正则表达式的分类¶
- 基本的正则表达式（Basic Regular Expression 又叫Basic RegEx 简称BREs）
- 扩展的正则表达式（Extended Regular Expression 又叫Extended RegEx 简称EREs）
- Perl的正则表达式（Perl Regular Expression 又叫Perl RegEx 简称PREs）
[]符号匹配字符集合，支持穷举方法匹配字符集合的所有元素也支持使用-符号表示集合范围，^符号在[]中表示取反
基本正则表达式
| 正则表达式 | 描述 | 示例 | Basic RegEx | Extended RegEx | Python Reg |
| \ | 转义符，将特殊字符进行转义，忽略其特殊意义 | a.b匹配a.b，但不能匹配ajb，.被转义为特殊意义 | \ | \ | \ |
| ^ | 匹配行首，awk中，^则是匹配字符串的开始 | ^tux匹配以tux开头的行 | ^ | ^ | ^ |
| $ | 匹配行尾，awk中，$则是匹配字符串的结尾 | tux$匹配以tux结尾的行 | $ | $ | $ |
| . | 匹配除换行符\n之外的任意单个字符，awk则中可以 | ab.匹配abc或bad，不可匹配abcd或abde，只能匹配单字符,但同一个正则可使用多个来匹配多个字符 | . | . | . |
| [] | 匹配包含在[字符]之中的任意一个字符 | coo[kl]可以匹配cook或cool | [] | [] | [] |
| [^] | 匹配[^字符]之外的任意一个字符 | 123[^45]不可以匹配1234或1235，1236、1237都可以 | [^] | [^] | [^] |
| [-] | 匹配[]中指定范围内的任意一个字符，要写成递增 | [0-9]可以匹配1、2或3等其中任意一个数字 | [-] | [-] | [-] |
| ? | 匹配之前的项1次或者0次 | colou?r可以匹配color或者colour，不能匹配colouur | 不支持 | ? | ? |
| + | 匹配之前的项1次或者多次 | sa-6+匹配sa-6、sa-666，不能匹配sa- | 不支持 | + | + |
| * | 匹配之前的项0次或者多次 | co*l匹配cl、col、cool、coool等 | * | * | * |
| () | 匹配表达式，创建一个用于匹配的子串 | matri?匹配max或maxtrix | 不支持 | ||
| {n} | 匹配之前的项n次，n是可以为0的正整数 | [0-9]{3}匹配任意一个三位数，可以扩展为[0-9][0-9][0-9] | 不支持 | {n} | {n} |
| {n,} | 之前的项至少需要匹配n次 | [0-9]{2,}匹配任意一个两位数或更多位数 | 不支持 | {n,} | {n,} |
| {n,m} | 指定之前的项至少匹配n次，最多匹配m次，n<=m | [0-9]{2,5}匹配从两位数到五位数之间的任意一个数字 | 不支持 | {n,m} | {n,m} |
| | | 交替匹配|两边的任意一项 | abc | d匹配abc或abd | 不支持 |
**POSIX字符类**可以使用语法[：CLASS：]在方括号内指定字符类，其中CLASS在POSIX标准中定义并具有其中一个值 例如：ls -ld [[:digit:]]* # 匹配以数字命名的文件夹
| 正则表达式 | 描述 | 示例 | Basic RegEx | Extended RegEx | Python Reg |
| [:alnum:] | 匹配任意一个字母或数字字符 | [[:alnum:]]+ | [:alnum:] | [:alnum:] | [:alnum:] |
| [:alpha:] | 匹配任意一个字母字符（包括大小写字母） | [[:alpha:]]{4} | [:alpha:] | [:alpha:] | [:alpha:] |
| [:blank:] | 空格与制表符（横向和纵向） | [[:blank:]]* | [:blank:] | [:blank:] | [:blank:] |
| [:digit:] | 匹配任意一个数字字符 | [[:digit:]]? | [:digit:] | [:digit:] | [:digit:] |
| [:lower:] | 匹配小写字母 | [[:lower:]]{5,} | [:lower:] | [:lower:] | [:lower:] |
| [:upper:] | 匹配大写字母 | [[:upper:]]+? | [:upper:] | [:upper:] | [:upper:] |
| [:punct:] | 匹配标点符号 | [[:punct:]] | [:punct:] | [:punct:] | [:punct:] |
| [:space:] | 匹配一个包括换行符、回车等在内的所有空白符 | [[:space:]]+ | [:space:] | [:space:] | [:space:] |
| [:graph:] | 匹配任何一个可以看得见的且可以打印的字符 | [[:graph:]] | [:graph:] | [:graph:] | [:graph:] |
| [:xdigit:] | 任何一个十六进制数（即：0-9，a-f，A-F） | [[:xdigit:]]+ | [:xdigit:] | [:xdigit:] | [:xdigit: |
| [:cntrl:] | 任何一个控制字符（ASCII字符集中的前32个字符 | [[:cntrl:]] | [:cntrl:] | [:cntrl:] | [:cntrl:] |
| [:print:] | 任何一个可以打印的字符 | [[:print:]] | [:print:] | [:print:] | [:print:] |
元字符（meta character）是一种Perl风格的正则表达式，只有一部分文本处理工具支持它，并不是所有的文本处理工具都支持
| 正则表达式 | 描述 | 示例 | Basic RegEx | Extended RegEx | Python Reg |
| \b | 单词边界 | \bcool\b 匹配cool，不匹配coolant | \b | \b | \b |
| \B | 非单词边界 | cool\B 匹配coolant，不匹配cool | \B | \B | \B |
| \d | 单个或更多连续的数字 | b\db 匹配b2b，不匹配bcb | 不支持 | 不支持 | \d |
| \D | 单个非数字字符 | b\Db 匹配bcb，不匹配b2b | 不支持 | 不支持 | \D |
| \w | 单个单词字符（字母、数字与_） | \w 匹配1或a，不匹配& | \w | \w | \w |
| \W | 匹配任意不是字母，数字，下划线，汉字的字符 | \W 匹配&，不匹配1或a | \W | \W | \W |
| \n | 换行符 | \n 匹配一个新行 | 不支持 | 不支持 | \n |
| \s | 单个空白字符 | x\sx 匹配x x，不匹配xx | 不支持 | 不支持 | \s |
| \S | 单个非空白字符 | x\S\x 匹配xkx，不匹配xx | 不支持 | 不支持 | \S |
| \r | 回车 | \r 匹配回车 | 不支持 | 不支持 | \r |
| \t | 横向制表符 | \t 匹配一个横向制表符 | 不支持 | 不支持 | \t |
| \v | 垂直制表符 | \v 匹配一个垂直制表符 | 不支持 | 不支持 | \v |
| \f | 换页符 | \f 匹配一个换页符 | 不支持 | 不支持 | \f |
**后向引用**用于重复搜索前面某个分组匹配的文本，exp(expression)代表表达式,常用分组语法如下： | 代码/语法 | 说明 | | :------: | :------: | | [^x] | 匹配除了x以外的任意字符 | | [^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |
常用正常表达式¶
Text Only
以汉字开头的行：^[\u4e00-\u9fa5] 详解：[\u4e00-\u9fa5]代表任何一个汉字--原理：U4300-U9fa5代表了符合汉字GB18030规范的字符集
匹配至少一个汉字：[\u4E00-\u9FA5]+
空行的表示方法:^$ 或：\n[\s|]*\r
匹配包含一个字符的行：^.$
匹配不在b~d范围的字符：[^b-d]
匹配除了x以外的任意字符：[^x]
匹配所有英文单词：[A-Za-z][A-Za-z]*
精确匹配字符（例如精确匹配单词the，不匹配包含the的单词，如them，they等）：\<the\>
匹配前面的字符重复n次的字符：\{n\}
例如匹配值jooob：jo\{3\}b
匹配前面的字符至少出现n次的字符：\{n,\}
例如：jo\{3,\}b #jooob、joooob等字符都由此正则表达式匹配
匹配前面的字符出现n~m次的字符：\{n,m\}
例如：jo{3,6\} #匹配jooob、joooooob等字符，至少3次，最多6次
精确匹配5个小写字符：[a-z]\{5\} #如hello、house等5个小写单词或字符
匹配job或joob：jo?b
+符号和×符号类似，匹配其前面的字符多次，但是×可以匹配0次，而+至少要匹配1次：jo+b表示：joob、jooob等字符，job不能用此来匹配
()和|符号组合使用，表示一组可选字符的集合：re(a|e|o)d表达式中的(a|e|o)表示：在字符a、e、o中任意选择一个字符，即read、reed、reod都可以由此表达式匹配
()很少使用，因为[]符号可以完全替代，re(a|e|o)d等价于re[aeo]d
非负整数：^\d+$
正整数：^[0-9]*[1-9][0-9]*$
非正整数：^((-\d+)|(0+))$
负整数：^-[0-9]*[1-9][0-9]*$
整数：^-?\d+$
非负浮点数：^\d+(\.\d+)?$
正浮点数:^((0-9)+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)$
非正浮点数：^((-\d+\.\d+)?)|(0+(\.0+)?))$
负浮点数：^(-((正浮点数正则式)))$
英文字符串：^[A-Za-z]+$
英文大写串：^[A-Z]+$
英文小写串：^[a-z]+$
英文字符数字串：^[A-Za-z0-9]+$
英数字加下划线串：^\w+$
E-mail地址：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$ 或：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
URL：^[a-zA-Z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\s*)?$
或：^http:\/\/[A-Za-z0-9]+\.[A-Za-z0-9]+[\/=\?%\-&_~`@[\]\':+!]*([^<>\"\"])*$
邮政编码：^[1-9]\d{5}$
中文字符：^[\u0391-\uFFE5]+$
电话号码：^((\(\d{2,3}\))|(\d{3}\-))?(\(0\d{2,3}\)|0\d{2,3}-)?[1-9]\d{6,7}(\-\d{1,4})?$
手机号码：^((\(\d{2,3}\))|(\d{3}\-))?13\d{9}$
双字节字符(包括汉字在内)：^\x00-\xff
匹配首尾空格：(^\s*)|(\s*$)（像vbscript那样的trim函数）
匹配HTML标记：<(.*)>.*<\/\1>|<(.*)\/>
提取信息中的网络链接：(h|H)(r|R)(e|E)(f|F)*=*('|")?(\w|\\|\/|\.)+('|"|*|>)?
提取信息中的邮件地址：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 或 [a-zA-Z0-9\-_+]+@[A-Za-z]+\.(com|cn|net)
提取信息中的图片链接：(s|S)(r|R)(c|C)*=*('|")?(\w|\\|\/|\.)+('|"|*|>)?
提取信息中的IP地址：(\d+)\.(\d+)\.(\d+)\.(\d+) 或：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 或：^(([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])\.){3}([0-9]|[1-9][0-9]|1[0-9]{2}|2[0-4][0-9]|25[0-5])$
提取信息中的中国手机号码：(86)*0*13\d{9}
提取信息中的中国固定电话号码：(\(\d{3,4}\)|\d{3,4}-|\s)?\d{8}
提取信息中的中国电话号码（包括移动和固定电话）：(\(\d{3,4}\)|\d{3,4}-|\s)?\d{7,14}
提取信息中的中国邮政编码：[1-9]{1}(\d+){5}
提取信息中的浮点数（即小数）：(-?\d*)\.?\d+
提取信息中的任何数字：(-?\d*)(\.\d+)?
电话区号：/^0\d{2,3}$/
腾讯QQ号：^[1-9]*[1-9][0-9]*$
帐号(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
中文、英文、数字及下划线：^[\u4e00-\u9fa5_a-zA-Z0-9]+$
sql语句：^(select|drop|delete|create|update|insert).*$
匹配行首空格：^\s*
匹配行尾空格：\s*$
\< 匹配词首
> 匹配词尾
\b 匹配单词边界
对比如下：
Bash
line="cat dog sky"
echo "$line" | sed -n "s/\(.*\)\b\(.*\)/# |\1|\2|/p"
echo "$line" | sed -n "s/\(.*\)\>\(.*\)/# |\1|\2|/p"
echo "$line" | sed -n "s/\(.*\)\<\(.*\)/# |\1|\2|/p"
echo
line="cat dog sky"
echo "$line" | sed -n "s/\(.*\)\b\(.*\)/# |\1|\2|/p"
echo "$line" | sed -n "s/\(.*\)\>\(.*\)/# |\1|\2|/p"
echo "$line" | sed -n "s/\(.*\)\<\(.*\)/# |\1|\2|/p"
echo
line="cat dog sky "
echo "$line" | sed -n "s/\(.*\)\b\(.*\)/# |\1|\2|/p"
echo "$line" | sed -n "s/\(.*\)\>\(.*\)/# |\1|\2|/p"
echo "$line" | sed -n "s/\(.*\)\<\(.*\)/# |\1|\2|/p"
echo
# 输出分别是：
# |cat dog |sky|
# |cat dog| sky|
# |cat dog |sky|
# |cat dog |sky|
# |cat dog| sky|
# |cat dog |sky|
# |cat dog sky| |
# |cat dog sky| |
# |cat dog |sky |