共计 5001 个字符，预计需要花费 13 分钟才能阅读完成。
这篇文章主要介绍正则表达式要点有哪些，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
正则表达式（Regular
Expression）是强大、便捷、高效的文本处理工具。
正则表达式的元字符与其他字符结合起来，实现我们期望的功能。
典型元字符：
^ 脱字符，一行的起始，匹配的是行开始的位置
$ 美元符，一行的结束，匹配的是行结尾的位置
| 竖线、管道，多选结构，匹配分隔两边的任意子表达式
(…) 括号，限制竖线（管道）的作用范围，单用 grep 不支持，需用 grep - E 或 egrep
[…] 字符组，匹配里面的若干字符之一（正则表达式结构体 Construct[]，列出在某处期望匹配的字符）
[^…] 排除型字符组，匹配未列出的任意字符
–
连字符，表示一个范围，用于字符组内部时才是元字符
. 点号，单个任意字符，用来匹配任意字符的字符组的简便写法
\ 反斜线小于，单词分界符 \ 用于匹配单词（字符组合，字母数字符号）开头的位置
\ 反斜线大于，单词分界符 \ 用于匹配单词（字符组合，字母数字符号）结束的位置
同一字符在不同位置，含义可能不一样，需注意区分。加参数 - i 表示匹配时不区分大小写。
实例分析：
cat 寻找一行文本中任意位置的 cat，如 cat、catalog、scat、scatter
^cat 寻找行首的 cat，如 catalog
cat$ 寻找行尾的 cat，如 scat
^cat$
只包含 cat 的行
^$
空行，没有任何字符（包括空白字符）
^
单独使用无意义
\ cat\ 匹配单词 cat
^(From|Subject): 表示寻找以 From: 或者 Subject: 开头的行
包含型字符组：[123456] 匹配 1 到 6 中的任意一个数字
H[123456] 匹配 H1 ~ H6，可以写成 H[1-6]，- 为连字符，用于字符组内部时，表示一个范围。
[0-9] 匹配一个数字
[a-z] 匹配一个小写字母
[A-Z] 匹配一个大写字母
[0-9A-Z_!.?] 匹配一个数字、大写字母、下划线、惊叹号、点或问号
[0123456789abcdefABCDEF] 可以写成 [0-9a-fA-F] 或者[A-Fa-f0-9]，顺序无所谓，适合处理 16 进制数字
[abc]、[a-c]、（a|b|c）表示同一个意思，但不是所有字符都可以这样表示。字符组效率相对较高。
排除型字符组：[^…] 匹配任何未列出的字符，字符组内部开头的 ^ 表示排除（negate），列出不希望匹配的字符
n[^d] 匹配 n 后面不是字符 d 的行
[^d] 匹配不是仅包含字母 d 的行，即排除仅包含字母 d 的行
排除型字符组表示“匹配未列出的字符（match a character that’s not listed）”，而不是“不要匹配列出的字符（don’t match what is listed）”。
匹配文件目录 / 路径的方法：
./([^/]+)/ 匹配./ 后面不是只有 / 但可以是其他字符（出现次数不限）的行，最后面还有 /
实测发现此正则表达式还不够严谨
因为. 是匹配单个任意字符（不一定是. 还可能是字母或其它字符）
若要匹配单独的. 需要加转义符 \ 或者脱字符 ^
实例：
[root@CentOS6 shell]# grep -E \./([^/]+)/ dir.txt # 加转义符 \
./home/
./…yes../
./new/
./100/
./ 中国 /
./2015/
./2014-12-31/
[root@CentOS6 shell]# grep -E ^./([^/]+)/$ dir.txt #加行首行尾锚定符 ^ 和 $
./home/
./…yes../
./new/
./100/
./ 中国 /
./2015/
./2014-12-31/
[root@CentOS6 shell]# cat dir.txt
//
.//
./home/
./…yes../
.//~/
./new/
./100/
./ 中国 /
./2015/
./2014-12-31/
/hometown/
yesterday
@China
.///
.////
.//~/~/
abcd//~/
..//../
[root@CentOS6 shell]#
用点号. 匹配任意字符：
元字符.（也称点号 dot、小点 point）是用来匹配任意字符的字符组的简便写法。
如果需要在表达式中使用一个“匹配任意字符”的占位符（placeholder），用点号. 就很方便。
例如：
要搜索 03/19/76、03-19-76、03-19-76，表达式可以写成字符组形式：03[-./]19[-./]76
也可以使用点号. 替代字符组：03.19.76
相对而言，03[-./]19[-./]76 更精确，03.19.76 里的点号. 匹配到还可能是其他字符。具体用哪个取决于目标文本的情况。
字符组内的点号. 不是元字符，仅代表普通的点字符；
在字符组内的连字符 -，是否表示范围要看其所在位置，在开头或结尾都不是表示范围，在中间（且不是在 [^ 后面）的才是。例如：[.-/] 中 - 是表示范围，但 [^-/.]、[./-] 里的 - 都不是表示范围。
管道 | 多选结构：匹配任意子表达式
| 也是一个元字符，意为或（or），通过它可以把不同的子表达式组合成一个总的表达式，在这样的组合中，子表达式称为“多选分支（alternative）”。
如：gr[ea]y 可以采用 | 写成 grey|gray，或者 gr(a|e)y。
注意不要写成 gr[a|e]y，这里面的 | 只是普通的字符，因为在字符组内部。
多选结构可以包括很多字符，但不能超越括号的界限。
一个字符组只能匹配目标文本中的单个字符，而每个多选结构自身都可能是完整的正则表达式，都可以匹配任意长度的文本。
(first|1st)与（fir|1）st 同一意思
(First|1st) [Ss]treet 与(Fir|1)st [Ss]treet 同一意思
在一个包含多选结构的表达式中使用脱字符 ^ 和美元符 $ 的时候要小心。
分析：
^From|Subject|Date: 匹配 ^From 或 Subject 或 Date:
^(From|Subject|Date): 匹配 ^From: 或 ^Subjec: 或 ^Date: 常用于提取 E -mail 文件中的信息
两者的匹配结果是不一样的。
如果希望在每个多选分支之前都有脱字符 ^，之后都有:，需要使用括号来限制（constrain）这些多选分支。
典型用法：
grep -E From:|Subject: test.txt
grep -E ^(From|Subject|Date): test.txt // 单引号、双引号都可以，扩展正则
egrep ^(From|Subject|Date): test.txt
元字符序列 \ 和 \ 单词分界符：
使用正则表达式时经常会遇到一个问题，就是期望匹配的“单词”包含在另一个单词之中。
单词分界符 \ 和 \ 用于匹配单词开头和结束的位置。注意：和 本身并不是元字符，只有当它们与斜线 \ 结合起来的时候，整个序列才有特殊意义（称为元字符序列）。不是所有的 egrep 版本都支持单词分界符。
分析：
\ cat\ 意为匹配单词的开头位置，然后是 c a t 这 3 个字母，之后是单词的结束位置，简单的说就是匹配 cat 这个单词。
也可以用 \ cat 和 cat\ 来分别匹配以单词（或者说字母组合）cat 开头和结束的单词。
egrep（相当于 grep -E）认定的单词开头位置用向上的箭头标识，单词结束位置用向下的箭头标识。
“单词的开始和结束”准确地说是“字母数字字符号的开始和结束”。
可选项元素、通配符 Wildcards：
optional
items 可选项元素
问号? 代表可选项，表示任意单个字符，把它加在一个字符的后面，就表示此处容许出现这个字符，不过它的出现并非匹配成功的必要条件。哪个字符可选，? 就放在哪个字符后面。需要使用 egrep 或 grep -E。
color、colour 可以通过 colou?r 来匹配
July、Jul 可以通过 July? 或 (July|Jul) 来匹配
fourth|4th|4 可以通过 fourth|4(th)? 来匹配 嵌套了括号，问号? 作用的对象是整个括号内的内容。
括号及反向引用
括号的用途：
1、限制多选项的范围
2、将若干字符组合为一个单元，受问号? 或星号 * 之类量词的作用，如 four(th)?、(a)*
3、反向引用 backreference 容许匹配与表达式先前部分匹配的同样的文本
例如：\ ([A-Za-z]+).+\1\ 这里的括号 () 和 \1 用于支持反向引用
在支持反向引用的工具软件中，括号 () 能够“记忆”其中的子表达式匹配的文本，不论这些文本是什么，元字符序列 \1 都能记住它们。而且，在一个表达式中可以使用多个括号，在用 \1、\2、\3 等来表示第一、第二、第三组括号匹配的文本。括号是按照开括号“(”从左至右的出现顺序进行的。
例如：([a-z])([0-9])\1\2 中的 \1 代表 [a-z] 匹配的内容，\2 代表 [0-9] 匹配的内容。
转义
. 本身是元字符，它可以匹配任何字符，包括空格。
真正匹配文本中点号. 的元序列应该是反斜线（backslash）加上点号的组合：
aga\.att\.com
\. 称为“转义的点号”或“转义的句号”，这种方法适用于所有的元字符，但在字符组内部无效。
这样使用的反斜线成为“转义符（escape）”——它作用的元字符会失去特殊含义，成为普通字符。
还可以用 \([a-zA-Z]+\)来匹配一个括号内的单词，例如(very)，在开闭括号之前的反斜线消除了开闭括号的特殊意义，于是能够匹配文本中的开闭括号。
变量名：
许多程序设计语言都有标识符（identifier，例如变量名）的概念。
标识符只包含字母、数字以及下划线，但不能以数字开头。
可以用[a-zA-Z_][a-zA-Z_0-9]* 来匹配标识符：
第一个字符组匹配可能出现的第一个字符；
第二个（包括对应的 *）匹配余下的字符。
引号内的字符串：
匹配引号内的字符串，最简单的方法是使用表达式：”[^”]*”
两端的引号用来匹配字符串开头和结尾的引号。
在这两个引号之间的文本可以包括双引号之外的任何字符。
这里用 [^”] 来匹配除双引号”之外的任何字符，用 * 来表示两个引号之间可以存在任意数目的非双引号字符。
美元金额（可能包含小数）：
\$[0-9]+(\.[0-9][0-9])? 是一种匹配美元金额的办法。
三个部分：\$、…+、(…)?
分别匹配一个美元符号、小数点前的数字（一个或一组数字）、小数点及其之后的数字（一个小数点和两位数字），可以匹配 $100.1 之类的美元金额，但不能匹配 $1,100 这样的金额，小数部分是可选的。
如果要匹配的是只包含价格而不含其他字符的行，可以在此表达式两端加上 ^…$，即：
^\$[0-9]+(\.[0-9][0-9])?$ 开头为美元符 $，结尾为数字，且必须包含小数点，匹配结果与前者不同
这个表达式不能匹配 $.49。
因为：
^ 脱字符，一行的起始，匹配的是行开始的位置
$ 美元符，一行的结束，匹配的是行结尾的位置
网址 HTTP/HTML URL：
网址（Web URL）的形式可能有很多种，所以构造一个能够匹配所以形式的 URL 的正则表达式很有难度。
但如果只要求匹配大多数常见的 URL，则相对比较简单。
常见的 HTTP/HTML URL 样式如下：
http://hostname/path.html（或 htm）
主机名（hostname）（如 www.yahoo.com）的规则比较复杂，但因为主机名一般跟在 http:// 之后，可以写成：
[-a-z0-9_.]+ （可能应该是[-a-z0-9_.:]+）
path 部分的变换更多，需要写成：
[-a-z0-9_:@ ?=+,.!/~*%$]*
注意：用作普通字符的连字符 - 必须放在字符组的开头，用在字符组中间的是表示范围的元字符。
综合起来就是：
egrep -i‘\ http://[-a-z0-9_.:]+/[-a-z0-9_:@ ?=+,.!/~*%$]*\.html?\ files
更简化的版本：
egrep -i‘\ http://[^]*\.html?\ files
可能匹配出一些错误结果，根据具体需求调整表达式即可。
以上是“正则表达式要点有哪些”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注丸趣 TV 行业资讯频道！
