POSIX正则表达式规范
参考:http://en.wikipedia.org/wiki/Regular_expression
POSIX正则表达式分为Basic Regular Expressions 和 Extended Regular Expressions。
ERE增加支持?,+和|,去除了通配符()和{}。而且POSIX正则表达式的标准语法经常坚持使用附加的语法来支持特殊应用。虽然POSIX.2没有实现一些具体的细节,BRE和ERE提供被很多工具使用的标准。
BRE要求通配符()和{}写成和\{\},ERE中无需这样。
l 基本通配符
通配符 |
描述 |
. |
匹配任何一个单字符(许多应用不包括换行符,但是假设包括换行符也是安全的)。在大中小括号中,该通配符只匹配字符’.’,例如,a.c匹配”abc”,但是[a.c]只匹配”a”或”.”或”c”。要匹配’.’不能使用’\.’,因为’\.’的作用与’.’一样,应该使用’[.]’来匹配”a.c”中的点。 |
[] |
只匹配中括号内的一个字符。例如[abc]匹配”a”或”b”或”c”。[a-z]匹配小写的”a”到”z”。这些格式可以混合使用:[abcx-z]匹配”a”,”b”,”c”,”x”,”y”,”z”与[a-cx-z]的效果相同。 ‘-’如果出现在[]的开头或结尾,表示匹配字符’-’,例如[^-abc],[-abc] ,[abc-]。注意不能使用’\’。 ‘]’可以出现在中括号中的第一个位置,例如[]abc]或[^]abc] |
[^ ] |
匹配单个字符,该字符不能包含在中括号中。例如,[^abc]匹配任何除’a’,’b’,’c’外的字符。[^a-z]匹配任何除’a’-‘z’的字符。同理,字符与范围标识可以混合使用,例如,[^a-cx-z]。 |
^ |
匹配字符串的开头。在基于行的工具中,匹配每一行的开头。 |
$ |
匹配字符串的结尾或者换行符的前一个位置。在基于行的工具中,匹配每一行的结尾。 |
() |
定义一个子表达式。圆括号在整体匹配完后进行匹配。子表达式也叫做块或组。 BRE模式需要写成 |
\n |
匹配第n(1<=n<=9)个子表达式。POSIX.2对该通配符的定义很模糊,有的工具允许引用大于9的子表达式。 |
* |
匹配前一个元素0次或多次。例如,ab*c匹配”ac”,”abc”,”abbbbbc”等。[xyz]*匹配””,”x”,”y”,”z”,”zx”,”zyx”,”xyzzy”等。(ab)*匹配””,”ab”,”abab”等。 |
{m,n} |
匹配前一个元素至少m次,至多n次。例如,a{3,5}匹配”aaa”,”aaaa”,”aaaaa”。 BRE模式需要写成\{m,n\} |
举例
.at
匹配任何以”at”结尾长度为3的字符串,例如” at”,”aat”,”cat”等
[hc]at
匹配”hat”和”cat”
[^b]at
除了”bat”,匹配任何以”at”结尾长度为3的字符串。例如,”aat”,”cat”等
[^hc]at
除了”hat”和”cat”,匹配任何以”at”结尾长度为3的字符串。例如,”aat”,”tat”等
^[hc]at
匹配任何以”hat”或”cat”开头的字符串或行
[hc]at$
匹配任何以”hat”或”cat”结尾的字符串或行
.
匹配任何三个字符,第一个和第三个字符必须分别为”[”,”]”,因为”\[”和”\[”是经过转义,例如”[a]”,”[b]”
s.*
匹配任何以”s”开头的字符串,例如”swa”,”seed”
Extended Regular Expressions
在ERE中,反斜杠’\’用来对通配符进行转义,所以BRE中的’\(’和’\)’在ERE中改为’(’和’)’,’\{’和’\}’改为’{’和’}’。 ERE移除了’\n’通配符,并添加了如下通配符。
通配符 |
描述 |
? |
匹配前一个元素0次或1次。例如,ab?c匹配”ac”,”abc”。 |
+ |
匹配前一个元素1次或多次。例如,ab+c匹配”abc”,”abbc”等,但是不能匹配”ac”。 |
| |
匹配前一个表达式或后一个表达式。例如,abc|def匹配”abc”,”def”。 |
举例
[hc]+at
匹配”hat”,”cat”,”hhat”,”ccat”等,但是不匹配”at”
[hc]?at
匹配”hat”,”cat”,”at”
[hc]*at
匹配”at”,”hat”,”cat”,”hcat”等
cat|dog
匹配”cat”,”dog”
l Character classes
character class 是除了字面匹配最基本的正则表达式。它是很小的字符序列匹配更大的字符序列。例如,[A-Z]可以表示字母表,\d表示任意数字。character class应用于BRE和ERE。
当使用范围通配符时,例如[a-z]。计算机本地设置决定了字符编码的顺序。计算机可能按a-z的顺序来存储,或者abc…zABC…Z,或者aAbBcC…zZ的顺序。所以POSIX定义了character class,正则表达式的处理器可以正确解析该character class。
POSIX |
ASCII |
描述 |
[:alnum:] |
[A-Za-z0-9] |
数字和字母字符 |
[:alpha:] |
[A-Za-z] |
字母字符 |
[:blank:] |
[ \t] |
空格和TAB |
[:cntrl:] |
[\x00-\x1F\x7F] |
控制符 |
[:digit:] |
[0-9] |
数字 |
[:graph:] |
[\x21-\x7E] |
可视字符 |
[:lower:] |
[a-z] |
小写字母字符 |
[:print:] |
[\x20-\x7E] |
可视字符和空格 |
[:punct:] |
[][!"#$%&'()*+,./:;<=>?@\^_`{|}~-] |
标点符号 |
[:space:] |
[ \t\r\n\v\f] |
空白字符 |
[:upper:] |
[A-Z] |
大写字母字符 |
[:xdigit:] |
[A-Fa-f0-9] |
十六进制字符 |
POSIX定义的character class只能在中括号内使用。例如,[[:upper:]ab]匹配大写字母字符和”a”,”b”。
[:word:]是附加的非POSIX的character class,[:word:]表示[:alnum:]和下划线。这表明在很多编程语言中,这些通配符可能是标识符。