正則基礎

1.行的開始和結束

---

元素組成部分：metacharacters & literal （元字符和普通字符）。
1.1 ^： 一行的開頭。
1.2 &： 一行的結束。
1.3 ^cat&：行開頭, 而後匹配cat, 行結尾(沒有多餘的單詞、空白字符 )。
1.4 ^&：空行（沒有任何字符，包括空白字符）。
1.5 ^：行開頭。

2.字符組

---

2.1 [···]：中括號內部列出指望匹配的字符。
2.2 [123456]：匹配1到6，裏面匹配是或的意思。
2.3 [1-6]：一樣匹配1-6，其中的-是字符組元字符（在字符組內部-->字符組元字符）。

注意：只在字符組內部且不是第一個元素，連字符纔是元字符，不然它就只能普通的連字符號。

3.排除型字符組

---

3.1 用[^123]取代[123]，表明除了123之外的其餘元素，其中的^表明排除的意思。
3.2 q[^u]是匹配字母q後不是u的狀況，可是咱們要考慮到一些問題，就是q多是大寫的Q，因此建議咱們直接用[Qq][^u]。還有就是q正好位於行尾，緊跟着的會是換行符，若是正則沒有保留換行符，那麼q以後就沒有元素，一樣匹配不到（一個字符組，就算是排除型字符組，也須要匹配一個字符）。
3.3 [^x]：匹配一個不是x的字符，而不是說，只有當這個位置不是x時才能匹配（剛剛說的正好在行尾的狀況）。

注意：這裏的^表示排除之意，與以前在字符組外部表示行錨點的^不一樣，這裏的^是一個元字符（在字符組內部且緊跟首個方括號以後）。

4.點符號匹配任意字符

---

4.1 .：匹配任意字符
好比03/19/76，03-19-76，03.19.76，要匹配這些，咱們不嫌麻煩能夠這樣 03[-./]19[-./]76，其實能夠簡單這樣匹配 03.19.76。可是這樣還會出現問題，他甚至會匹配到03319 76，這一點上顯然沒有前者精確，這就須要咱們在檢索精確度和文檔瞭解度以前權衡。其實能夠經過轉義字符把元字符轉化爲普通的字符，從而更精確的匹配，後文會講到。

注意：點符號並非元字符，由於它在字符組內部。在字符組裏面和外面，元字符的定義和意義是不同的，這裏的-一樣不是連字符，由於它雖然位於字符組內，可是是在首個元素位置。

若是這樣寫[.-/]，那就表明元字符了，用來表示範圍，可是這樣寫明顯是錯誤的用法。

5.多選結構

---

5.1 |：元字符，或的意思。依靠該字符能夠把任意的正則表達式組合成一個總的表達式，而且總表達式能夠匹配其中的任意子表達式。
例如gr[ea]y能夠寫做grey|gray或gr(e|a)y，其中括號用來劃定多選結構的範圍（正常狀況下，括號也是元字符 ）。

注意：gr[e|a]y不符合咱們的要求，由於在這裏|只是一個普通字符。

在這裏，gr[ea]y和gr(e|a)y表示的意思同樣，不要認爲多選結構和字符組同樣，一個字符組只能匹配目標文本中的單個字符，可是多選結構自身均可以是完整的正則表達式，均可以匹配任意長度的文本。

還有一點須要注意，就是多選結構和^和$一塊兒使用的時候。
5.2 ^From|Subject|Data:*：匹配的是^From，Subject，Data:*。
5.3 ^(From|Subject|Data):*：匹配一行的起始位置，而後是From，Subject，Data任意一個，最後匹配:*。

6.忽略大小寫

---

6.1 egrep命令中加入-i參數便可，好比咱們不對From區分大小寫，那總不能這樣寫[Ff][Rr][Oo][Mm]，這樣顯然繁瑣，只須要忽略大小寫便可。

7.單詞分界符

---

7.1 \<和\>：單詞分界符，匹配單詞分界的位置。因爲單個<和>並非元字符，所以相似這種稱爲metasequences(元字符序列)。
下圖所示，單詞開頭位置用向上的箭頭標識，單詞結束的位置用向下的箭頭標識。

8.小結

---

咱們總結一下到目前爲止學到的元字符

元字符	名稱	匹配對象
.	逗號	單個任意字符
[···]	字符組	列出的任意字符
[^···]	排除型字符組	未列出的任意字符
^	脫字符	行的起始位置
$	美圓符	行的結束位置
<	反斜槓-小於	單詞的起始位置（某些版本的egrep可能不支持）
\>	反斜槓-大於	單詞的結束位置（某些版本的egrep可能不支持）
|	豎線	匹配分隔兩邊的任意一個表達式
(···)	括號	限制豎線的做用範圍，其餘功能下文論述

9.可選元素

---

9.1 x?：表明x元素無關緊要，不會匹配失敗。
9.2 colou?r：匹配color或則colour。
假如匹配英語中的7月4日（July fourth），7能夠是July，也能夠簡寫爲Jul，4能夠是fourth、4th和4。咱們可使用(July;Jul) (fourth;4th;4)也可使用July? (fourth|4(th)?)

10.其餘量詞：重複出現

---

10.1 +：以前緊鄰的元素出現一次或屢次，若是連一次都沒有匹配成功，就匹配失敗。
10.2 *：前緊鄰的元素出現任意屢次或不出現，和？同樣，不會匹配失敗。
像?、+、*這些統稱爲量詞，由於他們限定了所做用元素的匹配次數。

表示重複的元字符總結

····	次數下限	次數上限	含義
？	無	1	能夠不出現，也能夠只出現一次（單詞可選）
*	無	無	能夠出現無數次，也能夠不出現（任意次數都可）
+	1	無	能夠能夠出現無數次，但至少要出現一次（至少一次）

規定重現次數的範圍：區間

10.3 ···{min,max}：區間量詞。問號對應的區間量詞是{0,1}。
10.4 [a-zA-z]{1,5}：匹配美國的股票代碼（1到5個字母）。
固然並非全部的egrep都支持。

11.括號及反向引用

---

到目前爲止，咱們見識過括號的兩種用途：限制多項式的範圍；將如干個字符組合爲一個單元，受問號和星號之類量詞的做用。如今介紹另一種用途，反向引用。好比咱們匹配重複的單詞，使用the the，這樣可能仍是會匹配到the theory這種，其實使用\<the the\>卻是能夠解決這個問題。可是重複單詞就不止這一個，窮舉顯示不現實。因而咱們想着匹配全部重複單詞，首先匹配一個單詞，讓後面匹配的單詞和先前匹配一樣的單詞便可。

11.1 \<([A-Za-z]+) +\1\>：匹配重複單詞（記得加上-i參數忽略大小寫），其中第一個單詞使用括號括起來，再跟上一個特殊的元字符序列\1。

固然，在一個表達式中咱們可使用多個括號。\1、\2、\3等來表示第1、第2、第三組括號匹配的文本。括號是按照開括號(從左至右的出現順序進行的，因此([a-z])([0-9])\1\2中的\1表明[a-z]匹配的內容，而\2表明[0-9]匹配的內容。

另外，該表達式雖然頗有用，可是，咱們要知道它的侷限性，重複的單詞第一個位於某行末尾，第二個在下一行的開頭，這個表達式就沒法找到。

12.轉義

---

12.1 ega\.att\.com：匹配ega.att.com，把原本是元字符的.轉化爲普通字符。
12.2 \([a-zA-Z]+\)：用來匹配一個括號內的單詞。