GNU ERE正则表达式

GNU ERE正则表达式的正则表达式匹配引擎采用的匹配模型见《一种正则表达式匹配模型》。
由于GNU grep命令的“-E”模式使用GNU ERE正则表达式，因此本文接下来使用它进行实验。
特别需要强调的是，由于“locale设置”不同，操作系统环境不同等因素，同一个正则表达式可能具有不同的表达含义。比如在“locale=C”设置下，“[a-d]”等价于“[abcd]”，而在有些locale设置下，“[a-d]”等价于“[aBbCcDd]”。又比如只在有些locale设置中，“\w”等价于“[a-zA-Z_0-9]”，“\W”等价于“[^a-zA-Z_0-9]”才成立。
接下来的语法介绍只针对“一般情形”，而不针对“特殊情形”，为了确保在你的“具体情形”下，正则表达式能够如你所期望地进行表达，最好能够提前进行一些测试。
正则表达式中不同语法单元具有不同的优先级顺序，无需记忆，使用“匹配组（即()对）”方式更加清晰明了。

一、字符类

1.1、定义

字符类	定义
[abc]	匹配“a，b，c”3个字符之一
[^abc]	匹配除了“a，b，c”3个字符之外的任意一个字符
[a-zA-Z]	匹配26个小写英文字符和26个大写英文字符中的任意一个
[^a-z]	匹配除了26个小写英文字符之外的任意一个字符

1.2、实验

有文件“a.txt”，内容如下：

1 2	hello world this is an experiment

执行命令	结果
`grep -E '[old]' a.txt`	hello world
`grep -E '[^old]' a.txt`	hello world this is an experiment
`grep -E '[x-z]' a.txt`	this is an experiment

二、预定义字符类

2.1、定义

预定义字符类	定义
.	匹配任意字符，除了行终止符
\w	等价于[a-zA-Z_0-9]
\W	等价于[^\w]

2.2、实验

有文件“a.txt”，内容如下（第5行是个“TAB”字符）：

a$
A$
9$
_$
	
$$

执行命令	结果
`grep -E '.' a.txt`	a$ A$ 9$ _$ $$
`grep -E '\w' a.txt`	a$ A$ 9$ _$
`grep -E '\W' a.txt`	a$ A$ 9$ _$ $$

三、量词修饰符

3.1、定义

量词修饰符	定义
X?	匹配0次或者1次
X*	匹配0次或者0次以上
X+	匹配1次或者1次以上
X{n}	匹配n次
X{n,}	匹配至少n次
X{,m}	匹配至多m次
X{n,m}	匹配至少n次，至多m次

3.2、实验

有文件“a.txt”，内容如下（第1行是空行）：


a
bb
ccc

执行命令	结果
`grep -E 'a?' a.txt`	a bb ccc
`grep -E 'a*' a.txt`	a bb ccc
`grep -E 'b+' a.txt`	bb
`grep -E '.{2}' a.txt`	bb ccc
`grep -E '.{1,}' a.txt`	a bb ccc
`grep -E '.{,2}' a.txt`	a bb ccc
`grep -E '.{2,3}' a.txt`	bb ccc

四、匹配组

4.1、定义

正则表达式中由“()”对括起来的子表达式被称为“匹配组”，它作为独立的匹配单元参与匹配。在正则表达式中，“匹配组”的数量就是“()”对的数量，“匹配组”的标号按照“(”符号出现的先后顺序进行确定：从“1标号-匹配组”开始。也存在“0标号-匹配组”，它是特殊的“匹配组”，它代表整个正则表达式。比如有((A)(B(C)))，其中“匹配组”数量为“4”，“1标号-匹配组”是“((A)(B(C)))”，“2标号-匹配组”是“(A)”，“3标号-匹配组”是“(B(C))”，“4标号-匹配组”是“(C)”，“0标号-匹配组”是“((A)(B(C)))”；又有(A)(B(C))，其中“匹配组”数量为“3”，“1标号-匹配组”是“(A)”，“2标号-匹配组”是“(B(C))”，“3标号-匹配组”是“(C)”，“0标号-匹配组”是“(A)(B(C))”。
可通过“\匹配组标号”形式在正则表达式引用相应“匹配组”在目标字符串中的匹配字符串内容，需要注意的是，不能使用“\0”，因为这是“语义非法的”。证明如下：现有一个正则表达式“abc\0”（a，b，c分别表示3个部分），为使该正则表达式有意义，“abc”3部分至少有一个不为空，假定该正则表达式存在对应的匹配字符串T，由于“T”与“\0”匹配，而“abc”至少有一个不为空，得到一个矛盾，因此假定不成立，即该正则表达式无对应的匹配字符串。

4.2、实验

有文件“a.txt”，内容如下：

1 2	abcabc abcabd

执行命令	结果
`grep -E '([a-z]{3})\1' a.txt`	abcabc
`grep -E '([a-z]{2})c\1' a.txt`	abcabc abcabd

五、边界匹配符

5.1、定义

边界匹配符	定义
^	索引位置为“行首位置”，跟行终止符无关
$	索引位置为“行尾位置”，行终止符为“\n”
<	索引位置为“行首位置”，跟行终止符无关，跟“^”等价
\>	索引位置为“行尾位置”，行终止符为“\r”或者“\n”
\b	索引位置为“单词边界位置”
\B	索引位置为“非单词边界位置”

5.2、实验

有文件“a.txt”，内容如下：

1 2	hello world this is an experiment

执行od -A d -t x1cz -v -w10 a.txt命令，结果如下：

0000000  68  65  6c  6c  6f  20  77  6f  72  6c
          h   e   l   l   o       w   o   r   l  >hello worl<
0000010  64  0a  74  68  69  73  20  69  73  20
          d  \n   t   h   i   s       i   s      >d.this is <
0000020  61  6e  20  65  78  70  65  72  69  6d
          a   n       e   x   p   e   r   i   m  >an experim<
0000030  65  6e  74  0a
          e   n   t  \n                          >ent.<
0000034

有文件“b.txt”，内容如下：

1 2	hello world this is an experiment

执行od -A d -t x1cz -v -w10 b.txt命令，结果如下：

0000000  68  65  6c  6c  6f  20  77  6f  72  6c
          h   e   l   l   o       w   o   r   l  >hello worl<
0000010  64  0d  0a  74  68  69  73  20  69  73
          d  \r  \n   t   h   i   s       i   s  >d..this is<
0000020  20  61  6e  20  65  78  70  65  72  69
              a   n       e   x   p   e   r   i  > an experi<
0000030  6d  65  6e  74  0d  0a
          m   e   n   t  \r  \n                  >ment..<
0000036

执行命令	结果
`grep -E '\be' a.txt`	this is an experiment
`grep -E '\Bh\B' a.txt`	this is an experiment
`grep -E '^[ht]' a.txt`	hello world this is an experiment
`grep -E '^[ht]' b.txt`	hello world this is an experiment
`grep -E '\<[ht]' a.txt`	hello world this is an experiment
`grep -E '\<[ht]' b.txt`	hello world this is an experiment
`grep -E '[dt]$' a.txt`	hello world this is an experiment
`grep -E '[dt]$' b.txt`
`grep -E '[dt]\>' a.txt`	hello world this is an experiment
`grep -E '[dt]\>' b.txt`	hello world this is an experiment

六、转义

6.1、定义

在正则表达式中，使用前导“\”字符来转义元字符。元字符有+{}|()?[].^$*-等。

6.2、实验

有文件“a.txt”，内容如下：

1
2

a
.

执行命令	结果
`grep -E '.' a.txt`	a .
`grep -E '\.' a.txt`	.

七、操作符

7.1、定义

操作符	定义
\|	“或”操作符

7.2、实验

有文件“a.txt”，内容如下：

1
2

ab
dc

执行命令	结果
`grep -E 'ab\|dc' a.txt`	ab dc

参考文献： [1]man grep [2]http://www.regular-expressions.info/gnu.html