d{4}|d{2})表示年可以是4位的年，也可以是2位的年；((1[0-2])|(0?[1-9]))表示把月分成两种可能，一种是1到9月这种一位的年，也可写成“01-09”这种月的格式，另一种是10月至12月，这种两位的月；(([12][0-9])|(3[01])|(0?[1-9]))表示把日分成了三种可能，因为一个月最长有31天，把31天分成以下几种可能，一是1-9号，二是10-29号，三是30-31号。“0?[1-9]”表示1-9号（也可01-09），“[12][0-9]”表示10-29号，“3[01]”表示30-31号。

实例：

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!