POSIX正则表达式 | BRE和ERE

简介

POSIX标准定义了两种regex，分别是BRE(Basic Regular Expression)和ERE(Extended Regular Expression)。linux中的命令（程序）如grep，less，以及一些数据库都实现了POSIX正则表达式。

现代大多数IDE或编程语言使用的正则匹配表达式都更加类似于ERE，而且相比ERE在功能上做了更多的拓展。本文介绍拓展后的BRE，ERE在表达上的差别，对功能的差别不做区分。

基础语法

括号表达式

POSIX括号表达式形如[...]，能够匹配表达式所表达的字符集中的一个字符，称为character class。

和一般character class类似，使用[^来反选字符集，使用-来表达范围。

POSIX未定义\d, \w等缩写，但支持以下的命名类：

Character Group	Meaning
[:alnum:]	Alphanumeric：字母和数字
[:cntrl:]	Control Character：控制字符，如DEL，BS等
[:lower:]	Lower case character： 小写字母
[:space:]	Whitespace：空白字符，包括tab，vertical tab，line feed，carrige return等
[:alpha:]	Alphabetic：字母
[:digit:]	Digit：数字
[:print:]	Printable character：可打印的字符，包括[:alnum:], [:space:], [:punct:]。
[:upper:]	Upper Case Character：大写字母
[:blank:]	一般是空格和tab
[:graph:]	Printable and visible characters：[:print:] 去掉空白类
[:punct:]	Punctuation：标点符号
[:xdigit:]	Extended Digit：数字再加上A, B, ..., F.

使用命名类时，需要它们放入括号表达式，例如，[[:digit:]]+ 才能表示连续多个数字，[:digit:]+ 是错误的表达。又如，[[:alpha:][:digit:]] 等同于 [[:alnum:]]。

特殊字符

又称作Metacharacter:就是指正则表达式中如+（出现一次或多次）, |（或）等有特殊意义的字符。

\w 等效于 [[:alnum:]_]

表示匹配次数的一些表达：

• * 匹配任意次数， ? 匹配一次或0次，+ 匹配一次或多次
• {n}：恰出现n次
• {n,}出现n次或更多
• {,m}：最多m次。这是GNU拓展。
• {n,m}：最少n次，最多m次

使用 (, ) 来捕获组。

使用 \< 和 \> 分别匹配词首和词尾。使用 \b 匹配词首，等效于 \<。

使用 ^ 表示行首，$ 表示行尾。

POSIX BRE vs ERE

grep，sed，vim默认使用BRE语法匹配。

grep，sed加上 -E 选项能够使用ERE匹配。

vim搜索时使用 \V 来设置no magic，搜索字面值；使用 \V 来设置very magic。替换使用 sno 来no magic匹配。

BRE，ERE原本是有功能上的区别的，例如BRE不支持+。但是目前在GNU工具的实现中，二者功能基本一致。唯一的区别在于很多特殊字符在BRE中需要前加 \ 才能表示特殊意义。

例如， "a+" 在BRE中不能够匹配 "a", "aa", ... 而只匹配 "a+"。在ERE中它能够匹配 "a", "aa", ...

这里简单列出一些在BRE中需要带反斜杠的特殊字符：\+, \?, \(, \), \{, \}。值得注意，*, . 在两种语法中都不需要加反斜杠表示特殊含义，而 \< 和 \> 在两种语法中都需要加上反斜杠。

其他

二者均支持capturing group和backreference。使用\n即可表示backreference，其中n是索引，但对于BRE，n取值在1至9之间。

此外，POSIX正则总是greedy，不支持其他的模式。

对于word边界的匹配，POSIX定义了[[:<:]]和[[:>:]]分别表示匹配左边界和右边界。经过测试，vim和less都不支持POSIX的定义，但支持\<, \>。

一些示例

具体用例可以参考grep和sed中的实用例子。