大体来讲,正则表达式的文法分为3种标准:BRE、ERE 和 ARE。其中 BER 和 ERE 属于 POSIX 标准,ARE 则是由各家定义的扩展
简介
大体来讲,正则表达式的文法分为3种标准:BRE、ERE 和 ARE。其中 BER 和 ERE 属于 POSIX 标准,ARE 则是由各家定义的扩展。POSIX 正则表达式传统上,POSIX 定义了两种正则表达式语法, 即:基本正则表达式(BRE)和扩展正则表达式(ERE)。其中, BRE 定义的语法符号包括:. - 匹配任意一个字符。[] - 字符集匹配,匹配方括号中定义的字符集之一。[^] - 字符集否定匹配,匹配没有在方括号中定义的字符。^ - 匹配开始位置。$ - 匹配结束位置。\(\) - 定义子表达式。\n - 子表达式向前引用,n 为 1-9 之间的数字。 由于此功能已超出正则语义,需要在字符串中回溯,因此需要使用 NFA 算法进行匹配。* - 任意次匹配(零次或多次匹配)。\{m,n\} - 至少 m 次,至多 n 次匹配;\{m\} 表示 m 次精确匹配;\{m,\} 表示至少 m次匹配。ERE 修改了 BRE 中的部分语法,并增加了以下语法符号:? - 最多一次匹配(零次或一次匹配)。+ - 至少一次匹配(一次或更多次匹配)。| - 或运算,其左右操作数均可以为一个子表达式。同时,ERE 取消了子表达式 "()" 和 次数匹配 "{m,n}" 语法符号的转义符引用语法,在使用这两种语法符号时,不在需要添加转义符。 与此同时, ERE 也取消了非正则语义的子表达式向前引用能力。BRE 和 ERE 共享同样的 POSIX 字符类定义。同时,它们还支持字符类比较操作 "[. .]"和字符来等效体 "[= =]" 操作,但很少被使用。f / fr / wfr / bwfr 等工具默认使用 ERE 模式,同时支持以下 perl 风格的字符类:POSIX 类 perl类 描述----------------------------------------------------------------------------[:alnum:] 字母和数字[:alpha:] \a 字母[:lower:] \l 小写字母[:upper:] \u 大写字母[:blank:] 空白字符(空格和制表符)[:space:] \s 所有空格符(比[:blank:]包含的范围广)[:cntrl:] 不可打印的控制字符(退格、删除、警铃...)[:digit:] \d 十进制数字[:xdigit:] \x 十六进制数字[:graph:] 可打印的非空白字符[:print:] \p 可打印字符[:punct:] 标点符号- 此外,还有以下特殊字符类:perl类 等效POSIX表达式 描述----------------------------------------------------------------------------\o [0-7] 八进制数字\O [^0-7] 非八进制数字\w [[:alnum:]_] 单词构成字符\W [^[:alnum:]_] 非单词构成字符\A [^[:alpha:]] 非字母\L [^[:lower:]] 非小写字母\U [^[:upper:]] 非大写字母\S [^[:space:]] 非空格符\D [^[:digit:]] 非数字\X [^[:xdigit:]] 非十六进制数字\P [^[:print:]] 非可打印字符- 还可以使用以下特殊字符换码序列:\r - 回车\n - 换行\b - 退格\t - 制表符\v - 垂直制表符\" - 双引号\' - 单引号高级正则表达式除了 POSIX BRE 和 ERE 之外,libutilitis 还支持与TCL 8.2兼容的高级正则表达式语法(ARE)。 通过为 stRegEx 参数增加前缀 "***:" 就可以开启 ARE 模式,这个前缀覆盖 bExtended 选项。基本上讲,ARE 是 ERE 的超集。 它在 ERE 的基础上进行了如下几项扩展:1. 支持"懒惰匹配"(也叫"非贪婪匹配"或"最短匹配"):在 '?', '*', '+' 或 '{m,n}'后追加 '?' 符号就可以启用最短匹配,使得该正则表达式子句在满足条件的前提下匹配尽可能少的字符(默认是匹配尽可能多的字符)。例如:将 "a.*b" 作用于 "abab"时,将匹配整个串("abab"),若使用 "a.*?b",则将只匹配前两个字符("ab")。2. 支持子表达式的向前引用匹配:在 stRegEx 中,可以使用 '\n' 向前引用曾经定义的子表达式。如:"(a.*)\1" 可匹配 "abcabc" 等。3. 无名子表达式:使用 "(?:表达式)" 的方式创建一个无名表达式, 无名表达式不返回到一个 '\n' 匹配。4. 向前预判:要命中匹配,必须向前满足指定条件。 向前预判分为肯定预判和否定预判两种。肯定预判的语法为:"(?=表达式)",例如:"bai.*(?=yang)" 匹配 "bai yang"中的前四个字符("bai "),但在匹配时保证字符串在 "bai.*" 后必须包含 "yang".否定判断的语法为:"(?!表达式)", 例如:"bai.*(?!yang)" 匹配 "bai shan" 的前四个字符,但在匹配是保证字符串在 "bai.*" 后不出现 "yang"。5. 支持模式切换前缀,在 "***:" 之后可以紧跟形如 "(?模式串)" 样式的模式串,模式串影响其后表达式的语义和行为。模式串可以是一下字符的组合:b - 切换至 POSIX BRE 模式,覆盖 bExtended 选项。e - 切换至 POSIX ERE 模式,覆盖 bExtended 选项。q - 切换至文本字面匹配模式, 表达式中的字符都作为文本进行搜索,取消一切正则语义。此模式将正则匹配退化为一次简单字符串查找。"***=" 前缀是其快捷表示方式,意即:"***=" 等同于 "***:(?q)"。c - 执行大小写敏感的匹配,覆盖 bNoCase 选项。i - 执行忽略大小写的匹配,覆盖 bNoCase 选项。n - 开启行敏感的匹配:'^' 和 '$' 匹配行首和行尾;'.' 和否定集('[^...]')不匹配换行符。此功能等同于 'pw' 模式串。覆盖 bNewLine 选项。m - 等同于 'n'。p - '^' 和 '$' 只匹配整个字符串的首尾,不匹配行;'.' 和否定集不匹配换行符。覆盖 bNewLine 选项。w - '^' 和 '$' 匹配行首和行尾;'.' 和否定集匹配换行符。覆盖 bNewLine 选项。s - '^' 和 '$' 只匹配整个字符串的首尾,不匹配行;'.' 和否定集匹配换行符。覆盖 bNewLine 选项。ARE 状态下默认使用此模式。x - 开启扩展模式:在扩展模式中,将忽略表达式中的空白符和注释符 '#' 后的内容例如:@code@(?x)\s+ ([[:graph:]]+) # first number\s+ ([[:graph:]]+) # second number@code@等同于 "\s+([[:graph:]]+)\s+([[:graph:]]+)"。t - 关闭扩展模式,不忽略空白符和注释符后的内容。ARE 状态下默认使用此模式。6. 与 BRE/ERE 模式不同的 Perl 风格字符类换码序列:perl类 等效POSIX表达式 描述----------------------------------------------------------------------------\a - 响铃字符\A - 不论当前模式如何,仅匹配整个串的最开头\b - 退格字符 ('\x08')\B - 转义字符本身 ('\\')\cX - 控制符-X (= X & 037)\d [[:digit:]] 10 进制数字 ('0' - '9')\D [^[:digit:]] 非数字\e - 退出符 ('\x1B')\f - 换页符 ('\x0C')\m [[:<:]] 单词开始位置\M [[:>:]] 单词结束位置\n - 换行符 ('\x0A')\r - 回车符 ('\x0D')\s [[:space:]] 空白符\S [^[:space:]] 非空白符\t - 制表符 ('\x09')\uX - 16 位 UNICODE 字符 (X∈[0000 .. FFFF])\UX - 32 位 UNICODE 字符 (X∈[00000000 .. FFFFFFFF])\v - 纵向制表符 ('\x0B')\w [[:alnum:]_] 组成单词的字符\W [^[:alnum:]_] 非单词字符\xX - 8 位字符 (X∈[00 .. FF])\y - 单词边界(\m 或 \M)\Y - 非单词边界\Z - 不论当前模式如何,仅匹配整个串的最尾部\0 - NULL,空字符\X - 子表达式向前引用 (X∈[1 .. 9])\XX - 子表达式向前引用或 8 进制表示的 8 字符\XXX - 子表达式向前引用或 8 进制表示的 8 字符