2022年正则表达式之道 .pdf

《2022年正则表达式之道 .pdf》由会员分享，可在线阅读，更多相关《2022年正则表达式之道 .pdf（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、正则表达式之道1正则表达式之道正则表达式之道原著： Steve Mansour Revised: June 5, 1999 (copied by jm /at/ jmason.org from http:/ after the original disappeared! ) 翻译： Neo Lee 2004 年 10 月 16 日英文版原文译 者按：原文因为年代久远，文中很多链接早已过期（主要是关于vi、sed 等工具的介绍和手册），本译文中已将此类链接删除，如需检查这些链接可以查看上面链接的原文。 除此之外基本照原文直译，括号中有 “译者按” 的部分是译者补充的说明。如有内容方面的问题请直接

2、和Steve Mansor 联系，当然，如果你只写中文，也可以和我联系。目 录什么是正则表达式范例简单中级（神奇的咒语）困难（不可思议的象形文字）不同工具中的正则表达式什么是正则表达式一个正则表达式，就是用某种模式去匹配一类字符串的一个公式。很多人因为它们看上去比较古怪而且复杂所以不敢去使用很不幸，这篇文章也不能够改变这一点，不过，经过名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 11 页 - - - - - - - - - 正则表达式之道2一点点练习之后我就开始觉得这

3、些复杂的表达式其实写起来还是相当简单的，而且，一旦你弄懂它们，你就能把数小时辛苦而且易错的文本处理工作压缩在几分钟（甚至几秒钟）内完成。正则表达式被各种文本编辑软件、类库（例如Rogue Wave 的 tools.h+ ） 、脚本工具（像 awk/grep/sed）广泛的支持， 而且像 Microsoft 的 Visual C+这种交互式IDE 也开始支持它了。我们将在如下的章节中利用一些例子来解释正则表达式的用法，绝大部分的例子是基于vi中的文本替换命令和grep文件搜索命令来书写的，不过它们都是比较典型的例子，其中的概念可以在sed、awk、perl 和其他支持正则表达式的编程语言中使用。

4、你可以看看 不同工具中的正则表达式这一节，其中有一些在别的工具中使用正则表达式的例子。还有一个关于vi 中文本替换命令（s）的 简单说明 附在文后供参考。正则表达式基础正则表达式由一些普通字符和一些元字符（metacharacters）组成。普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，我们下面会给予解释。在最简单的情况下，一个正则表达式看上去就是一个普通的查找串。例如，正则表达式testing 中没有包含任何元字符，它可以匹配testing 和 123testing 等字符串，但是不能匹配Testing 。要想真正的用好正则表达式，正确的理解元字符是最重要的事情。下表列出了所有的

5、元字符和对它们的一个简短的描述。元字符描述.匹配任何单个字符。例如正则表达式r.t匹配这些字符串：rat、rut、r t，但是不匹配 root。$匹配行结束符。 例如正则表达式weasel$能够匹配字符串Hes a weasel的末尾，但是不能匹配字符串They are a bunch of weasels.。匹配一行的开始。 例如正则表达式When in能够匹配字符串When in the course of human events的开始，但是不能匹配What and When in the。*匹配 0 或多个正好在它之前的那个字符。例如正则表达式.*意味着能够匹配任意数量的任何字符。这是

6、引用府，用来将这里列出的这些元字符当作普通的字符来进行匹配。例如正则表达式$被用来匹配美元符号，而不是行尾，类似的，正则表达式.用来匹配点字符，而不是任何字符的通配符。 c1-匹配括号中的任何一个字符。例如正则表达式raout匹配 rat、rot 和 rut，但是不匹配ret。可以在括号中使用连字符-来指定字符的区间，例如正则表达式0-9可以匹配任何数字字符；还可以制定多个区间，例如正则表达式A-Za-z可以匹配任何大小写字母。另一个重要的用法是“排除”，要想匹配除了指定区名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心

7、整理 - - - - - - - 第 2 页，共 11 页 - - - - - - - - - 正则表达式之道3c2c1-c2间之外的字符也就是所谓的补集在左边的括号和第一个字符之间使用字符，例如正则表达式269A-Z将匹配除了2、6、9 和所有大写字母之外的任何字符。匹配词（ word）的开始（ ） 。例如正则表达式Replace ，然后选择Regular 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页，共 11 页 - - - - - - - - - 正则表达式之道8ex

8、pression选择框， Find What 输入框对应上面介绍的vi 命令:%s/pat1/pat2/g中的 pat1 部分，而 Replace 输入框对应pat2 部分。但是，为了得到vi 的执行范围和g选项，你要使用Replace All 或者适当的手工Find Next and Replace（译者按： 知道为啥有人骂微软弱智了吧，虽然 VC 中可以选中一个范围的文本，然后在其中执行替换，但是总之不够vi 那么灵活和典雅） 。sed Sed 是 Stream EDitor 的缩写，是Unix 下常用的基于文件和管道的编辑工具，可以在手册中得到关于 sed 的详细信息。这里是一些有趣的s

9、ed 脚本，假定我们正在处理一个叫做price.txt 的文件。注意这些编辑并不会改变源文件，sed只是处理源文件的每一行并把结果显示在标准输出中（当然很容易使用重定向来定制） ：sed脚本描述sed s/$/d price.txt 删除所有空行sed s/ t*$/d price.txt 删除所有只包含空格或者制表符的行sed s/g price.txt 删除所有引号awk awk 是一种编程语言， 可以用来对文本数据进行复杂的分析和处理。可以在手册中得到关于awk的详细信息。这个古怪的名字是它作者们的姓的缩写（Aho，Weinberger 和 Kernighan） 。在 Aho， Wein

10、berger 和 Kernighan 的书 The AWK Programming Language 中有很多很好的awk的例子，请不要让下面这些微不足道的脚本例子限制你对awk 强大能力的理解。我们同样假定我们针对price.txt 文件进行处理，跟sed 一样， awk 也只是把结果显示在终端上。awk脚本描述awk $0 ! /$/ price.txt 删除所有空行awk NF 0 price.txt awk 中一个更好的删除所有行的办法awk $2 /JT/ print $3 price.txt 打印所有第二个字段是J或者 T 打头的行中的第三个字段awk $2 ! /Mmisc/ p

11、rint $3 + $4 price.txt 针对所有第二个字段不名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 8 页，共 11 页 - - - - - - - - - 正则表达式之道9包 含 Misc 或 者 misc 的行，打印第 3 和第 4 列的和（假定为数字）awk $3 ! /0-9+.0-9*$/ print $0 price.txt 打印所有第三个字段不是数字的行， 这里数字是指d.d或者d这样的形式，其中 d是 0 到 9 的任何数字awk $2 /John|Fr

12、ed/ print $0 price.txt 如 果 第 二 个 字 段 包 含John或者 Fred则打印整行grep grep 是一个用来在一个或者多个文件或者输入流中使用RE 进行查找的程序。它的name 编程语言可以用来针对文件和管道进行处理。可以在手册中得到关于grep 的完整信息。这个同样古怪的名字来源于vi 的一个命令，g/re/p，意思是global regular expression print。下面的例子中我们假定在文件phone.txt 中包含以下的文本，其格式是姓加一个逗号，然后是名，然后是一个制表符，然后是电话号码：Francis, John 5-3871Wong,

13、 Fred 4-4123Jones, Thomas 1-4122Salazar, Richard 5-2522 grep命令描述grep t5-.1 phone.txt 把所有电话号码以5 开头以 1 结束的行打印出来，注意制表符是用t表示的grep S * R phone.txt 打印所有姓以S 打头和名以R 打头的行grep JW phone.txt 打印所有姓开头是J 或者 W 的行grep , .t phone.txt 打印所有姓是4 个字符的行， 注意制表符是用t表示的grep -v JW phone.txt 打印所有不以J 或者 W 开头的行grep M-Z phone.txt 打

14、印所有姓的开头是M 到 Z 之间任一字符的行grep M-Z.*12 phone.txt 打印所有姓的开头是M 到 Z 之间任一字符， 并且点号号码结尾是1 或者 2 的行名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 9 页，共 11 页 - - - - - - - - - 正则表达式之道10egrep egrep 是 grep 的一个扩展版本，它在它的正则表达式中支持更多的元字符。下面的例子中我们假定在文件phone.txt 中包含以下的文本，其格式是姓加一个逗号，然后是名，然后

15、是一个制表符，然后是电话号码：Francis, John 5-3871Wong, Fred 4-4123Jones, Thomas 1-4122Salazar, Richard 5-2522egrep command Description egrep (John|Fred) phone.txt 打印所有包含名字John 或者 Fred 的行egrep John|22$|W phone.txt 打印所有包含John 或者以22 结束或者以W 的行egrep net(work)?s report.txt 从 report.txt 中找到所有包含networks 或者nets的行正则表达式语法支持

16、情况命令或环境. $ ( ) ? + | ( ) vi X X X X X Visual C+ X X X X X awk X X X X X X X X sed X X X X X X Tcl X X X X X X X X X ex X X X X X X grep X X X X X X egrep X X X X X X X X X fgrep X X X X X perl X X X X X X X X X 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 10 页，共 11

17、 页 - - - - - - - - - 正则表达式之道11vi 替换命令简介Vi 的替换命令：:ranges/pat1/pat2/g其中:这是 Vi 的命令执行界面。range 是命令执行范围的指定，可以使用百分号（%）表示所有行，使用点（.）表示当前行， 使用美元符号 （$）表示最后一行。 你还可以使用行号，例如10,20表示第 10 到 20 行，.,$表示当前行到最后一行，.+2,$-5表示当前行后两行直到全文的倒数第五行，等等。s表示其后是一个替换命令。pat1 这是要查找的一个正则表达式，这篇文章中有一大堆例子。pat2 这是希望把匹配串变成的模式的正则表达式，这篇文章中有一大堆例子。g可选标志，带这个标志表示替换将针对行中每个匹配的串进行，否则则只替换行中第一个匹配串。网上有很多vi 的在线手册，你可以访问他们以获得更加完整的信息。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 11 页，共 11 页 - - - - - - - - -