正则表达式要点有哪些

这篇文章主要介绍正则表达式要点有哪些，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

正则表达式（Regular Expression）是强大、便捷、高效的文本处理工具。

正则表达式的元字符与其他字符结合起来，实现我们期望的功能。

典型元字符：

^    脱字符，一行的起始，匹配的是行开始的位置

$    美元符，一行的结束，匹配的是行结尾的位置

|    竖线、管道，多选结构，匹配分隔两边的任意子表达式

(…)   括号，限制竖线（管道）的作用范围，单用grep不支持，需用grep -E或egrep

[…]   字符组，匹配里面的若干字符之一（正则表达式结构体Construct[]，列出在某处期望匹配的字符）

[^…]  排除型字符组，匹配未列出的任意字符

-            连字符，表示一个范围，用于字符组内部时才是元字符

.     点号，单个任意字符，用来匹配任意字符的字符组的简便写法

\<    反斜线小于，单词分界符\<用于匹配单词（字符组合，字母数字符号）开头的位置

\>    反斜线大于，单词分界符\>用于匹配单词（字符组合，字母数字符号）结束的位置

同一字符在不同位置，含义可能不一样，需注意区分。加参数-i表示匹配时不区分大小写。

实例分析：

cat        寻找一行文本中任意位置的cat，如cat、catalog、scat、scatter

^cat       寻找行首的cat，如catalog

cat$       寻找行尾的cat，如scat

^cat$      只包含cat的行

^$         空行，没有任何字符（包括空白字符）

^          单独使用无意义

\<cat\>     匹配单词cat

^(From|Subject):   表示寻找以From:或者Subject:开头的行

包含型字符组：

[123456]      匹配1到6中的任意一个数字

<H[123456]>   匹配<H1>~<H6>，可以写成<H[1-6]>，-为连字符，用于字符组内部时，表示一个范围。

[0-9]          匹配一个数字

[a-z]          匹配一个小写字母

[A-Z]          匹配一个大写字母

[0-9A-Z_!.?]    匹配一个数字、大写字母、下划线、惊叹号、点或问号

[0123456789abcdefABCDEF]   可以写成[0-9a-fA-F]或者[A-Fa-f0-9]，顺序无所谓，适合处理16进制数字

[abc]、[a-c]、（a|b|c）表示同一个意思，但不是所有字符都可以这样表示。字符组效率相对较高。

排除型字符组：

[^…]          匹配任何未列出的字符，字符组内部开头的^表示排除（negate），列出不希望匹配的字符

n[^d]         匹配n后面不是字符d的行

[^d]          匹配不是仅包含字母d的行，即排除仅包含字母d的行

排除型字符组表示“匹配未列出的字符（match a character that’s not listed）”，而不是“不要匹配列出的字符（don’t match what is listed）”。

匹配文件目录/路径的方法：

./([^/]+)/      匹配./后面不是只有/但可以是其他字符（出现次数不限）的行，最后面还有/

实测发现此正则表达式还不够严谨

因为.是匹配单个任意字符（不一定是.   还可能是字母或其它字符）

若要匹配单独的.   需要加转义符\或者脱字符^

实例：
[root@CentOS6 shell]# grep -E '\./([^/]+)/' dir.txt        #加转义符\

./home/

./...yes../

./new/

./100/

./中国/

./2015/

./2014-12-31/

[root@CentOS6 shell]# grep -E '^./([^/]+)/$' dir.txt      #加行首行尾锚定符^和$

./home/

./...yes../

./new/

./100/

./中国/

./2015/

./2014-12-31/

[root@CentOS6 shell]# cat dir.txt

//

.//

./home/

./...yes../

.//~/

./new/

./100/

./中国/

./2015/

./2014-12-31/

/hometown/

yesterday

@China

.///

.////

.//~/~/

abcd//~/

..//../

[root@CentOS6 shell]#

用点号.匹配任意字符：

元字符.（也称点号dot、小点point）是用来匹配任意字符的字符组的简便写法。

如果需要在表达式中使用一个“匹配任意字符”的占位符（placeholder），用点号.就很方便。

例如：

要搜索03/19/76、03-19-76、03-19-76，表达式可以写成字符组形式：03[-./]19[-./]76

也可以使用点号.替代字符组：03.19.76

相对而言，03[-./]19[-./]76更精确，03.19.76里的点号.匹配到还可能是其他字符。具体用哪个取决于目标文本的情况。

字符组内的点号.不是元字符，仅代表普通的点字符；

在字符组内的连字符-，是否表示范围要看其所在位置，在开头或结尾都不是表示范围，在中间（且不是在[^后面）的才是。例如：[.-/]中-是表示范围，但[^-/.]、[./-]里的-都不是表示范围。

管道|多选结构：匹配任意子表达式

|也是一个元字符，意为或（or），通过它可以把不同的子表达式组合成一个总的表达式，在这样的组合中，子表达式称为“多选分支（alternative）”。

如：gr[ea]y    可以采用|写成grey|gray，或者gr(a|e)y。

注意不要写成gr[a|e]y，这里面的|只是普通的字符，因为在字符组内部。

多选结构可以包括很多字符，但不能超越括号的界限。

一个字符组只能匹配目标文本中的单个字符，而每个多选结构自身都可能是完整的正则表达式，都可以匹配任意长度的文本。

(first|1st)与（fir|1）st                     同一意思

(First|1st) [Ss]treet与(Fir|1)st [Ss]treet        同一意思

在一个包含多选结构的表达式中使用脱字符^和美元符$的时候要小心。

分析：

^From|Subject|Date:      匹配^From或Subject或Date:

^(From|Subject|Date):     匹配^From:或^Subjec:或^Date:     常用于提取E-mail文件中的信息

两者的匹配结果是不一样的。

如果希望在每个多选分支之前都有脱字符^，之后都有:，需要使用括号来限制（constrain）这些多选分支。

典型用法：

grep -E 'From:|Subject:' test.txt

grep -E '^(From|Subject|Date):' test.txt   //单引号、双引号都可以，扩展正则

egrep '^(From|Subject|Date):' test.txt

元字符序列\<和\> 单词分界符：

使用正则表达式时经常会遇到一个问题，就是期望匹配的“单词”包含在另一个单词之中。

单词分界符\<和\>用于匹配单词开头和结束的位置。注意：<和>本身并不是元字符，只有当它们与斜线\结合起来的时候，整个序列才有特殊意义（称为元字符序列）。不是所有的egrep版本都支持单词分界符。

分析：

\<cat\>意为匹配单词的开头位置，然后是c a t这3个字母，之后是单词的结束位置，简单的说就是匹配cat这个单词。

也可以用\<cat和cat\>来分别匹配以单词（或者说字母组合）cat开头和结束的单词。

egrep（相当于grep -E）认定的单词开头位置用向上的箭头标识，单词结束位置用向下的箭头标识。

“单词的开始和结束”准确地说是“字母数字字符号的开始和结束”。

可选项元素、通配符Wildcards：

optional items可选项元素

问号?  代表可选项，表示任意单个字符，把它加在一个字符的后面，就表示此处容许出现这个字符，不过它的出现并非匹配成功的必要条件。哪个字符可选，?就放在哪个字符后面。需要使用egrep或grep -E。

color、colour        可以通过colou?r来匹配

July、Jul            可以通过July?或(July|Jul)来匹配

fourth|4th|4        可以通过fourth|4(th)?来匹配   嵌套了括号，问号?作用的对象是整个括号内的内容。

括号及反向引用

括号的用途：

1、限制多选项的范围

2、将若干字符组合为一个单元，受问号?或星号*之类量词的作用，如four(th)?、(a)*

3、反向引用backreference    容许匹配与表达式先前部分匹配的同样的文本

例如：\<([A-Za-z]+).+\1\>      这里的括号()和\1用于支持反向引用

在支持反向引用的工具软件中，括号()能够“记忆”其中的子表达式匹配的文本，不论这些文本是什么，元字符序列\1都能记住它们。而且，在一个表达式中可以使用多个括号，在用\1、\2、\3等来表示第一、第二、第三组括号匹配的文本。括号是按照开括号“(”从左至右的出现顺序进行的。

例如：([a-z])([0-9])\1\2中的\1代表[a-z]匹配的内容，\2代表[0-9]匹配的内容。

转义

.本身是元字符，它可以匹配任何字符，包括空格。

真正匹配文本中点号.的元序列应该是反斜线（backslash）加上点号的组合：

aga\.att\.com

\.称为“转义的点号”或“转义的句号”，这种方法适用于所有的元字符，但在字符组内部无效。

这样使用的反斜线成为“转义符（escape）”——它作用的元字符会失去特殊含义，成为普通字符。

还可以用\([a-zA-Z]+\)来匹配一个括号内的单词，例如(very)，在开闭括号之前的反斜线消除了开闭括号的特殊意义，于是能够匹配文本中的开闭括号。

变量名：

许多程序设计语言都有标识符（identifier，例如变量名）的概念。

标识符只包含字母、数字以及下划线，但不能以数字开头。

可以用[a-zA-Z_][a-zA-Z_0-9]*来匹配标识符：

第一个字符组匹配可能出现的第一个字符；

第二个（包括对应的*）匹配余下的字符。

引号内的字符串：

匹配引号内的字符串，最简单的方法是使用表达式：”[^”]*”

两端的引号用来匹配字符串开头和结尾的引号。

在这两个引号之间的文本可以包括双引号之外的任何字符。

这里用[^”]来匹配除双引号”之外的任何字符，用*来表示两个引号之间可以存在任意数目的非双引号字符。

美元金额（可能包含小数）：

\$[0-9]+(\.[0-9][0-9])?是一种匹配美元金额的办法。

三个部分：\$、…+、(…)?

分别匹配一个美元符号、小数点前的数字（一个或一组数字）、小数点及其之后的数字（一个小数点和两位数字），可以匹配$100.1之类的美元金额，但不能匹配$1,100这样的金额，小数部分是可选的。

如果要匹配的是只包含价格而不含其他字符的行，可以在此表达式两端加上^…$，即：

^\$[0-9]+(\.[0-9][0-9])?$       开头为美元符$，结尾为数字，且必须包含小数点，匹配结果与前者不同

这个表达式不能匹配$.49。

因为：

^    脱字符，一行的起始，匹配的是行开始的位置

$    美元符，一行的结束，匹配的是行结尾的位置

网址HTTP/HTML URL：

网址（Web URL）的形式可能有很多种，所以构造一个能够匹配所以形式的URL的正则表达式很有难度。

但如果只要求匹配大多数常见的URL，则相对比较简单。

常见的HTTP/HTML URL样式如下：

http://hostname/path.html（或htm）

主机名（hostname）（如www.yahoo.com）的规则比较复杂，但因为主机名一般跟在http://之后，可以写成：

[-a-z0-9_.]+   （可能应该是[-a-z0-9_.:]+）

path部分的变换更多，需要写成：

[-a-z0-9_:@&?=+,.!/~*%$]*

注意：用作普通字符的连字符-必须放在字符组的开头，用在字符组中间的是表示范围的元字符。

综合起来就是：

egrep -i ‘\<http://[-a-z0-9_.:]+/[-a-z0-9_:@&?=+,.!/~*%$]*\.html?\>' files

更简化的版本：

egrep -i ‘\<http://[^ ]*\.html?\>' files

可能匹配出一些错误结果，根据具体需求调整表达式即可。

以上是“正则表达式要点有哪些”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！