REGEX - Linux手册页
Linux程序员手册 第7部分
更新日期： 2020-08-13
名称
regex-POSIX.2正则表达式
说明
POSIX.2中定义的正则表达式(" RE")有两种形式：现代RE(大约是egrep的那些； POSIX.2称这些为"扩展的" RE)和过时的RE(大约是ed(1)的那些) ； POSIX.2"基本" RE)。在某些旧程序中，过时的RE大多是为了向后兼容而存在的。他们将在最后讨论。 POSIX.2保留了RE语法和语义的某些方面； "(！)"标记可能无法完全移植到其他POSIX.2实现中的这些方面的决定。
一个(现代)RE是一个(！)或多个非空(！)分支，以aq | aq分隔。它匹配任何与分支之一匹配的东西。
分支是一个(！)或多个连接的片段。它匹配第一个匹配项，然后匹配第二个匹配项，依此类推。
一块是一个原子，后面可能跟着一个单(！)aq * aq，aq + aq，aq？aq或边界。紧跟aq * aq的原子与该原子的0个或多个匹配项匹配。紧跟aq + aq的原子与该原子的1个或更多个匹配项匹配。紧跟aq？aq的原子与该原子的0或1个匹配项的序列匹配。
边界是aq {aq，后跟无符号十进制整数，可能后跟aq，aq可能后跟另一个无符号十进制整数，始终后跟aq} aq。整数必须介于0到RE_DUP_MAX(255(！))之间(包括两端)，并且如果有两个整数，则第一个整数不得超过第二个。一个原子后跟一个包含一个整数i且没有逗号的界限，它与该原子的i个完全匹配的序列匹配。一个原子后跟一个包含一个整数i和一个逗号的界线，与该原子的i个或更多个匹配项的序列匹配。一个原子后跟一个包含两个整数i和j的边界，与该原子的i至j(包括)匹配序列相匹配。
原子是包含在"()"中的正则表达式(匹配正则表达式的匹配项)，空集"()"(匹配空字符串)(！)，方括号表达式(请参见下文)，aq。 aq(匹配任何单个字符)，aqhaaq(匹配行开头的空字符串)，aq $ aq(匹配行末尾的空字符串)，aq \ aq，后跟字符之一" ha" 。[$()| * +？{"(匹配该字符作为普通字符)，aq \ aq，然后跟任何其他字符(！)(匹配该字符作为普通字符，就像aq \ aq尚未出现(！))，或没有其他意义的单个字符(与该字符匹配)。 aq {aq后跟数字以外的其他字符是普通字符，而不是bound(！)的开头。以aq \ aq结束RE是非法的。
方括号表达式是用" []"括起来的字符列表。它通常与列表中的任何单个字符匹配(但请参见下文)。如果列表以aqhaaq开头，则它匹配任何单个字符(但请参见下文)，而不是列表的其余部分。如果列表中的两个字符用aq-aq隔开，则这是整理序列中这两个字符(包括两个字符)之间的完整字符的缩写，例如，ASCII中的" [0-9]"与任何十进制数字匹配。两个范围共享一个端点是非法的(！)，例如" a-c-e"。范围是非常依赖整理顺序的，可移植程序应避免依赖它们。
要在列表中包括文字aq] aq，请使其成为第一个字符(紧随其后的aqhaaq)。要包含文字aq-aq，请将其设为第一个或最后一个字符，或范围的第二个端点。要将文字aq-aq用作范围的第一个端点，请将其括在" [。"中。和"。]"作为整理元素(请参见下文)。除了这些以及使用aq [aq的某些组合(请参阅下一段)之外，所有其他特殊字符(包括aq \ aq)在方括号表达式中都失去其特殊意义。
在方括号表达式中，用" [。"括起来的归类元素(一个字符，一个好像要作为单个字符进行归类的多字符序列，或任何一个的归类序列名称)。 "。]"代表该整理元素的字符序列。该序列是括号表达式列表中的单个元素。因此，包含多字符归类元素的方括号表达式可以匹配多个字符，例如，如果归类序列包括" ch"归类元素，则RE" .ch。* c"与前五个字符匹配的" chchcc"。
在方括号表达式中，用[[="和" =]"括起来的排序元素是一个等效类，代表与该排序元素等效的所有排序元素的字符序列，包括它自己。 (如果没有其他等效的校对元素，则将其视为包围的分隔符为" [。"和"。]"。)例如，如果o和是等价类的成员，则" = ="，" =="和" [o]"都是同义词。等价类可能不是范围的端点。
在方括号表达式中，用" [："和"：]"括起来的字符类的名称代表该类所有字符的列表。标准字符类名称为：
- 字母数字点 字母空间 Blanklowerupper cntrlprintxdigit
这些代表wctype(3)中定义的字符类。语言环境可以提供其他语言环境。字符类不能用作范围的端点。
如果RE可以匹配给定字符串的多个子字符串，则RE匹配字符串中最早的一个子字符串。如果RE从那时开始可以匹配多个子串，则它匹配最长的子串。子表达式还匹配尽可能长的子字符串，但要遵守整个匹配尽可能长的约束，其中子表达式在RE中较早开始，优先于较晚开始的子字符串。请注意，因此，较高级别的子表达式优先于其较低级别的组件子表达式。
匹配长度以字符为单位，而不是归类元素。空字符串被认为比没有匹配要长。例如，当匹配"(。)。"时，" bb *"匹配" abbbc"的三个中间字符，"(wee | week)(knights | nights)"匹配" weeknights"的所有十个字符带括号的子表达式" abc"与所有三个字符匹配，并且将"((a )""与" bc"匹配时，整个RE和带括号的子表达式都与空字符串匹配。
如果指定了不区分大小写的匹配，则效果就好像所有区分大小写都从字母表中消失了一样。当在多种情况下存在的字母显示为括号表达形式之外的普通字符时，例如，aqxaq变为" [xX]"，则该字符串有效地转换为包含两种情况的括号表达形式。当它出现在方括号表达式中时，所有与之对应的大小写都将添加到方括号表达式中，例如，" [x]"变为" [xX]"，" [hax]"变为" [haxX]"。
REs(！)的长度没有特别限制。旨在可移植的程序不应使用超过256字节的RE，因为实现可能会拒绝接受这些RE并保持POSIX兼容。
过时的("基本")正则表达式在几个方面有所不同。 aq | aq，aq + aq和aq？aq是普通字符，它们的功能没有等效项。边界的定界符是" \ {"和" }"，aq {aq和aq} aq本身就是普通字符。嵌套子表达式的括号是" ("和" )"，aq(aq和aq)aq本身就是普通字符。 aqhaaq是一个普通字符，除了在RE的开头或带括号的子表达式的开头(！)之外，aq $ aq是一个普通字符，除了在RE的结尾或括号的子表达式的结尾是(！)的结尾，以及aq * aq是普通字符，如果它出现在RE的开头或带括号的子表达式的开头(可能在前导aqhaaq之后)。
最后，有一种新的原子类型，即反向引用：aq \ aq后跟一个非零的十进制数字d，该字符与由d括号括起来的子表达式匹配的相同字符序列相同(按子表达式的开括号位置对它们进行编号，从左到右)。右)，例如" ([bc] )\ 1"匹配" bb"或" cc"，但不匹配" bc"。
BUGS
拥有两种RE是很不容易的。
当前的POSIX.2规范说aq)aq是普通字符，没有不匹配的aq(aq；这是措辞错误的无意结果，很可能会更改，请避免依赖它。
反向引用是一个可怕的缺陷，为有效实现带来了主要问题。它们的定义也有些模糊(" a ((b()** 2 )* d"匹配" abbbd"吗？)。避免使用它们。
POSIX.2的大小写无关的匹配规范不明确。上面给出的"一个案例意味着所有案例"定义是实施者之间就正确解释的当前共识。
作者
本页摘自Henry Spencer的regex软件包。
出版信息
这个页面是Linux手册页项目5.08版的一部分。有关项目的说明、有关报告错误的信息以及此页面的最新版本，请访问https://www.kernel.org/doc/man-pages/。
