23、正则表达式与文本处理全解析

正则表达式与文本处理全解析

1. POSIX 正则表达式基础

在正则表达式的世界里，POSIX 将其实现分为基本正则表达式（BRE）和扩展正则表达式（ERE）两类。支持 BRE 的应用程序能处理我们之前提到的那些特性，像 grep 程序就是如此。

BRE 和 ERE 的区别在于元字符。BRE 识别的元字符有：

^ $ . [ ] *

其他字符都被视为普通字符。而 ERE 在此基础上增加了以下元字符及其相关功能：

( ) { } ? + |

不过，在 BRE 中，如果对 “(”、“)”、“{” 和 “}” 这些字符使用反斜杠进行转义，它们也会被当作元字符；但在 ERE 中，给任何元字符加上反斜杠，它就会被当作普通字符。

POSIX 标准的诞生有其历史背景。20 世纪 80 年代，Unix 成为流行的商业操作系统，但到了 1988 年，Unix 世界陷入混乱。众多计算机制造商从 AT&T 获得 Unix 源代码授权，各自推出不同版本的操作系统，并添加了专有更改和扩展，这限制了软件的兼容性，这段时期被称为 “巴尔干化”。为了解决这个问题，IEEE 在 20 世纪 80 年代中期开始制定一系列标准，即 IEEE 1003，定义了类 Unix 系统的应用编程接口（APIs）、shell 和实用工具。“POSIX” 这个名字由 Richard Stallman 提出，意为可移植操作系统接口。

2. 扩展正则表达式特性