正则表达式（9）：扩展正则表达式

本博文转载自

前文中一直在说，在Linux中，正则表达式可以分为”基本正则表达式”和”扩展正则表达式”。

我们已经认识了”基本正则表达式”，现在，我们来认识一下”扩展正则表达式”。

有了之前的基础，学习”扩展正则表达式”简直不要太轻松。

之前说过，有些符号是通用的，不管是在”基本正则表达式”中，还是在”扩展正则表达式”中，这些通用的符号所表达的意思都是相同的。

那么，我们先来看看哪些符号是通用的，看完之后你会信心大增，如下字符都是通用的：

.   表示任意单个字符。
*  表示前面的字符连续出现任意次，包括0次。
.* 表示任意长度的任意字符，与通配符中的*的意思相同。
\  表示转义符，当与正则表达式中的符号结合时表示符号本身。
[  ]表示匹配指定范围内的任意单个字符。
[^  ]表示匹配指定范围外的任意单个字符。
 
[[:alpha:]]  表示任意大小写字母。
[[:lower:]]  表示任意小写字母。
[[:upper:]]  表示任意大写字母。
[[:digit:]]  表示0到9之间的任意单个数字（包括0和9）。
[[:alnum:]]  表示任意数字或字母。
[[:space:]]  表示任意空白字符，包括"空格"、"tab键"等。
[[:punct:]]  表示任意标点符号。
[^[:alpha:]]  表示单个非字母字符。
[^[:lower:]]  表示单个非小写字母字符。
[^[:upper:]]  表示单个非大写字母字符。
[^[:digit:]]  表示单个非数字字符。
[^[:alnum:]]  表示单个非数字非字母字符。
[^[:space:]]  表示单个非空白字符。
[^[:punct:]]  表示单个非标点符号字符。
[0-9]与[[:digit:]]等效。
[a-z]与[[:lower:]]等效。
[A-Z]与[[:upper:]]等效。
[a-zA-Z]与[[:alpha:]]等效。
[a-zA-Z0-9]与[[:alnum:]]等效。
[^0-9]与[^[:digit:]]等效。
[^a-z]与[^[:lower:]]等效。
[^A-Z]与[^[:upper:]]等效
[^a-zA-Z]与[^[:alpha:]]等效
[^a-zA-Z0-9]与[^[:alnum:]]等效
 
^：表示锚定行首，此字符后面的任意内容必须出现在行首，才能匹配。
$：表示锚定行尾，此字符前面的任意内容必须出现在行尾，才能匹配。
^$：表示匹配空行，这里所描述的空行表示"回车"，而"空格"或"tab"等都不能算作此处所描述的空行。
^abc$：表示abc独占一行时，会被匹配到。
\<或者\b ：匹配单词边界，表示锚定词首，其后面的字符必须作为单词首部出现。
\>或者\b ：匹配单词边界，表示锚定词尾，其前面的字符必须作为单词尾部出现。
\B：匹配非单词边界，与\b正好相反。

上述符号，在基本正则表达式中与扩展正则表达式中的用法完全相同。

有没有感觉，70%都是通用的，那么我们来动手试试。

在总结grep命令时，我们提到过，grep命令默认只支持基本正则表达式，如果想要让grep命令能够支持扩展的正则表达式，则需要使用”-E”选项，示例如下

上图中，grep命令使用了”-E”选项，表示grep命令会把”正则表达式”中的符号当成”扩展正则表达式”去理解，而不再使用默认的”基本正则表达式”。

但是由于”[A-Z]”是通用的，所以，不管是否使用扩展正则表达式，”[A-Z]”都表示单个大写字母。

刚才说过，70%的符号都是通用的，那么剩下的30%呢？

其实，剩下的30%也都差不多，与基本正则表达式相比，反而更加简单了，不信？我们就来看看。

在基本正则表达式中，{n} 表示前面的字符连续出现n次，将会被匹配到。

在扩展正则表达式中，{n} 表示前面的字符连续出现n次，将会被匹配到。

在基本正则表达式中，( ) 表示分组，(ab) 表示将ab当做一个整体去处理。

在扩展正则表达式中，( ) 表示分组，(ab) 表示将ab当做一个整体去处理。

在写法上，”扩展正则表达式”的写法是不是更加简练呢？示例如下

如上图所示，当使用”扩展正则表达式”时，在”书写”方面，反而省力不少，最终匹配到的文本却是相同的，是不是很方便？

看完了上述示例，我想你对扩展正则表达式应该已经有了一个初步的印象了。

那么，我们就来介绍一下，有哪些符号在”扩展正则表达式”中变得更加简练了。

在扩展正则表达式中：

( ) 表示分组

(ab) 表示将ab当做一个整体去处理。

\1 表示引用整个表达式中第1个分组中的正则匹配到的结果。

\2 表示引用整个表达式中第2个分组中的正则匹配到的结果。

? 表示匹配其前面的字符0或1次

• 表示匹配其前面的字符至少1次，或者连续多次，连续次数上不封顶。

{n} 表示前面的字符连续出现n次，将会被匹配到。

{x,y} 表示之前的字符至少连续出现x次，最多连续出现y次，都能被匹配到，换句话说，只要之前的字符连续出现的次数在x与y之间，即可被匹配到。

{,n} 表示之前的字符连续出现至多n次，最少0次，都会陪匹配到。

{n,}表示之前的字符连续出现至少n次，才会被匹配到。

看了上述总结以后，是不是已经想要放弃使用”基本正则表达式”了呢？因为与之相比，扩展正则表达式才更符合我们这些懒人的习惯，而且，扩展正则表达式的可读性也更高，毕竟很多符号少了前面的”\”，可读性就变强了。

扩展正则表达式中，还有一个常用的符号，它就是”|” (在基本正则表达式中使用 “\|”, 前面没有讲, 这里补上)

注：按住键盘的 “shift键” 和 “\”键 ，就可以打出”|”

“|”在扩展正则表达式中，表示”或”，这样说不容易理解，我们来看个小例子，就能明白，示例文件内容如下。

如果，我们想要从上例文本中找到以”com”结尾的行，我们该怎么办呢？我们可以使用如下命令。

同理，如果我们想要从示例文本中找出以”net”结尾的行，可以使用如下命令。

那么，如果我们想要从示例文本找出，以”com”结尾，或者以”net”结尾的行，我们该怎么办呢？

这时候，我们就需要用到”|”

“|”在扩展正则表达式中表示”或者”，所以，我们可以使用如下表达式

上图中的扩展正则使用了分组符号”( )”，”(com|net)”表示将括号内的内容看做一个整体，而括号内的内容为”com|net”，它表示”com或者net”，所以，”(com|net)$”就表示以com或者net结尾的行。是不是很简单？

那么，我们就趁热打铁，通过实际练习，来熟悉一下”扩展正则表达式”吧。

仍然以刚才的示例文件作为测试文件，假设，我们想要查找出测试文本中的”合法邮箱”，我们应该怎么做呢？

既然是要找出”合法邮箱”，那么，我们则必须事先定义，满足哪些条件的邮箱才属于合法邮箱。

所以，我们规定，如果一个邮箱属于合法邮箱，那么必须满足如下条件。

1、邮箱字符串中必须包含”@”符。

2、”@”符前面的字符只能是小写字母或数字，不能包含特殊符号。

3、”@”符前面的字符数量至少需要4个，至多为16个。

4、邮箱必须以”com”、”net”、”org”、”edu”等顶级域名结尾（此处为了方便演示，不判断更多的域名）。

5、顶级域名之前必须包含一个”点”，换句话说就是，邮箱必须以”.com”、”.net”、”.org”、”.edu”结尾。

6、”@”与”.”之间的字符数量不能超过12个，不能低于2个。

7、”@”与”.”之间的字符只能是小写字母或数字，不能包含特殊符号。

好了，了解了合法邮箱的规则以后，我们就可以开始编写正则表达式了，我们可以使用如下正则，查找文本中的合法邮箱。

如果你觉得上述正则稍微有些复杂，不容易理解，那么可以将其拆分成几个部分去理解，拆分后的每一部分，可以与之前的”合法邮箱条件”一一对应，如下图所示。

这样看，是不是容易理解多了，好了，赶快自己动手实验一下吧。

小结

我认为，有了之前基础的你，搞定”扩展正则表达式”，肯定是分分钟的事情，所以，我们就对”扩展正则表达式”进行一下总结吧。

常用符号
.   表示任意单个字符。
*  表示前面的字符连续出现任意次，包括0次。
.* 表示任意长度的任意字符，与通配符中的*的意思相同。
\  表示转义符，当与正则表达式中的符号结合时表示符号本身。
| 表示"或者"之意
[  ]表示匹配指定范围内的任意单个字符。
[^  ]表示匹配指定范围外的任意单个字符。
 
单个字符匹配相关
[[:alpha:]]  表示任意大小写字母。
[[:lower:]]  表示任意小写字母。
[[:upper:]]  表示任意大写字母。
[[:digit:]]  表示0到9之间的任意单个数字（包括0和9）。
[[:alnum:]]  表示任意数字或字母。
[[:space:]]  表示任意空白字符，包括"空格"、"tab键"等。
[[:punct:]]  表示任意标点符号。
[^[:alpha:]]  表示单个非字母字符。
[^[:lower:]]  表示单个非小写字母字符。
[^[:upper:]]  表示单个非大写字母字符。
[^[:digit:]]  表示单个非数字字符。
[^[:alnum:]]  表示单个非数字非字母字符。
[^[:space:]]  表示单个非空白字符。
[^[:punct:]]  表示单个非标点符号字符。
[0-9]与[[:digit:]]等效。
[a-z]与[[:lower:]]等效。
[A-Z]与[[:upper:]]等效。
[a-zA-Z]与[[:alpha:]]等效。
[a-zA-Z0-9]与[[:alnum:]]等效。
[^0-9]与[^[:digit:]]等效。
[^a-z]与[^[:lower:]]等效。
[^A-Z]与[^[:upper:]]等效
[^a-zA-Z]与[^[:alpha:]]等效
[^a-zA-Z0-9]与[^[:alnum:]]等效
 
次数匹配相关
?  表示匹配其前面的字符0或1次
+  表示匹配其前面的字符至少1次，或者连续多次，连续次数上不封顶。
{n} 表示前面的字符连续出现n次，将会被匹配到。
{x,y} 表示之前的字符至少连续出现x次，最多连续出现y次，都能被匹配到，换句话说，只
要之前的字符连续出现的次数在x与y之间，即可被匹配到。
{,n} 表示之前的字符连续出现至多n次，最少0次，都会陪匹配到。
{n,}表示之前的字符连续出现至少n次，才会被匹配到。
 
位置边界匹配相关
^：表示锚定行首，此字符后面的任意内容必须出现在行首，才能匹配。
$：表示锚定行尾，此字符前面的任意内容必须出现在行尾，才能匹配。
^$：表示匹配空行，这里所描述的空行表示"回车"，而"空格"或"tab"等都不能算作此处所描述的空行。
^abc$：表示abc独占一行时，会被匹配到。
\<或者\b ：匹配单词边界，表示锚定词首，其后面的字符必须作为单词首部出现。
\>或者\b ：匹配单词边界，表示锚定词尾，其前面的字符必须作为单词尾部出现。
\B：匹配非单词边界，与\b正好相反。
 
分组与后向引用
( ) 表示分组，我们可以将其中的内容当做一个整体，分组可以嵌套。
(ab) 表示将ab当做一个整体去处理。
\1 表示引用整个表达式中第1个分组中的正则匹配到的结果。
\2 表示引用整个表达式中第2个分组中的正则匹配到的结果。

那么什么时候使用基本正则表达式、什么时候使用扩展正则表达式呢？
这是一个仁者见仁的话题, 个人认为:
当出现2处或者2处以上使用“\”(反斜杆转义)的正则, 则使用扩展正则。

基本正则表达式与扩展正则表达式的区别:
区别主要是有几个部分可以不使用反斜杆转义.
如下:

1. 分组;  
基本正则表达式: \(\)
扩展正则表达式: ()

2. 或
基本正则表达式: \|
扩展正则表达式: |

3. 次数匹配相关
基本正则表达式:
\?  表示匹配其前面的字符0或1次
\+  表示匹配其前面的字符至少1次，或者连续多次，连续次数上不封顶。
\{n\} 表示前面的字符连续出现n次，将会被匹配到。
\{x,y\} 表示之前的字符至少连续出现x次，最多连续出现y次，都能被匹配到，换句话说，只要之前的字符连续出现的次数在x与y之间，
即可被匹配到。
\{,n\} 表示之前的字符连续出现至多n次，最少0次，都会陪匹配到。
\{n,\}表示之前的字符连续出现至少n次，才会被匹配到。

扩展正则表达式:
?  表示匹配其前面的字符0或1次
+  表示匹配其前面的字符至少1次，或者连续多次，连续次数上不封顶。
{n} 表示前面的字符连续出现n次，将会被匹配到。
{x,y} 表示之前的字符至少连续出现x次，最多连续出现y次，都能被匹配到，换句话说，只
要之前的字符连续出现的次数在x与y之间，即可被匹配到。
{,n} 表示之前的字符连续出现至多n次，最少0次，都会陪匹配到。
{n,}表示之前的字符连续出现至少n次，才会被匹配到。

关于”扩展正则表达式”，就总结到这里，希望能够帮助到你~~