正则表达式
正则表达式（Regular Expression）是用于描述一组字符串特征的模式，用来匹配特定的字符串。通过特殊字符＋普通字符来进行模式描述，从而达到文本匹配目的工具。类似于生活中常见的寻人启示，通过描述一个人的特征来进行“搜索匹配”
如今正则已经被我们广泛应用，目前被集成到了各种文本编辑器/文本处理工具当中
应用场景
- 验证: 表单提交时，进行用户名密码验证。
- 查找: 从大量信息中快速提取指定内容。在一批url中，查找指定url
-
替换: 将指定格式的文本，进行正则匹配查找，找到之后进行特定替换，（vim文本替换等）
在很多技术领域（比如，自然语言处理，数据存储等），正则表达式可以很方便的提取出我们想要的信息，所以这部分必不可少构成基本要素
- 字符类
- 数量限定符
- 位置限定符
特殊符号
1. 字符类：
| 字符 | 说明 | 举例 |
|---|---|---|
| . | 匹配任意的一个字符 | abc. 可以匹配abcd、abc0等 |
| [] | 匹配 [] 内的任意一个字符 | [012]a可以匹配0a、1a、2a |
| - | 在括号内表示字符范围 | 如[0-9]可以匹配任何一个数字 |
| ^ | 放在[]内前面表示匹配除括号中字符外的任意一个字符 | [^ab]c可以匹配1c、dc，但是不能匹配ac、bc |
| [[:xxx:]] | grep工具预定义的一些命名字符类 | [[:digit:]]可以匹配一个数字，[[:alpha:]]匹配一个字符，[[:lower:]]匹配任何一个小写字母等 |
应用：
- grep使用--color选项将匹配的字符串以红色标注出来
- Linux下可以用echo $?来打印上一条命令执行的退出码，为0表示执行成功，1表示失败。
实验如下：
注意：使用 . 默认为贪心匹配，和后面的正则匹配方式相关，后面再述。
2. 数量限定符：
| 字符 | 说明 | 举例 |
|---|---|---|
| ? | 匹配紧跟它前面的单元(前面的一个数字或字符) 0或1次 | 如匹配小数，用0\.?[0-9]匹配0.1 、0.2、0.3等；由于.在正则里面是特殊符号所以需要用\进行转义操作(后面再说) |
| + | 匹配紧跟它前面的单元 1或多次 | [a-zA-Z0-9_.-]+@[a-zA-Z0-9_.-]+\.com匹配一个邮箱地址 |
| * | 匹配紧跟它前面的单元0或多次 | [0-9][0-9]*匹配至少一位数字，等价于[0-9]+ |
| {N} | 精确匹配紧跟它前面的单元N次 | [0-9]{3}匹配000到999之间的数字 |
| {N,} | 匹配紧跟它前面的单元至少N次 | [0-9]{3,}匹配三位及其以上的数字 |
| {,M} | 匹配紧跟它前面的单元最多M次 | [0-9]{,1}等价于[0-9]? |
| {N,M} | 匹配紧跟它前面的单元N~M次 | 近似匹配IP地址：[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3} |
应用：
3. 位置限定符：
| 字符 | 说明 | 举例 |
|---|---|---|
| ^ | 匹配行首位置，从行首开始匹配 | ^world只匹配一行开头的world |
| $ | 匹配行末位置，从行末尾开始匹配 | ;$匹配一行末尾的;号，^$匹配空行 |
| < | 匹配单词开始位置 | < th匹配this,不匹配teach、ethernet |
| \> | 匹配单词末尾位置 | p\>匹配sleep、leap等，不匹配parent、sleepy |
| \b | 匹配单词的开始位置、末尾位置 | 如 \borld匹配world、aorld，\borld\b只匹配orld |
| \B | 匹配非单词的开头、末尾位置 | 如 \Bat\B匹配battery，不匹配attend、hat等以字符串"at"开头、结尾的单词 |
注意：其中 \b 用来限定是目标串中是否有以指定字符串开头的单词，我们称之为词界。 \B 称之为非词界
应用：
4. 特殊符号：
| 字符 | 说明 | 举例 |
|---|---|---|
| \ | 转义字符，普通字符转义为特殊字符，特殊字符转义为普通字符 | <写成<匹配单词开头，.前面加上\写成\.取 . 的字面值 |
| () | 将正则表达式的一部分括起来组成一个单元，可以对整个单元使用数量限定符 | ([0-9]{1,3}\.){3}[0-9]{3}匹配IP地址 |
| | | 连接两个子表达式，表示或的关系 | n(o|either)匹配no或neither |
应用：
( )将包含内容括起来作为一个整体，进而通过数量限定符限定。
| 用来级联多个条件，只要有任意一个匹配，即可匹配，表示或者关系，我们称之为析取符，
正则表达式版本
其他常用通用字符集及其替换
| 符号 | 等价于 | 匹配 |
|---|---|---|
| \d | [0-9] | 数字字符 |
| \D | [^0-9] | 非数字字符 |
| \w | [a-zA-Z0-9_] | 数字字母下划线 |
| \W | [^\w] | 非数字字母下划线 |
| \s | [_\r\t\n\f] | 表格，换行等空白区域 |
| \S | [^\s] | 非空白区域 |
于是, 我们现在可以用这些符号来简化我们正则表达式的编写了？试试
可是结果好像并不如我们所愿？其实这里还与正则表达式版本有关。正则分为以下几个版本：
- 基本的正则表达式（Basic Regular Expression 又叫 Basic RegEx 简称 BREs）
- 扩展的正则表达式（Extended Regular Expression 又叫 Extended RegEx 简称 EREs）
- Perl 的正则表达式（Perl Regular Expression 又叫 Perl RegEx 简称 PREs）
在grep中指定相应的参数即可，而这几个版本中默认的就是基本正则，带上-E选项就是扩展正则，而带上-P参数就是用perl版正则。解决前面的问题，我们这里让grep带上-P选项便可解决了
版本间区别
- 正则表达式的Extended规范和Basic规范基本相同。只是在Basic规范下，有些字符 ?+{}|() 应解释为普通字符,要表示上述特殊含义则需要加 转义。
- 反之，在Extended规范下， ?+{}|() 应该被理解成特殊含义，要取其字面值，也要对其进行 转义。
- 所以， grep 工具带上 -E 选项，表示使用扩展正则来进行匹配，若没有，则表示使用基准正则进行匹配。亦或者直接使用egrep 命令操作
- 带-P选项使用的perl正则匹配是perl语言的集成一种最重要特性，它十分强大，很多语言设计正则式支持的时候基本上都参考Perl的正则表达式。
正则匹配模式
- 贪婪模式
正则表达式去匹配时，会尽量多的匹配符合条件的内容grep 默认就是贪婪匹配，
- 非贪婪模式
正则表达式去匹配时，会尽量少的匹配符合条件的内容 也就是说，一旦发现匹配符合要求，立马就匹配成功，而不会继续匹配下去(除非有g，开启下一组匹配)
总结：可以看到，非贪婪模式的标识符，就是贪婪模式的标识符后面加上一个 ?