正则表达式总结1

读《精通正则表达式》，关于 egrep 的正则简单总结：

1 元字符的总结：

1. 匹配开头： ^
2. 匹配结尾： $
3. 连字符： - 
   出现在中括号[] 的中间位置有效，在[]的首部无效，如[-a-b]，第一个'-'为普通字符，第二个'-'为连字符
4. 匹配任意一个字符： . 
   对于换行符的匹配，比较有争议，且未理解透彻。所以不要使用该元字符匹配换行符。
5. 单词分界符： \< : 匹配单词的首部，包括空白或 - 等分隔符
   \> : 匹配单词的尾部，包括空白或 - 等分隔符
   eg: 
   文件 text.txt 中含有以下 6 行： 

   1. an text 
   2. test can't do this  
   3. test any thing  
   4. test can do 
   5. test an thing   
   6. test c-an-y thing

   使用以下规则：

   egrep '\<an' 可以匹配到： 1, 3, 5, 6 行
   egrep '\<an\>' 可以匹配到： 1, 5, 6 行
   egrep '\an\>' 可以匹配到： 1, 2, 4, 5, 6 行

   注意：非字母的字符会被认定为分隔符，如 line 2, 6
6. 至少出现一次: + 
   该元字符前面的字符至少出现一次，可以出现多次
7. 至多出现一次: ? 
   该元字符前面的字符至多出现一次，可以不出现
8. 无限制次数出现: * 
   该元字符前面的字符可以出现多次，也可以不出现
9. 指定出现次数范围: {min,max}
   该元字符前面的字符至少出现 min 次，至多出现 max 次

2 字符组与选择分支：

1. 匹配指定的字符组中的某一个字符： [字符组]，如： 

   gr[ea]y，可以匹配 grey 或 gray

   同时，可以使用连字符 '-' 来表示字符区域，如： 

   H[1-6] <=> H[123456]，可以匹配 H1,H2,H3,H4,H5和H6

2. 排除匹配字符：匹配一个未指定的字符，规则为 [字符组]，如： 

   H[^1-6]，即不匹配 H1,H2,H3,H4,H5以及H6。但是可以匹配 HH1

   需要说明的是，排出匹配字符的意思是：*匹配一个未列出的字符，而不是不要匹配列出的字符。两个命题的差异在于： 如果 q[^u]*
   1). 前者可以匹配 zaqqum，匹配到了qq，而不是去匹配 qu，故可以匹配 zaqqum；
   2). 后者的意思是，由于出现了指定的字符 qu，所以不去匹配 zaqqum。

3.  

   多选分支：相当于 "或"(or) 的匹配，如：

   gr[ea]y <=> gr(e|a)y <=> gr(ey|ay) <=> grey|gray

   都可以匹配到 grey 或 gray
   需要说明的是：[a-z] 一次只能匹配该字符组中的*一个*字符！！

3 () 圆括号的作用：

1. 结合 '|'，限定多选范围，如 gr(e|a)y，限定多选的范围为 e 或 a
2. 把多个字符组合成一个单元，收到量词修饰符(?, *, +, {min,max}) 的修饰，如把 (ea) 视作一体，(ea)+ 表示 ea 组合至少出现一次
3. 捕获文本，结合 \n(n 为自然数)，任何()中的文本，将储存在 \n 中，n 为 () 在正则中出现的次数，即第一次出现存在 \1 中，第 n 次出现存储在 \n 中

4 转义字符 '\' 的作用：

1. 把元字符转义成普通字符
2. 与普通字符结合构成元字符
3. 无意义

5 杂：

1. 匹配编程语言中的标识符：

   [a-zA-Z_][a-zA-Z_0-9]*

   标识符定义：首字符为大小写字母或 '_{'，后面可以为大小写字母、数字和} '_'
2. 匹配引号内的字符串： 

   "[^"]*"
   

   保证引号内无引号
3. 匹配 24 小时制时间：
   1): 

   (2[0-3]|[0-1][1-9]):[0-5][0-9]

   不能匹配 9:11 这种形式
   2):  

   ([01]?[0-9]|2[0-3]):[0-5][0-9]

   可能会匹配上 26:59 这种形式
4. 子表达式：单个字符或者用 '()' 定义的字符单元，可以用量词(?, *, +, {min, max}) 修饰

未完待续。。。