正则表达式与贪婪规则

在Linux下首先要理解一下元字符的概念。元字符是一类表达的是不同于字面本身含义的字符。有两类元字符：shell的元字符和正则表达式元字符，它们是各司其职的。shell元字符由Unix/Linux的shell来解析，正则表达式的元字符则是由各种执行模式匹配操作的程序来解析，如vi、grep、sed、awk（bash提供了一套模式匹配元字符，类似于grep、sed、awk所使用的正则表达式的元字符，但是还是有所不同的。）

举个简单的例子。比如“*”星号。shell中的星号是通配符，表示匹配0个或者多个任意字符，而RE中的星号则是表示匹配0个或多个相同的前导字符。所以，在RE中，常常用“.*”来表示0个或者多个任意字符。

也就是说，你首先要对比分清shell下的元字符和RE下的元字符并非相同，不可混用。使用工具来应用RE时，要注意使用单引号把正则表达式括起来，防止被shell当作其元字符解析。如果能够区分了，那么还要理解RE也并非是完全一样。现在的正则表达式有两套字符集，一套是基本元字符集，另一套是扩展元字符集。POSIX标准为此提供了一套RE标准。也就是各个工具首先是支持基本元字符集，但是并不一定支持所有的扩展元字符集，这就是实现相关的问题了。需要针对使用RE的工具（比如vim、grep、sed、awk、perl、python等）的帮助文档，看看它所支持的RE元字符集有那些，然后才能设计出合理高效的正则表达式，完成自己的工作。

到这里，基本上把正则表达式的概念，来源，与shell的区别，本身的不同实现都搞清楚了。这样，也就不会询问这个正则表达式在sed下好用，但是使用vim就不行，为什么？很简单，元字符的支持问题。

正则表达式有最长匹配的特性，也就是贪婪规则。

正则表达式是具有贪婪性的，我们从下面这例谈起：
已知str="uid=100(guest) gid=100(others) groups=10(users),11(floppy)"
现在想要得到这个字符串中的第一个括号内的值，即guest该怎么办？假设$str的括号外的内容是不固定的，不能依据uid之类的关键字或空格去查找，所依据的只能是找第一对括号内的内容。

很自然的我们想到用sed，因为sed具有很强的模式匹配的功能，而且能够将匹配的部分内容强行记下来用于输出。这样，我们就会想：
echo $str|sed 's/模式串/1/'
只要模式串写好了,在匹配的过程中把guest这个字符串抠出来，让sed记住，然后用1输出就可以了。怎么写这个模式串？
.*想要匹配"uid=100"
(...)告诉sed要查找括弧内的文本
(.*)让sed记住匹配内容的常用手段，这里匹配的.*将来就能用1取出来
.*想要匹配" gid=100(others) groups=10(users),11(floppy)"部分
于是我们就写成了echo $str|sed 's/.*(.*).*/1/'
结果呢，得到的是"floppy"，为什么？
正则表达式是有贪婪性的，它总是与最长的可能长度匹配，而且越是排在前面的通配符优先级越高。这一例，第一个.*可以匹配"uid=100(guest) gid=100(others) groups=10(users),11"，仍然能保证后面通配符的匹配，那一对()匹配了floppy左右的括号，最后的.*自然是可有可无的，所以sed记住的就是floppy。
怎么办？我们必须打破正则表达式的贪吃性，用更明确的描述来实现这一点：
我们考虑如果在模式串中第一个.*中告诉sed这个.*是不能含有"("的，不久可以将.*限制到"uid=100"了吗？这个意思我们完全可以用[^(]*来表达，于是我们修订刚才的代码，变成：
echo $str|sed 's/[^(]*(.*).*/1/'
似乎应该很好了，执行的结果却是"guest) gid=100(others) groups=10(users),11(floppy"，为什么？
原来仍然是正则表达是的贪婪性在作怪，虽然我们有效的阻止了第一个.*的贪吃，但是我们对(.*)中的.*却未加限制，于是它尽可能匹配了"guest) gid=100(others) groups=10(users),11(floppy",还能保证后面").*"的匹配性。我们再作限制，告诉sed，(.*)中的.*不能含有")"，让它跨不过guest：
echo $str|sed 's/[^(]*([^)]*).*/1/'
这回，输出结果终于是我们想要得"guest"了。

问题解决了，我们也了解了正则表达式（或说通配符）的贪婪性，于是就可以留个问题给大家，让大家自己体会体会：
怎么样取出str中第二对括号的内容"others"？
怎么样取出str中第三对括号的内容"users"？
怎么样取出str中第四对括号的内容"floppy"？（这个还用说吗，就利用正则表达式的贪婪性，我们最开始不就实现它了嘛）

又见michaelds的佳作。
俺来做作业。
str="uid=100(guest) gid=100(others) groups=10(users),11(floppy)"
echo $str|sed 's/[^(]*([^)]*)[^(]*([^)]*)[^(]*([^)]*)[^(]*([^)]*
)/2/'

上式得到others，把2改成3，4可得到users和floppy。