POSIX BRE和ERE的metacharacters（元字符）

转自：http://blog.youkuaiyun.com/a627088424/article/details/15435873

从根本上来看，正则表达式是由两个基本组成部分所建立：一般字符与特殊字符。一般字符指的是任何没有特殊意义的字符。在某些情况下，特殊特殊字符也可以视为一般字符。特殊字符称为元字符（metacharacter）。

BRE:基本正则表达式（Basic Regular Expression）

ERE:扩展的正则表达式（Extended Regular Expression）

   

POSIX BRE与ERE的meta字符

字符	BRE/ERE	模式含义
\	两者都可	通常可以关闭后续字符的特殊含义。有时则是相反的打开特殊含义，例如:\(...)\与\{...\}。
.	两者都可	匹配任意单个字符，但NUL除外。独立程序也可以不允许匹配换行字符。
*	两者都可	匹配在它之前的任何数目（或没有）的单个字符。 ERE：此前置字符可以是正则表达式，例如：因为.号表示任意字符，所以.*表示“匹配任一字符的任意长度”。 BRE：*若置与正则表达式的第一个字符，不具任何特殊意义。 tol.toy 匹配不到toltoy，而tol.*toy可以。
^	两者都可	BRE：仅在正则表达式的开头具有特殊意义，像^abc表示以abc开头的行，而a^b中则表示^本身字面意思。 ERE：置于任何位置都有特殊意义，像ab^cd这样的正则表达式是有效的，只是无法匹配到任何内容，因为^前置了文本，会让其无法匹配到“字符串的开始”。
$	两者都可	BRE：仅在正则表达式的结尾具有特殊意义，像abc^表示以abc结尾的行，而a^b中则表示^本身字面意思。 ERE：置于任何位置都有特殊意义，像ab$cd这样的正则表达式是有效的，只是无法匹配到任何内容，因为$后置了文本，会让其无法匹配到“字符串的结尾”。
[...]	两者都可	方括号表达式，匹配方括号内的任一字符。 连字符(-)指的是字符范围。 ^符号置于方括号里的第一个字符时，具有反向意义：指的是不在方括号内的任何字符。 作为首字符的一个连字符或结束方括号(])，则被视为列表的一部分。所有其他的meta字符也为列表中的一部分（也就是表示其字面意思，而不具有特殊意义）。 方括号表达式里可能会含有排序字符，等价字符以及字符集。
\{n,m\}	BRE	匹配在它前面的单个字符重现相应次数的行。 \{n\}指重现n次。\{n，\}则为至少重现n次。而 \{n,m\}为重现n到m次。n与m的值必须介于0到RE_DUP_MAX(含)之间，后者最小值为255。RE_DUP_MAX是POSIX定义的符号型常数，且可以通过getconf命令取得。它的最小值为255，不过部分系统允许更大值，如GNU/Linux为32767.
	BRE	将\(与\)间的模式存储在特殊的“保留空间”。最多可以将9个独立的子模式存储早单个模式中。匹配于子模式的文本，可以通过转义序列\1至\9，被重复使用在相同的模式里。例如：ab.*\1，指的是匹配于ab组合的两次重现，中间可存在任何数目的字符。
\n	BRE	重复在\(与\)方括号内第n个子模式至此点的模式。n为1至9的数字，1为由左开始。
{n,m}	ERE	与先前提及BRE的 \{n,m\}一样，只不过没有反斜杠。
+	ERE	匹配前面正则表达式的一个或多个实例。例:ab+c,表示中间有至少有一个b，等同于abb*c。
?	ERE	匹配前面正则表达式的零个或一个实例。例：ab?c匹配的有ac与abc，就这两个。而ab*c，后者匹配中间有任意个b。
|	ERE	匹配|符号前面或后面的表达式。
(  )	ERE	匹配于方括号括起来的正则表达式群。组合。 利用它可以构建复杂而灵活的正则表达式。 例：[Tt]he  (CPU|computer)  is 例：read|write+指的是正好一个read，或write后面接着任意个数个e字符，比较有使用的模式应该是(read|write)+,值的是有一个read或重现多个read，或则一个write或重现多个write。 例：(read|write)+所指的字符串间不能有空白。((read|write)[[:space:]]*)+则是用以匹配多个连续出现的read或是write，且中间可能被空格隔开。

 

POSIX的方括号表达式：

为配合非英语环境，POSIX标准强化其字符集范围的能力。[a-z]表示a到z的小写英文，而法文è是字母字符，但是却不在[a-z]中。有例如，在Czech与Spanish语系下，ch两个字符会保持连续状态，在匹配时会被视为单个独立单位。

POSIX也在术语上做了变动，早先看到的[]称为字符集(character class)，在POSIX标准下，现在叫括号表达式(bracket expression)。对原先进行了扩充。

另有额外的组成部分。

包括：

字符集(Character class)

    以[:与:]将关键字组合起来的POSIX字符集。关键字表示各种不同的字符集。

排序符号(Collating symbol)

    排序符号指将多个字符序列视为一个单位。使用[.与.]将字符组合起来。排序符号在系统所使用的特定locale上各有其定义。

等价字符集(Equivalence class)

    等价字符集列出的是应十二位等值的一组字符，例如e与è。它由取自于locale的名字元素组成，以[=与=]括住。

这三种构造都必须使用方括号表达式。例如[[:alpha:]!]匹配任一英文字母字符或惊叹号(!)；而[[.ch.]]则匹配于ch，而不是字母c或h。在法文French的locale里，[[=e=]]可能匹配于e，é，è，ê，ë。

需要注意写法，像[:alpha:]这样，是匹配:，a，l，p，h，a，，表示匹配英文字母的正确写法应为[[:alpha:]]。要让]进入集合中，必须将它放在列表前，如：[]*\.]。要让减号-进入该集合，也请将它放在列表最前端。要让他两同时进入列表，请将右方括号放在第一个字符，减号放到最后一个字符，如[]*\.-]

POSIX字符集：

类别	匹配字符
[:alnum:]	数字字符
[:alpha:]	字母字符
[:blank:]	空格(space)与定位符(tab)
[:cntrl:]	控制字符
[:digit:]	数字字符
[:graph:]	非空格字符(nonspace)
[:lower:]	小写字母字符
[:print:]	可显示字符
[:punct:]	标点符号字符
[:space:]	空白字符
[:upper:]	大写字母字符
[:xdigit:]	十六进制数字

最后，POSIX明确陈述：NUL字符（数值的零）不需要时刻匹配的。这个字符在C语言里是用来指出字符串结尾，而POSIX标准则希望让它是直接了当的，通过正规C字符串的使用实现其功能。除此之外，另有其他个别的工具程序不允许使用.(点号)meta字符或方括号表达式来进行换行字符匹配。

连字符依然可以用
[0-9a-fA-F]可以表示十六进制数字[0123456789abcdefABCDEF]

[0-9]表示[0123456789]

....

[^]不是有效的正则表达式。可以这样匹配^，[\ ^]

BRE运算符优先级

由高到底：

[..]  [==]  [::]                                   用于字符排序的方括号表达式

\metacharacter                            转义的mera字符

[]                                                    方括号表达式

\digit                                   子表达式与后项引用

*   \{  \}                                          前置单个字符重现的正则表达式

无符号(no symbol)                    连续

^  $                                               锚点(Anchors)

ERE运算符优先级

[..]  [==]  [::]                                        用于字符排序的方括号表达式

\metacharacter                               转义的mera字符

[]                                                         方括号表达式

( )                                                      分组

*  +  ?  {}                                           重复前置的表达式

无符号(no symbol)                        连续

^  $                                                   锚点(Anchors)

|                                                        交替(Alternation)

正则表达式的扩展

很多程序提供正则表达式语法扩展。这类扩展大多采用取反斜杠加一个字符，以形成新的运算法。最常见的扩展为\<和\>运算法。表示匹配单词的开头和结尾。对用正则表达式的扩展，请查看手册页。

额外的GNU正则表达式运算符

运算法	含义
\w	匹配任何单词组成字符，等同于[[:alnum:]_]
\W	匹配任何单词组成字符，等同于[^[:alnum:]_]
\<   \>	如前所述
\b	匹配单词的起始或结尾处所找到的空字符串。这是\<与\>的结合。主要以awk使用\b表示后退字符，因此GNU awk(gawk)使用\y表示此功能。
\B	匹配两个单词组成字符之间的空字符串
\’  \`	分别匹配emacs缓冲区的开始和结尾。GNU程序(还有emacs)通常将它们视为与^及$同义

POSIX表示NUL无需匹配，但GNU程序则没有限制。如NUL字符出现在输入数据里，则可以通过.字符或方括号表达式来匹配。