正则表达式详解
|
一个正则表达式包含下面一个或多个项： 1.一个字符集 这里的字符集里的字符表示的就是它们字面上的意思.正则表达式最简单的情况就是仅仅由字符集组成,而没有其他的元字符。 2.锚 一个锚指明了正则表达式在一行文本中要匹配的位置,例如^和$就是锚。 3.修饰符 它们用于展开或缩小(即是修改了)正则表达式匹配文本行的范围.修饰符包括了星号、括号和反斜杠符号。 * 匹配重复零次或多次前一字符 + 匹配一个或多个前面的字符.它的作用和*很相似,但唯一的区别是它不匹配零个字 符的情况 (扩展元字符) ? 匹配零或一个前面的字符。它一般用于匹配单个字符 （扩展元字符） . 匹配任意字符( 除换行符 ) ^ 匹配一行的开头,但依赖于上下文环境,可能在正则表达式中表示否定一个字符 集的意思 [...] 匹配集合中任意字符 如"[xyz]" 匹配字符 x,y,或z [^...] 匹配不属集合 中 任意字符 ^,$ 匹配 行首、行尾 &;,&; 用于表示单词的边界。&; 匹配词首，&;词尾，如"&;the&;" 匹配单词"the" (...) 正则表达式分组。进行子字符串提取(substring extraction)一起使用很有用 n 第 n 个分组内容 转义(escapes) 一个特殊的字符,使这个字符表示原来字面上的意思。"$"表示 了原来的字面意思"$",而不是在正则表达式中表达的匹配行尾的意思.""也被 解释成了字面上的意思"" { } 指示前面正则表达式匹配的次数. 要转义是因为不转义的话大括号只是表示他们字面上的意思.这个用法只是技巧上 的而不是基本正则表达式的内容."[0-9]{5}" 精确匹配5个数字(从0到9的数字). | "或"，正则操作符用于匹配一组可选的字符 （扩展元字符） {n} n是一个非负整数。匹配确定的n次。例如，''o{2}'' 不能匹配 "Bob"中的''o''，但是能匹配"food" 中的两个o。（扩展元字符） {n,} n是一个非负整数。至少匹配n次。例如，''o{2,}'' 不能匹配"Bob"中的'o''，但能匹配 "foooood"中的所有o。''o{1,}''等价于''o+''。''o{0,}''则等价于''o*''。（扩展元字符） {n,m} m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，"o{1,3}"将匹配 "fooooood"中的前三个o。''o{0,1}''等价于''o?''。请注意在逗号和两个数之间不能有空格。 b 匹配一个单词边界，也就是指单词和空格间的位置。例如，''erb'' 可以匹配"never" 中的''er''，但不能匹配 "verb"中的 ''er''。 B 匹配非单词边界。''erB''能匹配"verb"中的''er''，但不能匹配"never"中的 ''er'' w 匹配包括下划线的任何单词字符。等价于''[A-Za-z0-9_]''。 W 匹配任何非单词字符。等价于''[^A-Za-z0-9_]''。 d 匹配一个数字字符。等价于[0-9]。 D 匹配一个非数字字符。等价于[^0-9]。 f 匹配一个换页符。等价于x0c和cL。 n 匹配一个换行符。等价于x0a和cJ。 r 匹配一个回车符。等价于x0d和cM。 s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于[fnrtv]。 S 匹配任何非空白字符。等价于[^fnrtv]。 t 匹配一个制表符。等价于x09 和 cI。 v 匹配一个垂直制表符。等价于x0b和cK。 常用的就介绍到这里，其它的需要进一步了解可以查阅手册或资料。 元字符集 ^ 锚定行的开始 如：/^sed/匹配所有以sed开头的行。 $ 锚定行的结束 如：/sed$/匹配所有以sed结尾的行。 . 匹配一个非换行符的字符 如：/s.d/匹配s后接一个任意字符，然后是d。 * 匹配零或多个字符 如：/*sed/匹配所有模板是一个或多个空格后紧跟sed的行。 [] 匹配一个指定范围内的字符，如/[Ss]ed/匹配sed和Sed。 [^] 匹配一个不在指定范围内的字符，如：/[^A-RT-Z]ed/匹配不包含A-R和T-Z的一个字母开头，紧跟ed的行。 (..) 保存匹配的字符，如s/(love)able/1rs，loveable被替换成lovers。 & 保存搜索字符用来替换其他字符，如s/love/**&**/，love这成**love**。 &; 锚定单词的开始，如:/&;love/匹配包含以love开头的单词的行。 &; 锚定单词的结束，如/love&;/匹配包含以love结尾的单词的行。 x{m} 重复字符x，m次，如：/0{5}/匹配包含5个o的行。 x{m,} 重复字符x,至少m次，如：/o{5,}/匹配至少有5个o的行。 x{m,n} 重复字符x，至少m次，不多于n次，如：/o{5,10}/匹配5?10个o的行。 部分例子 /b([a-z]+)1b/gi 一个单词连续出现的位置 /(w+)://([^/:]+)(:d*)?([^# ]*)/ 将一个URL解析为协议、域、端口及相对路径 http /^(?:Chapter|Section) [1-9][0-9]{0,1}$/定位章节的位置 /[-a-z]/ A至z共26个字母再加一个-号。 /terb/ 可匹配chapter，而不能terminal /Bapt/ 可匹配chapter，而不能aptitude /Windows(?=95 |98 |NT )/ 可匹配Windows95或Windows98或WindowsNT,当找到一个匹配后，从Windows后面开始进行下一次的检索匹配。 下面来些更加高级些的例子。 对于vi 中命令的分析 s/(^.*$)n^.*$/1/g 初一看，会傻眼，眼前感觉全是$^.*/……这些符号的闪动。 不要紧，下面慢慢道来。 先给出vi中替换命令的格式。 s/re/string 用string替换正则表达式re 如果在后面加了个g 如： s/re/string/g 表示表示对该行内符合模式的进行全部替换。 例如，s///_/g 这个正则表达式就表示，对行内所有的斜扛（/）替成下划线（_）， /即替换命令格式中的re，用反斜扛是为了转义， /即表示 / 的本意；_即替换命令格式中的string。 好了，了解vi中替换命令的格式后,我们再对细节进行分析。 前面介绍到 (...) 表示正则表达式分组，n表示第 n 个分组内容，于是对于 s/(^.*$)n^.*$/1/g 中的 1 ，就表示第一个正则表达式分组即(^.*$)，我们暂将第一个正则表达式分组(^.*$)其记为：A 类推，2就应该表示第二个正则表达式分组，即 n^.*$ 实际上 也应该写在括号内比较好：(n^.*$) ，我们也暂将第二个正则表达式分组 n^.*$ 记为：B 好了， %s/(^.*$)n^.*$/1/g 就可以写为： s/AB/A/g 作用就是将行内所有的AB都替换成A。 现在我们来分别分析A和B的作用。 A=(^.*$) 抽取出来实际上是(...)，表示正则表达式 分组，再分析括号内的^.*$，^代表行首，点号(.)匹配任意字符(除换行符),星号(*)匹配重复零次或多次前一字符,$代表匹配到行尾，综合起来就是：匹配这一行 B=n^.*$ 分析： n换行，^.*$同上，表示匹配这一行，综合起来就是：下一行（即上行结束后开始的另一行）。 再于是就有：%s/AB/A/g 即将所有AB都替换成B ，代入A和B各自意思得到： 将两行（如行1和行2 ）内容替换为第一行内容（即行1的内容），加上/g，就是对全文进行前述替换，也就是隔行删除，如果是从文件第一行开始进行的操作，就意味着是删除所有偶数行、保留所有奇数行操作。 从上面的分析过程中，我们总结出两条有用的正则表达式： %s/(^.*$)n^.*$/1/g 删除偶数行 %s/^.*$n(^.*$)/1/g 删除奇数行 不过瘾的话，还可以再看看另一例子： sed 's/(.*)(.)$/2/' 2就应该表示第二个正则表达式分组 同上，也将A=/(.*)，B=(.)$，表达式变为's/AB/B'，将AB都替换成B 。 分析A、B作用。 A=/(.*) 抽取出来实际上是(...)，表示正则表达式 分组，再分析括号内的 .*，表示匹配任意零个或多个字符 ( 除换行符 ) B=(.)$ 括号内的 . ，表示匹配任意字符(除换行符),括号外的$表示匹配到行尾，即表示行尾的最后一个字符；那上述的A /(.*) 就表示该行最后一个字符前的所有字符。 于是sed 's/(.*)(.)$/2/' 作用就是：删除该行除最后一个字符外的所有字符，保留最后一个字符，也即取得该行最后一个字符。 好了，正则表达式的介绍就告一段落，知识点比较多，需要平时反复的积累，遇到复杂的正则表达式时首先要克服恐惧的心理，然后按照上面的方法化繁为简，抓住其本质的东西，有如探囊取物，必手到擒来。 （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! |