Regexp

REGEXP正则表达式

Regular Expressions使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串由一类特殊字符及文本字符。

正则表达式通过专门的软件模块进行编译，执行处理，比如PCRE。

正则表达式中的匹配元字符大概分为四类：字符匹配、匹配次数、位置锚定、分组

Linux下可以通过man 7 regex查看相关帮助。

分为基本正则表达式BRE和扩展正则表达式ERE。ERE相较于BRE不需要对如(,),[,],+,|等元字符转义，但部分语言不支持ERE。

**注：**Linux下的通配符用于匹配文件名，正则表达式可以用于匹配文件名，但更多的是用于文本的匹配

字符匹配

.：匹配除了/n,/r的任意一个字符

[]：匹配指定返回内的任意一个字符，如：[wang]， [0-9]，[a-zA-Z]

[^]：匹配范围外的任意字符

[:alnum:]：匹配单个字母和数字

[:alpha:]：匹配单个字母

[:lower:]：匹配单个小写字母[:upper:]：匹配大写字母

[:blank:]：匹配 空格 和 制表符

[:digit:]：匹配十进制数字[:xdigit:]：匹配十六进制数字

[:punct:]：匹配标点符号

注：'.'表示匹配单个任意字符，而在[]中表示字符'.'。如果想要不在[]中匹配字符'.'可以使用\对'.'进行转义

示例：

“a.b” => 包含a + 任意字符 + b的行

"[^abc]" => 包含除了a,b,c有任意字符的行

"[[:digit:]]" => 匹配单个数字

匹配次数

在指定字符后添加可以指定该字符出现的次数：

*：匹配任意次数，包括 0 次

\?：匹配 0 或 1 次

\+：至少匹配 1 次

\{n\}：匹配 n 次

\{m,n\}：至少匹配 m 次，至多匹配 n 次

\{,n\}：至多匹配 n 次

\{n,\}：至少匹配 n 次

示例：

"g.*gle" => 匹配g + 任意个数字符 + gle

go\{2,3\}gle => 匹配g + 2-3个o + gle

位置锚定

对匹配字符的位置进行锚定：

^：行首

$：行尾

​ ^PATTERN$：^和$联用可以整行匹配

​ ^&：表示空行

​ ^[[:space:]]*&：表示空白行

\<：单词开头，\>：单词结尾（数字，字母，下划线都会被算入单词）两个符号都可以用\b替换

?<=: 肯定式向后查找，匹配但不包括，?=肯定式向前查找，匹配但不包括。

?<!: 否定式向后查找，不匹配且不包括，?！否定式向前查找，不匹配且不包括。

特别注意的是，如果没有添加\<和\>，单词中间符合匹配模式的字符串也会被查出来，比如查询"123"，在"01234"中也会被查出来，如果不希望查出，请务必添加该锚定。

"^goo" => 匹配以goo开头的一行

"^google&" => 匹配内容仅为google的一行

分组

想要对某个字符串进行匹配可以用()将匹配的内容括起来匹配，但(和)都属于特殊字符，需要转义，即使用\( \)即可。

正则表达式引擎会将分组中模式匹配的内容存入内部变量中，命名方式为\1,\2,\3... 这通常称为后项引用

需要注意的是，后项引用所指向的是第 n 组匹配的值，而非匹配模式，例如：

\([0-9]\{3\}\).*\1 => 表示的是匹配三个数字，并且该行之后再次出现了这三个数字的行

且，当有嵌套关系的时候表示从左边起，第 n 个括号中的内容：

\(string_a\+\(string_b\)\) \1 => string_a\+\(string_b\) \2 => string_b

可以使用\|将相同匹配模式的分组合并，例如匹配a或b开头的行

^\(a\|b\)

其他特殊元字符

字符	描述
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
	匹配一个换行符。等价于 \x0a 和 \cJ。
	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\W	匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。
	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

Regexper

推荐Regex可视化工具：Regexper

其可将正则表达式输入查看执行过程：

^[A-Za-z0-9\u4e00-\u9fa5]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$

邮箱

截取文件基名：

通过以下方式匹配文件的后缀名，然后替换为空，即可

\.[^.]*$

匹配proto文件中的validate：

# 匹配以[(validate.rules)并接以换行或者任意字符为在前内容的 '];'
(?<=\[\(validate.rules\)[\s\S.]*)\];