23、正则表达式与文本处理入门

正则表达式与文本处理入门

1. POSIX 正则表达式

1.1 POSIX 基本与扩展正则表达式

POSIX 将正则表达式实现分为两种：基本正则表达式（BRE）和扩展正则表达式（ERE）。支持 BRE 的应用程序能支持目前所涵盖的特性，像 grep 程序就属于此类。

BRE 和 ERE 的区别在于元字符。BRE 能识别的元字符有： ^ $ . [ ] * ，其他字符都被视为普通字符；而 ERE 在此基础上新增了以下元字符及其相关功能： ( ) { } ? + | 。不过，在 BRE 中，若用反斜杠转义“(”、“)”、“{”和“}”，它们会被当作元字符；而在 ERE 中，给任何元字符加上反斜杠，它就会被当作普通字符。

由于后续要讨论的特性属于 ERE，所以需要使用不同的 grep 。传统上使用 egrep 程序，而 GNU 版的 grep 在使用 -E 选项时也支持扩展正则表达式。

1.2 POSIX 标准的由来

20 世纪 80 年代，Unix 成为非常流行的商业操作系统。但到 1988 年，Unix 世界陷入混乱。许多计算机制造商从 AT&T 获得 Unix 源代码许可，并为其系统提供不同版本的操作系统。为实现产品差异化，各制造商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”。

随后，电气和电子工程师协会（IEEE）在 20 世纪 80 年代中期开始制定