正则表达式语法 Regular Expression

正则表达式语法 Regular Expression
vim grep sed awk perl java nginx apache mail垃圾邮件过滤。。。等等都使用正则

什么叫正则表达式：她是一种字符串的表达方式
Some one let the cat out of the bag! 什么意思？秘密泄露？

特点：
1．理解正则表达式类似理解算术表达式：
1+2 3*5 1+2*3 （1+2）*3

2．正则表达式像算术表达式一样也有优先级

构成：一个正则表达式描述了一种模式或字符序列（pattern）
1．除元字符之外的任意字符都是表示他字面意思的正则表达式
2．元字符（基本元字符、扩展元字符）

正则表达式的匹配过程：basic regular expression (rtgex)
 

基本元字符：
. 匹配除换行符之外的任意单个字符，awk中可以匹配换行符
例子：mkdir sed
[root@nas ~]# cd sed
[root@nas sed]# vim test.txt
1.  [root@nas sed]# sed ' s/./A/g' test.txt
AAAAAAAAAAA
AAAAAAAAAAAAAAAAA
AAAAAAAAAAAAAAAAAAAAAA
[root@nas sed]# echo hello world > test.txt
2.  [root@nas sed]# sed ' s/./A/' test.txt
Aello world
3.  [root@nas sed]# sed ' s/o. /A/' test.txt
hello world
nice to meet you
hAare you han meimei

* 表示他的前置字符有零个或多个 a*
1.[root@nas sed]# vim test1.txt
[root@nas sed]# sed  ' s/ca*/A/' test1.txt
A
A
A
A
[root@nas sed]# cat test1.txt
c
ca
caaaa
caaaaaaaaaa
2.[root@nas sed]# cat test1.txt
c
ca
caaaa
caaaaaaaaaa
[root@nas sed]# sed  ' s/c.*/A/' test1.txt
A
A
A
A
.* 贪婪匹配 吃掉后面的所有的东西
[...] 匹配方括号中的任意一个字符，^为否定匹配， -表示字符的范围
^ 作为正则表达式的第一个字符，匹配行的开始。在awk中可以嵌入换行符
$ 作为正则表达式的最后一个字符，匹配行的结尾。在awk中可以嵌入换行符
\{n,m\} 匹配前置字符出现n和m之间的任意次数，\{n\}匹配出现n次。\{n,\}匹配至少出现n次
\ 转义字符
\<            词首定位符     /\<bin/      匹配以bin开头的单词
\>           词尾定位符     /fix\>/       匹配以fix结尾的单词

[root@wing ~]# echo wingabc wing | sed 's/\<wing/S/g'
Sabc S
[root@wing ~]# echo wingabc wing | sed 's/\<wing\>/S/g'
wingabc S

扩展元字符：
Extended Metacharacters (egrep and awk)
+ 匹配前面的正则表达式的一次出现或多次出现
? 匹配前面的正则表达式的零次出现或一次出现
| 可以匹配前面的或后面的正则表达式（替代方案）
() 对正则表达式分组
{n,m} 匹配出现的n到m次数， {n}匹配出现n次。{n,}匹配至少出现n次，大多数awk都不支持，用于POSIX egrep和POSIX awk

POSIX字符类：
表达式         功能                                          示例
[:alnum:]      字母与数字字符                         [[:alnum:]]+  
[:alpha:]       字母字符(包括大小写字母)            [[:alpha:]]{4}
[:blank:]       空格与制表符                           [[:blank:]]*
[:digit:]         数字字母                                   [[:digit:]]?
[:lower:]       小写字母                                     [[:lower:]]{5,}
[:upper:]      大写字母                                  [[:upper:]]+
[:punct:]      标点符号                                     [[:punct:]]
[:space:]      包括换行符，回车等在内的所有空白[[:space:]]+

编写正则表达式的3 个步骤：
1 知道要匹配的内容以及它如何出现在文本中。
2 编写一个模式来描述要匹配的内容
3 测试模式来查看它匹配的内容

模式匹配产生的结果：
Hits（命中）
这是我想匹配的行

Misses（未命中）
这是我不想匹配的行

Omissions（遗漏）
这是我不能匹配但想要匹配的行

False alarms（假警报）
这是我不想匹配的但却匹配了的行

正则表达式分类应用：
字符类
[Ww]hat
[root@localhost ~]# cat test.txt
how are you what ni hao  What
[root@localhost ~]# sed ' s/[Ww]hat/A/' test.txt
how are you A ni hao  What
[root@localhost ~]# sed ' s/[Ww]hat/A/g' test.txt
how are you A ni hao  A

\.H[12345]
[root@localhost ~]# cat test.txt 
how are you what ni hao  What
.H2h3
[root@localhost ~]# sed ' s/\.H[12345]/A/g' test.txt
how are you what ni hao  What
Ah3

字符的范围
[a-z]
[0-9]
[Cc]hapter[1-9]
[-+*/]
[0-1][0-9][-/][0-3][0-9][-/][0-9][0-9]

排除字符类
[^0-9]
[root@localhost ~]# sed ' s/\.H[12345]/A/g' test.txt
how are you what ni hao  What
Ah3
[root@localhost ~]# sed ' s/[^0-9]/A/g' test.txt
AAAAAAAAAAAAAAAAAAAAAAAAAAAAA
AA2A3

重复出现的字符
10
50
100
500
1000
5000
[15]0*
[15]00*

字符的跨度
* 与 \{n,m\}
电话号码的匹配
[0-9]\{3\}-[0-9]\{7,8\}
[root@localhost ~]# sed -r  ' s/[0-9]{3}-[0-9]{7,8}/A/' test.txt
how are you what ni hao  What
.H2h3
150000000  150 1500 1000
15880310015
A
[root@localhost ~]# cat test.txt
how are you what ni hao  What
.H2h3
150000000  150 1500 1000
15880310015
158-5555015

分组操作
compan(y|ies)
注意：大多数sed 和grep 不能对圆括号（）进行匹配，但是在egrep 和
awk 所有版本都是可以的