正则表达式学习之-入门知识

正则表达式定义：

　　　Regular Experssion是强大、便捷高效的 文本处理工具。正则表达式本身，加上如同一本袖珍编程语言的通用模式表示法（general patten notation），赋予使用者描述和分析文本的能力，配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修整各类型的文本和数据。

正则表达式解决的实际问题：

1. 多文件单词复杂条件查找。
2. 文本过滤
3. 条件匹配

检索文本工具Egrep:

1. 使用范例：egrep '^(From|Subject):' mailbox-file:匹配邮件文件的开头是from,subject,date开头的行，目的是取到并生成一个邮件列表
2. 邮件内容：mail-01.txt

   From:link
   Subject:端午节祝福邮件
   Date:2019-06-07
   
   这里是邮件正文...

3. 实际效果：

   ZBMAC-7ac72269c:Documents link$ egrep '^(From|Subject|Date):' mail-01.txt
   From:link
   Subject:端午节祝福邮件
   Date:2019-06-07
   ZBMAC-7ac72269c:Documents link$

4. 表达式解释：^脱字符，是正则表达式的元字符之一，表示匹配文本的开头。（）限定表达式的作用范围。| 表示'或者'的意思。

元字符知识：

行的起始与结束：

1. 在检查一行文本时，^代表一行的开始，$代表一行的结束。
2. 读者最好养成按照字符来理解正则表达式的习惯：比如，^cat匹配的是以c作为一行的第一个字符，紧接着一个a紧接着一个t的文本。

字符组

1. 匹配若干字符之一：[abc],表示可以匹配的是a,b,或者c。
2. 例：'<H[123456]>'用来匹配<H1>、<H2>、<H3>至<H6>标签。
3. 字符组元字符‘-’表示一个范围。上边的例子可以改为'<H[1-6]>'，连字符作为开头时，不是元字符。
4. [a-zA-z]同样是表示一个范围。注意：只有在字符组内，'-'才是元字符。
5. 排除型字符组：[^...] ，当脱字符^在字符组内是，表示匹配字符组中未列出的字符。

匹配任意字符：

1. '.'点，匹配任意字符。
2. 但在字符组中，.不是元字符。注意：字符组的里边和外边，元字符的定义和意义是不一样的。

单词分界符：

1. '<'和'>'
2. 大于号小于号本身不是元字符，只有跟斜杠结合后才是元字符。
3. 不是所有的版本egrep都支持该元字符。

元字符的总结：

匹配单个字符的元字符
.	点号	匹配单个任意字符
[...]	字符组	匹配单个列出的字符
[^...]	排除型字符组	匹配单个未列出的字符
char	转义字符	如果char是元字符，或者转义序列无特殊含义时，匹配char对应的普通字符
提供计数功能的元字符
？	问号	容许匹配一次，但非必须
*	星号	可以匹配任意多次，也可能不匹配
+	加号	至少需要匹配一次，至多可能任意多次
{min,max}	区间量词（非所有版本egrep都支持）	至少需要min次，至多容许max次
匹配位置的字符
^	脱字符	匹配一行的开头位置
$	美元符	匹配一行的结束位置
<	单词分界符（非所有版本egrep都支持）	匹配单子的开始位置
>	单词分界符（非所有版本egrep都支持）	匹配单词的结束位置
其它元字符
|	alternation	匹配任意分隔的表达式
(...)	括号	限定多选结构的范围，标注量词作用的元素，为反向引用"捕获"文本。
1,2,...	反向引用（非所有版本egrep都支持）	匹配之前的第一、第二组括号内的字符表达式，匹配的文本

　　文章属于读《精通正则表达式》一书的笔记，写的相对比较粗略，书中描述的比较细致，整个入门就占用的一章的笔墨，但是对于没有一点基础的非常适合。这里列出了正则表达式的元字符，掌握了这些，应对常用的正则表达式的书写基本够用了。

　　比较受用的思想就是：注意正则表达式是以字符为单元的，所有的元字符限定权限都是作用于前一个字符或者表达式。

正则表达式术语汇总

　　正则：regex(regular expression)

　　匹配：matching

　　元字符：metacharacter

　　流派：flavor

　　子表达式：subexpression

　　字符：character