【Linux·基础篇】Shell 基础|正则表达式:文本模式的精密描述语言(一)

本文系统介绍了正则表达式的核心概念和语法规则，通过分类整理和详细示例，讲解了如何使用这套精密模式描述语言进行文本匹配。

一、正则表达式基础概念

什么是正则表达式？

正则表达式（Regular Expression，常简写为 regex、regexp 或 RE）不是某个软件的专属功能，也不是某个编程语言的特定语法，而是一种用于描述字符串匹配规则的特殊文本模式。

正则表达式的组成元素

正则表达式由普通字符（如字母 a、数字 1、字符 @）和特殊字符（称为“元字符”，如 .、*、?、[]、^、$）组成，形成一种简洁而强大的模式描述语言，常用于验证用户输入、提取日志信息、批量处理文本等。例如：

^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$

上面是一个匹配邮箱地址的正则表达式，它由以下元素组成：

• • 字面字符：@、. 等直接匹配自身的字符；
• • 字符类：[A-Za-z0-9._%+-] 匹配指定范围内的字符；
• • 量词：+、{2,} 等控制匹配次数；
• • 定位符：^、$ 匹配字符串的开始和结束。

二、基础语法：从简单到复杂

字面匹配：最基础的匹配方式

字面匹配是最基本的匹配形式，直接匹配字符本身。

【注】转义特殊字符与转义

某些字符在正则表达式中有特殊含义，需要转义才能匹配自身。

字符类：匹配一组字符

字符类匹配一组字符中的任意一个。

预定义字符类：常用集合的简写

大多数正则表达式实现提供常用字符类的简写形式，即预定义字符类。

位置匹配：锚定边界

位置匹配（或称锚点）不匹配具体字符，而是匹配字符之间的位置。

量词：控制匹配次数

量词控制前面元素的匹配次数，即用于重复匹配。

【注】贪婪匹配和非贪婪匹配

贪婪匹配和非贪婪匹配是控制量词（如*、+、?、{n,m}）匹配行为的两种模式。在匹配时，贪婪匹配是“尽可能多”地匹配，而非贪婪匹配则是“尽可能少”地匹配。关键在于，非贪婪模式会在量词后面加上一个问号?（如 *?、+?、??、{n,m}?）。例如：

• • 贪婪匹配：<.*> 可以匹配整个字符串 <div>内容</div>；
• • 非贪婪匹配：<.*?> 只能分别匹配 <div> 和 </div>。

分组与选择

分组() 将多个元素组合为一个单元，便于应用量词或捕获。

非捕获分组(?:) 可以只进行分组但不捕获，这样可以避免捕获不必要的匹配内容‌，让匹配速度更快、资源消耗更低。

选择| 可以匹配多个模式中的任意一个。

三、小结

正则表达式是一种用于描述文本模式的强大语言，由普通字符和具有特殊含义的元字符（如.、*、[]、^、$等）组合而成。它通过字符类匹配特定集合，用量词控制重复次数，用锚点定位边界，并用分组构建复杂规则。掌握正则表达式，就是学会用这套简洁而强大的语法，将模糊的文本搜索需求转化为精确的模式描述。

此番炼器手札，炉火尚未全熄。若道友观之有趣，或可暂留此间，结一尘缘。待下回开炉铸器，新得感悟，必先与同道分享。