REGEX

图片来源：https://www.pixiv.net/en/artworks/101574081 最初的正则表达式出现于理论计算机科学的自动控制理论和形式化语言理论中。在这些领域中有对计算（自动控制）的模型和对形式化语言描述与分类的研究。 1940年，沃伦·麦卡洛克与Walter Pitts将神经系统中的神经元描述成小而简单的自动控制元。 1950年代，数学家斯蒂芬·科尔·克莱尼利用称之为「正则集合」的数学符号来描述此模型。肯·汤普逊将此符号系统引入编辑器QED，随后是Unix上的编辑器ed，并最终引入grep。自此以后，正則表达式被广泛地应用于各种Unix或类Unix系统的工具中。正则表达式的POSIX规范，分为基本型正则表达式（Basic Regular Expression，BRE）和扩展型正则表达式（Extended Regular Express，ERE）两大流派。在兼容POSIX的UNIX系统上，grep和egrep之类的工具都遵循POSIX规范，一些数据库系统中的正则表达式也符合POSIX规范。grep、vi、sed都属于BRE，是历史最早的正则表达式，因此元字符必须转譯之后才具有特殊含义。egrep、awk则属于ERE，元字符不用转譯 。 维基百科 BRE 和 ERE 是 POSIX 标准中定义的两种不同风格的正则表达式, 只支持一些比较基础功能，没有贪婪匹配（ .* ）和非贪婪匹配（ .*? ）的区别（具体效果要看具体的实现，GNU的实现中均表现为贪婪匹配，另外一些实现中 .*? 可能导致语法错误），也不支持正、逆向巡视等语法。 BRE语法 . ：匹配单个任意字符, 匹配 . 本身使用 \. * ：前面的字符或模式重复任意次，匹配 * 本身使用 \* \{m\} ：前面的字符或模式重复m次 \{m,n\} ：前面的字符或模式重复m到n次 \{m,\} ：前面的字符或模式重复m次及以上 \(regexp\) ：分组，将 \( 和 \) 之间的内容视为一个整体，有两个作用 ^ ：放在正则表达式开头则匹配行首，其他位置匹配 ^ 本身 $ ：放在正则表达式末尾则匹配行尾，其他位置匹配 $ 本身 [list] ：自定义字符集，可以匹配 [ 和 ] 之间出现的任意字符，例如： a[bcd] 可以匹配”ab”，“ac”或“ad”。且支持使用char1-char2这种省略写法，例如： [0-9]* 可以匹配”1234567890“ ， [a-c]* 可以匹配“cabba” [^list] ：同上，但匹配所有没有出现在 [ 和 ] 之间的其他字符 另外其他风格的正则表达式中有诸如 \d \w \s 等速记符号（shorthand）表示一些常用字符集，BER和ERE均不支持这种写法，取而代之的是POSIX标准中定义的字符集： POSIX Description ASCII Shorthand [:alnum:] 数字和字母 [a-zA-Z0-9] [:alpha:] 字母 [a-zA-Z] [:ascii:] ASCII字符 [\x00-\x7F] [:blank:] 空格和 Tab [ \t] \h [:cntrl:] 控制字符 [\x00-\x1F\x7F] [:digit:] 数字 [0-9] \d [:graph:] 可视字符 [\x21-\x7E] [:lower:] 小写字母 [a-z] \l [:print:] 可打印字符 [\x20-\x7E] [:punct:] 标点符号 [!”#$%&'()*+, -./:;<=>?@[ […]