章节大纲

  • 正则表达式的不同变体

    正则表达式有多个变体，它们不仅在具体的语法上有所不同，在功能上也各具特色。支持正则表达式的工具和编程语言通常也会有自己独特的实现方式。

    常见的正则表达式变体

    1. 简单正则表达式（Simple Regular Expressions）

      • 主要用于向后兼容，但在符合 POSIX 标准的系统上已被弃用。

    2. 基本正则表达式（Basic Regular Expressions，BRE）

      • 由一些 Unix Shell 工具（如 grep 和 sed）使用。

    3. Perl 兼容正则表达式（Perl-Compatible Regular Expressions，PCRE）

      • 由 Perl 及一些应用程序使用，功能非常强大。

    4. POSIX 基本正则表达式（POSIX Basic Regular Expressions，POSIX BRE）

      • 旨在增强不同工具间的一致性，但某些传统的 Unix 工具不支持这些扩展。

    5. POSIX 扩展正则表达式（POSIX-Extended Regular Expressions，POSIX ERE）

      • 通过 -E 选项在某些 Unix 工具（如 grep -E、sed -E）中启用。

    6. 非 POSIX 基本正则表达式（Non-POSIX Basic Regular Expressions）

      • 提供 POSIX 不支持的额外字符类，例如 \w（匹配字母和数字）。

    7. Emacs 正则表达式（Emacs Regular Expressions）

      • 主要用于 Emacs 编辑器 的文本搜索和替换。

    8. Shell 正则表达式（Shell Regular Expressions）

      • 用于 模式匹配（Pattern Matching）和文件名替换（Filename Substitution），功能较有限。

    贪婪匹配（Greedy Expressions）

    在正则表达式中，* 和 + 等量词（Quantifiers）默认是贪婪的（Greedy），它们会尽可能多地匹配字符。这种特性在某些情况下可能会导致不符合预期的匹配结果。

    示例：

    假设我们希望匹配第一个用双引号 " 括起来的字符串，例如：

    These words include "cat", "mat", and "pat".

    使用正则表达式 "*" 会匹配：

    These words include "cat", "mat", and "pat".

    错误匹配部分（斜体部分）：

    These words include *"cat", "mat", and "pat".*

    它匹配了整个"cat", "mat", and "pat"，而我们只想匹配第一个 "cat"。

    修正方案

    • 使用非贪婪匹配（Non-Greedy Matching）
      • 一些正则表达式变体支持非贪婪运算符：
        • *?
        • +?
        • }?
      • 例如，在 PHP 中，可以使用 U 修饰符使量词变为非贪婪匹配： 
        /".*"/U
    • 使用排除匹配法
      • 在不支持 *? 的环境中，我们可以使用排除字符来控制匹配范围： 
        "[^"]*"
      • 这个表达式确保 " 内部的内容不能包含双引号，从而正确匹配： 
        "cat"

    正则表达式特性对比

    不同工具和编程语言对正则表达式的支持不同。想要了解哪些功能或变体适用于特定工具或语言，可以参考 regular-expressions.info 提供的对比表格（Comparison Table）。