正则表达式(Regular Expressions)

POSIX 扩展正则表达式（ERE）

POSIX 扩展正则表达式（ERE）相比基本正则表达式（BRE）去除了许多反斜杠（\）的使用，使语法更直观。在某些 Unix 工具（如 grep、sed）中，可以通过 -E 选项启用 ERE，而 awk 默认使用 ERE。

主要区别

1. 去掉了反斜杠 \

   • 在 BRE 中，\( … \) 和 \{ … \} 分别用于定义捕获组和重复匹配，但在 ERE 中，它们分别简化为 ( … ) 和 { … }。
   • 例如：
     • BRE: \(ab\)\{3,5\} 匹配 "ababab"、"abababab" 或 "ababababab"
     • ERE: (ab){3,5} 具有相同的匹配效果

2. 增加了 +、?、| 这些元字符

   • 在 BRE 中，+、?、| 需要加反斜杠 \ 才能使用，而在 ERE 中直接可用：
     • BRE: a\+b\?c
     • ERE: a+b?c

示例

贪婪（Greedy）与非贪婪（Non-Greedy）匹配

• 默认情况下，重复匹配 *、+、{m,n} 是贪婪的**（尽可能匹配最长的内容）：
  • ".*" 匹配字符串中最远的 " 号
• 在某些现代工具（如 Perl、Python）中，可使用 *?、+?、?? 实现非贪婪**匹配：
  • ".*?" 只匹配最短的 " 号

元字符（Metacharacters）

元字符	描述
.	匹配任何单个字符（通常不包括换行符）
[ ]	字符类，匹配括号内任意单个字符，如 [abc] 可匹配 "a", "b", "c"
[^ ]	反向字符类，匹配不在括号内的字符，如 [^abc] 可匹配除 "a", "b", "c" 以外的字符
^	匹配字符串起始位置
$	匹配字符串结尾位置
	定义子表达式（捕获组），匹配的内容可在 \n 进行引用
\n	引用第 n 个子表达式，n 范围 1-9
*	匹配前一个元素 0 次或多次，如 ab*c 可匹配 "ac"、"abc"、"abbbc"
+	匹配前一个元素 1 次或多次，如 ab+c 可匹配 "abc"、"abbbc"
?	匹配前一个元素 0 或 1 次，如 ab?c 可匹配 "ac" 或 "abc"
`	`
{m,n}	匹配前一个元素至少 m 次，至多 n 次
{m}	匹配前一个元素恰好 m 次
{m,}	匹配前一个元素至少 m 次
{,n}	匹配前一个元素至多 n 次

字符类

POSIX 规定了一些字符类别，可以在方括号 [] 内使用。

示例

适用工具

支持 POSIX 扩展正则表达式（ERE）的工具：

• AWK（默认使用 ERE）
• Grep（使用 -E 启用 ERE）
• Sed（使用 -E 启用 ERE）

总结

1. ERE 语法比 BRE 更简洁，去除了许多反斜杠 \ 的使用，例如：
   • \(ab\) 在 ERE 中写作 (ab)
   • a\{3,5\} 在 ERE 中写作 a{3,5}
2. ERE 默认支持 +、?、|，这些在 BRE 中需要加 \
3. ERE 广泛应用于 awk、grep -E、sed -E，简化了复杂模式匹配
4. ERE 仍然保持 POSIX 的标准字符类 [:digit:]、[:alpha:] 等

总结来说，POSIX 扩展正则表达式（ERE）是 BRE 的进化版本，使用更简洁的语法，使模式匹配更直观和高效。