Regular|Regular Expression -- 正则表达式 RegularExpression--正则表达式

摘要

正则表达式是一项优秀的技术，更是一门伟大的科学。这篇博客我将大概介绍一下它的历史，详细的讨论一下它的语法，最后说一下它在 JavaScript 与 Linux 中的应用。快速阅读步骤：定义 --> PATTERN --> JavaScript 中的 RegExp / Linux 中的 grep 命令

关键字 Regular Expression | Perl | JavaScript | Linux
故事 20世纪40年代：正则表达式最初的想法来自两位神经学家：沃尔特·皮茨与麦卡洛克，他们研究出了一种用数学方式来描述神经网络的模型。
1956年：一位名叫Stephen Kleene的数学科学家发表了一篇题目是《神经网事件的表示法》的论文，利用称之为正则集合的数学符号来描述此模型，引入了正则表达式的概念。正则表达式被作为用来描述其称之为“正则集的代数”的一种表达式，因而采用了“正则表达式”这个术语。
1968年：C语言之父、UNIX之父肯·汤普森把这个“正则表达式”的理论成果用于做一些搜索算法的研究，他描述了一种正则表达式的编译器，于是出现了应该算是最早的正则表达式的编译器qed（这也就成为后来的grep编辑器）。
Unix使用正则之后，正则表达式不断的发展壮大，然后大规模应用于各种领域，根据这些领域各自的条件需要，又发展出了许多版本的正则表达式，出现了许多的分支。我们把这些分支叫做“流派”。
1987年：Perl语言诞生了，它综合了其他的语言，用正则表达式作为基础，开创了一个新的流派，Perl流派。之后很多编程语言如：Python、Java、Ruby、.Net、PHP等等在设计正则式支持的时候都参考Perl正则表达式。
定义与原理定义正则表达式是由一类特殊字符及文本字符所编写的模式，其中有些字符不表示其字面意义，而是用于表示控制或通配的功能。
原理 -- 正则表达式引擎

Regular Expression engine

这里可以参考猪哥的这篇博客
PATTERN

一个正则表达式通常被称为一个模式，为（ 第二声）用来描述或匹配一系列匹配某个句法规则的字符串。

元字符

正则表达式由两种基本字符类型组成：原义文本字符和元字符。元字符使正则表达式具有处理能力。所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。

字符匹配

.：匹配任意单个字符； []：匹配指定范围内的任意单个字符； [^] ：匹配指定范围外的任意单个字符；

匹配次数

用在要指定其出现的次数的字符的后面，用于限制其前面字符出现的次数。

*：匹配其前面的字符任意次（0次、1次或多次）； .*：匹配任意长度的任意字符； ?：匹配其前面的字符0次或1次，即其前面的字符可有可无； +：匹配其前面的字符1次或多次，即前面的字符至少要出现1次； {m}：匹配其前面的字符 m 次； {m,n}：匹配其前面的字符至少 m 次，至多 n 次； {0,n}：匹配其前面的字符至多 n 次； {m,} ：匹配其前面的字符至少 m 次；

位置锚定

^：行首锚定，用于模式的最左侧； $：行尾锚定，用于模式的最右侧； ^PATTERN$:用 PATTERN 来匹配整行； ^$：匹配空白行； ^[[:space:]]*$：匹配空行或包含空白字符的行；单词：非特殊字符组成的连续字符或字符串都称为单词； \< 或 \b：词首锚定，用于单词模式的左侧； \> 或 \b：词尾锚定，用于单词模式的右侧； \：匹配完整单词；

分组及引用

()：将一个或多个字符捆绑在一起，当作一个整体进行处理； \1：模式从左侧起，第一个左括号以及与之匹配的右括号之间的模式所匹配到的字符； \2：模式从左侧起，第二个左括号以及与之匹配的右括号之间的模式所匹配到的字符；后向引用：引用前面的分组括号中的模式所匹配到的字符；

特殊元字符

\b ：匹配一个词的边界； \d ：匹配一个数字，等价于 [0-9]； \D ：匹配一个非数字，等价于 [^0-9]； \n ：匹配一个换行符； \r ：匹配一个回车符； \s ：匹配一个空白字符； \t ：匹配一个制表符； \w ：匹配一个单字字符,等价于 [A-Za-z0-9]；

JavaScript 中的 RegExp

ECMAScript 通过 RegExp 类型来支持正则表达式；

定义方式

JavaScript 有两种定义正则表达式的方式。

字面量形式

var expression = / pattern / flags ;

其中的 pattern 就不再赘述，说一说 flags 标志位： g ：global，全局模式，会匹配所有的字符串； i ：case-insensitive，忽略大小写； m ：multiline，多行模式，到达一行末尾时还会继续查找下一行；

RegExp 构造函数

var expression = new RegExp("pattern", "flags") ;

注意：传递给 RegExp 构造函数的两个参数都是字符串；

RegExp 实例属性

var pattern1 = /\[bc\]at/i; alert(pattern1.global); alert(pattern1.ignorecase); alert(pattern1.multiline); alert(pattern1.lastIndex); alert(pattern1.source); var pattern2 = new RegExp("\\[bc\\]at", "i"); alert(pattern1.global); alert(pattern1.ignorecase); alert(pattern1.multiline); alert(pattern1.lastIndex); alert(pattern1.source);

RegExp 实例方法 exec()

该方法接收一个要应用模式的字符串作为参数，然后返回包含第一个匹配项信息的数组。

var text = "mom and dad and baby"; var pattern1 =/mom ( and dad ( and baby)?)?/gi; var matches = pattern1.exec(text); // ["mom ", undefined, undefined, index: 0, input: "mom and dad and baby", groups: undefined] alert(matches.index) alert(matches.input) alert(matches[0]) alert(matches[1]) alert(matches[2])

【Regular|Regular Expression -- 正则表达式】对于 exec() 方法而言，即使在模式中设置了全局标志，它每次也只会返回一个匹配项。
test()

该方法接收一个字符串参数，在模式与该参数匹配的情况下返回 true，否则返回 false。

var text = "000-00-0000"; var pattern = /\d{3}-\d{2}-\d{4}/; if (pattern.test(text)) { alert("The pattern was matched.") }

RegExp 构造函数属性

RegExp 的静态属性，这些属性适用于作用域中的所有正则表达式，并且基于所执行的最近一次正则表达式操作而变化。

input$_：最近一次要匹配的字符串； lastMatch$&：最近一次的匹配项； lastParen$+：最近一次匹配的捕获组； leftContext$`：input 字符串中 lastMatch 之前的文本； multiline$*：布尔值，表示是否所有表达式都使用多行模式； rightContext $'：input 字符串中 lastMatch 之后的文本；

var text = "this has been a short summer"; var pattern = /(.)hort/g; if (pattern.test(text)) { alert(RegExp.input); // this has been a short summer alert(RegExp.leftContext); // this has been a alert(RegExp.rightContext); // summer alert(RegExp.lastMatch); // short alert(RegExp.lastParen); // s alert(RegExp.multiline); // false }

Linux 中的 grep 命令

Global search Regular Expression and Print out the line.

grep [OPTIONS] [-e PATTERN | -f FILE] [FILE...]OPTIONS: --color=auto -i：忽略大小写； -o：仅显示匹配到的字符串本身； -v：显示不被模式匹配到的行； -E：支持使用扩展的正则表达式元字符； -q：静默模式； -A # ：后 # 行； -B # ：前 # 行； -C # ：前后 # 行；

鸣谢