正则表达式，regular expression

Regex Tutorial
这个非常好

有中文翻译，不过英文版本有更新


Literal     文本字符
meta-character  元字符、特殊字符
escape sequence:   \meta-character
注意在一些使用了正则表达式的console命令中，'...'或/.../用于表示 search expression 的开始和结尾如
grep '^win'
它们并非元字符

字符：0-9，a-z，A-z，可以打印的符号，空格，Tab，断行（是否作为字符可以特殊的规定）
不可显示字符
\t Tab
\r 回车
\n 换行 （windows使用 \r\n，unix 使用 \n）

字符串  指正则表达式处理的整个内容，包含换行换页等等

元字符

元字符11个：[ ] \ ^ & . | ? * + ( )

它们作为文本字符，要加 escape \, 比如 1\+1=2

1. 任意字符

"." : 匹配一个任意字符，并且不能没有，且不匹配换行

2. 字符集以及字符集内部的范围和取反

• [] : []中的字符被匹配 once and only once
• - : 在 [] 中且在字符中间才是元字符，表示连续范围，[0-9] [0-9A-C]；而 [-a-zA-Z] 第一个 - 不表示范围，而是表示符号 “-” dash
• ^ :取反 [^Ff] 除 f, F 外任一字符；^ 需紧跟 [

字符集中的元字符，只有4个有特殊含义，其他元字符都是文本字符。这4个字符是 ], \, ^, -

常用字符集的简写

\d 等价于 [0-9]

\D 等价于 [^\d]

\w 单词集 [A-Za-z0-9_]

\W [^\w]

\s space，包含空格，Tab, \r, \n

\S  [^\s]

字符集的重复是重复整个字符集，而非某个字符，eg [\d]+，不仅匹配777，也匹配 789

3. 位置

^ (在[]以外) 表示 target string 的开始

$                    表示 target string 的结尾

4. 重复

?: 前面一个字符 0或1次，等价于 {0,1}

*: 前面一个字符 0或多次，>= 0

+: 前面一个字符 1或多次，>= 1

{n}: 前面一个字符 n 次

{n,m}: 前面一个字符 m >= 次数>= n 

eg. [a-z]+ 匹配任意小写字母组合，abc, hkl, a

eg. ".+" 匹配任意字符，但不包含断行

5. 其他元字符

() 将表达式的小成分组合起来。注：()是有分组含义的，在python中这与group有关

| 逻辑或

eg  ((4\.[0-3])|(2\.[0-3])) 匹配 4.0-4.3或2.0-2.3

+,?,*的贪婪性

正则导向的引擎是贪婪的,匹配的结果越长越好。
eg This is a first<\em> text. 
用 <.+>匹配，结果为 first<\em>

可以用懒惰性代替贪婪性
+     +?
*     *?
?     ??

eg abc 用 [a-c]?? 匹配得到4个结果，分别为 |a|b|c| 四个 | 的位置，匹配结果长度为 0