玩转shell-正则表达式深入学习

前言

我们在掌握了如下知识的前提下开始进阶正则的学习或者说小复习

• BRE 和 ERE 的正则基本知识：https://blog.csdn.net/abcnull/article/details/103951287
• Linux 一些常见的基本命令的使用
• Linux 三剑客的熟悉了解，因为正则最常用的还是三剑客中的模式匹配

然后我在这里提供一个正则的测试练习网站：在线正则测试

被语系影响的正则表达式

正则表达式匹配竟然还受到 linux 语系的影响？没错确实如此，

• LANG=C 字符顺序 ABCD，这样我们写 [a-Z] 时候是正常匹配的
• LANG=zh_CN 字符顺序 aAbBcC，这样我们写 [a-Z] 就会出现匹配结果与预期不同的问题了！

本人通过输入 locale 查看 lang 是 LANG=en_US.UTF-8，使用正则时 ok 的

贪婪匹配与非贪婪匹配

贪婪模式和非贪婪模式本质就是默认是最长的匹配还是最短的匹配

比如有表达式abczzzzc，然后我们写几个正则如下

# 贪婪匹配，即趋向于最大长度匹配，将最长的作为默认首选，其他的作为备选。也就是说如果最长没有匹配到会自动匹配次长的
# 匹配到 abczzzzc
ab.*c

# 非贪婪匹配，一旦匹配到就结束了，趋向于最短的匹配，即最短的作为默认首选，其他作为备选，直接在匹配的次数后加上问号
# 匹配到 abc
ab.*?c

# 非贪婪匹配，最终结果可以匹配到 abczzzzc，虽然是非贪婪匹配，默认从最短匹配，但是 2 个匹配不到只能 4 个才匹配得到，但这也是满足条件的
abcz{2,}?c

要注意的元字符

# 匹配单词常用，如“ hello ”中匹配出“hello”
\bhello\b

# 匹配空格
\s

# 匹配一个数字，\d 等价于 [0-9] 等价于 [0123456789]
\d
[0-9]
[0123456789]

# 匹配字母，数字，下划线，汉字，意思就是不匹配除了下划线外乱七八糟的符号
\w

# 表示次数的有如下
{n}
{n,}
{n,m}
?
+
*

容易被误解的地方

# 贪婪匹配和非贪婪匹配，不同只是在于默认取最长还是最短！
只是默认按最长还是最短来匹配，当最长或最短匹配不到时候，会在区间范围内继续匹配！

# []的多次的匹配，是多个随机的值，而不是一个值重复多遍！
[0-9]{3} 是指 3 个数，这三个数是可以相同也可以不相同的，形如 [0-9][0-9][0-9]，而不是说同一个数字重复了 3 遍！\d{3} 的逻辑也是一样的！也就是说 {} 或者 * 或者 + 表示把前面表达式抄写了多少遍

# 正则表达式中不要随意加空格，养成良好的编写正则的习惯

# [^] 既不是表示括号中什么以哪一个元素打头，也不是表示括号中随意一个元素不在，而是表示整体取反，比如说下面表示既没有 1 又没有 2 数字，并且中括号里的表示单个字符，下面不是 12，而是 1，2
[^12]

常用正则

# 任意多少个什么字符，可以为 0 个，贪婪匹配最长
.*
# 非贪婪匹配最短
.*?
# 任意多少个什么字符，最少为 1 个，贪婪匹配最长
.+
# 非贪婪匹配最短
.+?

# 代表匹配 n 个，? + * 也都可以表示匹配几个
{n}
# 匹配 n 个或者以上，贪婪匹配
{n,}
# 非贪婪匹配
{n,}?

匹配实战

# 匹配座机号码 0123-5111111，以 0 打头
0\d{3}-\d{7}
0[0-9]{3}-[0-9]{7}