正则表达式

发表于 | 分类于
英文名：Regular Expression，常简写为regex，计算机科学的一个概念。它使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，它通常被用来检索、替换符合某个模式的文本。

英文名：Regular Expression，常简写为regex，计算机科学的一个概念。它使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，它通常被用来检索、替换符合某个模式的文本。

概念

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

给定一个正则表达式和一个字符串，可以达到如下目的：

  • 给定的字符串是否符合正则表达式的过滤逻辑，如在注册页面验证邮箱地址是否正确
  • 可能通过正则表达式，从字符串中获取想要的特定部分

由于正则表达式的应用对象多为文本，因此在各种文本编辑器里广泛使用。

一些元字符及其描述：

^ 匹配输入字符串的开始位置
$ 匹配输入字符串的结束位置，这两个在VIM里常用到
. 匹配除”\n”外的任何单个字符，包括空格。如s.d可以匹配sad或s d
* 匹配前面的子表达式0-n次。如tu匹配t/tu/tuu/tuuu/…
+ 1-n次。如tu+匹配tu/tuu/tuuu/…
? 0-1次。如tu(rui)?匹配tu/turui
{n} n为非负整数，匹配确定的n次。如fo{2}d匹配food
{n,} 至少n次。{0,}等效于`，{1,}等效于+{n,m}n-m次x|y匹配x或y。如I love (you|her)匹配I love you or I love her[xyz]匹配xyz里任意一个字符，也就是在括号内出现的一个字符，要么x，要么y，要么z。[a-z]匹配a-z这26个字符里的任意一个字符。[^xyz]不出现xyz里的任一字符\d匹配一个数字，等价于[0-9]\D不匹配数字，等价于[^0-9]\n换行\r回车[0-9]{4,6}` 组合技，匹配任意的4位数，5位数，6位数

Ubuntu中正则的应用

假设文件test中有如下内容:

1
2
3
4
5
6
7
8
9
10
11
12
"Open Source" is a good mechanism to develop programs.
apple is my favorite food.

Football game is not use feet only.
this dress doesn't fit me.

However, this dress is about $3183 dollars.^M

GNU is free air not free beer.^M
Her hair is very beauty.^M
Oh! The soup taste good.^M
foooood & food & foood.

以之前介绍过的grep命令grep 参数 正则表达式 文件为例：grep -n 'f..[dt]' test，就匹配了第2行的food和第4行的feet。但是不匹配第4行的Football，因为正则区分大小写。

grep -n '^G' text匹配以G开关的第9行。代表以G开关的行。

grep -n 'soup' text加上个参数-v则反向输出显示，该例是显示带soup的第11行,而参数-nv则显示除第8行的其他行，参数-i表示忽略大小写。

grep -n '^[Ft]' text显示以F或t开关的第4和第5行。

grep -n '^[a-z]' text以小写开关的行全列出，第2和第5行。上面这条等价于：grep -n '^[[:lower:]]' text

这里要强调的是^在[]内是指反向选择，在[]外则是选择开头。

grep -n 'ooo*' text文本中至少两个o，因为第三个o表示0－无穷个，第1/2/4/11/12行。.*代表零至任意个任意字符，要找gxxxd可以g.*d。

grep -n 'fo\{2,5\}g' textf开头，两到五个o，以g结尾

^word指以word开头的行，word$以word结尾的行

grep -n \' text搜索含有单引号的行。如果要显示文本的第5－9行。可以这样：cat -An text | head -n 10 | tail -n 6。

其中head命令表示text的前10行，然后在这前10里取后6行。再来一正则例，dmesg是用来显示开机信息的一条linux命令，其内容在/var/log/dmesg里。dmesg | grep -n 'eth'“|”代表将前面的dmesg的结果传递给后面的grep，前面已出现过|，这条组合命令其实等价于：grep -n 'eth' /var/log/dmesg，”-n”显示”eth”出现在dmesg的第多少行。在我的电脑里这条命令的结果是：

1
2
3
4
5
6
7
8
705:[    5.875958] tg3 0000:01:00.0 eth0: Tigon3 [partno(BCM95906) rev c002] (PCI Express) MAC address 00:1f:16:1c:87:57
706:[    5.875964] tg3 0000:01:00.0 eth0: attached PHY is 5906 (10/100Base-TX ethernet) (WireSpeed[0], EEE[0])
707:[    5.875967] tg3 0000:01:00.0 eth0: RXcsums[1] LinkChgREG[0] MIirq[0] ASF[0] TSOcap[0]
708:[    5.875970] tg3 0000:01:00.0 eth0: dma_rwctrl[76180000] dma_mask[64-bit]
726:[   11.505641] IPv6: ADDRCONF(NETDEV_UP): eth0: link is not ready
775:[   18.745684] eth1: Broadcom BCM4315 802.11 Hybrid Wireless Controller 6.20.155.1 (r326264)
804:[   31.537161] IPv6: ADDRCONF(NETDEV_UP): eth0: link is not ready
805:[   31.537638] IPv6: ADDRCONF(NETDEV_UP): eth0: link is not ready

dmesg | grep -n -A3 -B2 eth将含eth的前两行和后三行一起显示。因为ls命令不支持正则表达式，所以：ls -l t*来表示显示以t开头的文件或目录。利用sed来显示文本中的第n-m行，如下：nl /etc/passwd | sed -n '3,5p'它将显示passwd文本中的第3到第5行。不显示11-22行：nl /etc/passwd | sed '11,22d'。不显示第3至最后一行nl /etc/passwd | sed '3,$d'。用No 2-5 number改变第2-5行的内容:nl /etc/passwd | sed '2,5c nl /etc/passwd | sed '2,5c No 2-5 number''。使用-i可以直接修改内容，如将句尾的.换成!sed -i 's/\.$/\!/g' text。在最后一行添加内容: sed -i '$a #this is a text' text。将文本中空行和注释行去除:grep -v '^$' text | grep -v '^#'。上面的命令合并为一条命令：egrep -v '^$|^#' text。

JavaScript正则表达式

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
var str = 'a{bc}de';
var newStr = str.replace(/{bc}/g, 'bc'); //'abcde'

(function(str){
    console.log(str.replace(/[<>&"]/g, function(match){
        switch  (match) {
            case '<' : return '&lt;';
            case '>' : return '&gt;';
            case '"' : return '&quot;';
            case '&' : return '&amp;';
        }
    }))
})('asdf<sd> "ssswd&>');

var reg = /^[a-zA-Z][a-zA-Z_0-9]{4,19}$/;
console.log(reg.test('abc55')); //true

RegExp类型（正则表达式）：/pattern/flags;。如var pattern = /.at/gi; //匹配所有以at结尾的组合，不区分大小写，元字符([{\^$|?*+.}])需要转义。

正则表达式在线测试网站：站长之家 & Regulex*%3F%24)

1
2
3
4
5
6
7
var text = '0755-1234-5678';
var pattern = /\d{4}-\d{4}-\d{4}/;
if (pattern.test(text)) log('匹配成功');

var str = 'cat, bat';
var pattern = /.at/gi;
log(str.replace(pattern, function($1) { return 'hello ' + $1})); //hello cat, hello bat

对比：

1
2
3
4
pattern.test(str); //boolean
pattern.exec(str); //返回数组
str.match(pattern); //返回数组
str.replace(pattern, string or func);

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
var s = 'hello world'.replace(/(\w+)\s(\w+)/, function($1, $2, $3) {
    return $2 + ' ' + $3;
});
log(s); //hello world，这里$1值为hello world，为什么？

var s = 'hello world'.replace(/\s/, "[$`-$&-$']");
log(s); //hello[hello- -world]world，这里$`指匹配项之前的内容，$'指匹配项后面的内容，而$&就是匹配项，即hello world中间的空格

var s = 'hello world'.replace(/(\w+)\s(\w+)/, "$`$&$'");
log(s); //hello world，这里$1匹配了hello，$2匹配了world，只是没显示出来，所以结果hello world就是\s匹配的内容

var s = "3 & 5".replace(/[0-9]+/g, function(match) {
    return 2*match;
});
log(s); //6 & 10