高级正则表达式

1.正则表达模式可能有多层结构，其基本单位称为原子。

 正则表达式模式种接受的特殊字符

字符	说明
.	匹配任意的单个字符
^	指定与输入字符串的开头进行匹配
$	指定与输入字符串的结尾进行匹配
\m	指定与单词的开头进行匹配
\M	指定与单词的结尾进行匹配
\k	匹配非字母也非数字的字符k（如\.匹配句点符号）
\c	当c是字母或数字时，用c替换\c
[chars]	与chars中的任意单个字符匹配。 如果chars中的第一个字符是^，那么就是反转范围，只与不含 ^ 到 ] 之间的字符串匹配。 a-b表示a到b的所有字符（包括a、b）。 如果chars中的第一个字符是 ] ，它会被作为文本处理(而不是终止符). 如果 ~ 出现在chars的第一个或最后一个，它会被作为文本处理。
(regexp)	匹配正则表达式regexp，用于分组或识别匹配的子字符串
*	与由0个或多个前述的原子组成的序列匹配
+	与由一个或多个前述的原子组成的序列匹配
？	与空字符串或前述的一个原子匹配
{m}	匹配与前述原子正好匹配m次的序列
{m,}	匹配与前述原子至少匹配m次的序列
{m,n}	匹配与前述原子至少匹配m次的序列，最多匹配n次的序列
re1|re2|...	与任意一个指定正则表达式匹配。

2.在用方括号表示的范围中，还可以使用“字符类型”来代表一种类型的全部字符。可以联合使用明确规定的字符与一个或多个字符类型。

正则表达式中的字符类型

类型	说明
[:alpha:]	字母
[:alnum:]	字母和数字
[:blank:]	空格和制表符
[:cntrl:]	控制字符
[:digit:]	十进制字符
[:graph:]	图形字符，有对应的可视表现形式的字符， 如数字、字母字符或标点字符
[:lower:]	小写字符
[:print:]	可打印字符，包括[:graph:]类型中的全部字符 再加上空白字符
[:punct:]	标点字符
[:space:]	空白字符
[:upper:]	大写字母
[:xdigit:]	十六进制数字

3.为了编写方便，还可以使用下表列出的转义字符作为字符类型的简写。注意\w和它的反转\W转义序列在定义时都把下划线_视为字母字符之一。

正则表达式中字符类型的转义序列

转义序列	表示的类型
\d	[[:digit:]]
\D	[^[:digit:]]
\s	[[:space:]]
\S	[^[:space:]]
\w	[[:alnum:]_]
\W	[^[:alnum:]_]

4.操作符*、+、？被称为 量词，可以跟在原子后面，用来指定它的重复字数。另一组量词{m}{m,}{m,n}，被称为边界。

5.当一个正则表达式可以与给出的字符串中的多个子字符串匹配时，正则表达式与字符串中最先开始的自表达式匹配。正则表达式的量词设置默认为“贪婪”，即与尽可能多的字符串进行匹配。任意量词都可以在后面跟一个？，将其设置为非贪婪，从而与尽可能短的子字符串进行匹配。

6.在Tcl中，不能在一个正则表达式中混合使用贪婪和非贪婪模式，整个正则表达式的引用模式由表达式中的第一个量词确定。

7.逆向引用：在一个正则表达式中，逆向引用匹配与前一个子表达式相同的字符集。逆向引用的语法是在\后面跟一个前面的子表达式的编号。子表达式依据它们的左括号进行编号。

8.非捕获子表达式，格式为（？：expression）。优点是处理速度更快，缺点是不能逆向引用，不能解析（与非捕获子表达式匹配的子字符串不能作为独立的匹配变量取出）。
9.regexp 命令格式： regexp {正则表达式模式} string (arg1 arg2 ...)，可选参数会被作为变量名对待，第一个变量会存入与整个正则表达式匹配的子字符串，第二个变量会存入与捕获到的第一个子表达式相匹配的子字符串，以此类推。如果变量名的数量比捕获到的子表达式数量多，多余的变量会被设置为空字符串。这种取得部分配对的子字符串的能力使regexp可以用于解析工作。

10.可以在正则表达式前卫regexp指定更多的选项。 -start index指定regexp从该位置开始查找匹配。 -all 会在字符串中查找尽量多次的匹配，并返回总的匹配次数。 -nocase 指定查找匹配时不区分大小写。 -indices 指明额外的变量不应该用于存放匹配的子字符串的值，而是存放给出子字符串范围的首字符和尾字符的索引列表。 -inline 指定返回一个数据列表。-line 激活区分换行的匹配。指定这个选项后，[^括号表达式和 . 绝不会与新行匹配，^原子除了它的普通功能外，与新行后的空字符串匹配。$原子除了它的普通功能外，与新行前的空字符串匹配。

11.regexp 命令支持 -- 选项明确地标志选项结束。建议这么做，否则如果正则表达式模式以 - 字符开头，它可能被错误地解析为另一个选项。

12.使用 regsub 命令，正则表达式也可以用于替换。格式为：regsub (选项) 正则表达式模式 替换字符串 (变量名)。如果替换字符串中包含&或\0，其中的&或\0会被替换为与正则表达式相匹配的子字符串。如果是 \n 形式的序列出现在置换字符串中（n是一个十进制数），与第n个捕获的子表达式相匹配的子字符串会替换掉这个\n。