正則表達式(REs)通常被錯誤地認為是只有少數人理解的一種神秘語言。在表面上它們確實看起來雜亂無章，如果你不知道它的語法，那么它的代碼在你眼里只是一堆文字垃圾而已。實際上，正則表達式是非常簡單并且可以被理解。讀完這篇文章后，你將會通曉正則表達式的通用語法。

支持多種平臺

正則表達式最早是由數學家Stephen Kleene于1956年提出，他是在對自然語言的遞增研究成果的基礎上提出來的。具有完整語法的正則表達式使用在字符的格式匹配方面上，后來被應用到熔融信息技術領域。自從那時起，正則表達式經過幾個時期的發展，現在的標準已經被ISO(國際標準組織)批準和被Open Group組織認定。

正則表達式并非一門專用語言，但它可用于在一個文件或字符里查找和替代文本的一種標準。它具有兩種標準：基本的正則表達式(BRE)，擴展的正則表達式(ERE)。ERE包括BRE功能和另外其它的概念。

許多程序中都使用了正則表達式，包括xsh,egrep,sed,vi以及在UNIX平臺下的程序。它們可以被很多語言采納，如HTML 和XML，這些采納通常只是整個標準的一個子集。

比你想象的還要普通
隨著正則表達式移植到交叉平臺的程序語言的發展，這的功能也日益完整，使用也逐漸廣泛。網絡上的搜索引擎使用它，e-mail程序也使用它，即使你不是一個UNIX程序員，你也可以使用規則語言來簡化你的程序而縮短你的開發時間。

正則表達式101
很多正則表達式的語法看起來很相似，這是因為你以前你沒有研究過它們。通配符是RE的一個結構類型，即重復操作。讓我們先看一看ERE標準的最通用的基本語法類型。為了能夠提供具有特定用途的范例，我將使用幾個不同的程序。

字符匹配



正則表達式的關鍵之處在于確定你要搜索匹配的東西，如果沒有這一概念，Res將毫無用處。

每一個表達式都包含需要查找的指令，如表A所示。

Table A: Character-matching regular expressions

操作
解釋
例子
結果

.
Match any one character
grep .ord sample.txt
Will match “ford”, “lord”, “2ord”, etc. in the file sample.txt.

[ ]
Match any one character listed between the brackets
grep [cng]ord sample.txt
Will match only “cord”, “nord”, and “gord”

[^ ]
Match any one character not listed between the brackets
grep [^cn]ord sample.txt
Will match “lord”, “2ord”, etc. but not “cord” or “nord”



grep [a-zA-Z]ord sample.txt
Will match “aord”, “bord”, “Aord”, “Bord”, etc.



grep [^0-9]ord sample.txt
Will match “Aord”, “aord”, etc. but not “2ord”, etc.



重復操作符
重復操作符，或數量詞，都描述了查找一個特定字符的次數。它們常被用于字符匹配語法以查找多行的字符，可參見表B。

Table B: Regular expression repetition operators

操作
解釋
例子
結果

?
Match any character one time, if it exists
egrep “?erd” sample.txt
Will match “berd”, “herd”, etc. and “erd”

*
Match declared element multiple times, if it exists
egrep “n.*rd” sample.txt
Will match “nerd”, “nrd”, “neard”, etc.

+
Match declared element one or more times
egrep “[n]+erd” sample.txt
Will match “nerd”, “nnerd”, etc., but not “erd”

{n}
Match declared element exactly n times
egrep “[a-z]{2}erd” sample.txt
Will match “cherd”, “blerd”, etc. but not “nerd”, “erd”, “buzzerd”, etc.

{n,}
Match declared element at least n times
egrep “.{2,}erd” sample.txt
Will match “cherd” and “buzzerd”, but not “nerd”

{n,N}
Match declared element at least n times, but not more than N times
egrep “n[e]{1,2}rd” sample.txt
Will match “nerd” and “neerd”


錨
錨是指它所要匹配的格式，如圖C所示。使用它能方便你查找通用字符的合并。例如，我用vi行編輯器命令:s來代表substitute，這一命令的基本語法是：

s/pattern_to_match/pattern_to_substitute/


Table C: Regular expression anchors

操作
解釋
例子
結果

^
Match at the beginning of a line
s/^/blah /
Inserts “blah “ at the beginning of the line

$
Match at the end of a line
s/$/ blah/
Inserts “ blah” at the end of the line

\<
Match at the beginning of a word
s/\</blah/
Inserts “blah” at the beginning of the word



egrep “\<blah” sample.txt
Matches “blahfield”, etc.

\>
Match at the end of a word
s/\>/blah/
Inserts “blah” at the end of the word



egrep “\>blah” sample.txt
Matches “soupblah”, etc.

\b
Match at the beginning or end of a word
egrep “\bblah” sample.txt
Matches “blahcake” and “countblah”

\B
Match in the middle of a word
egrep “\Bblah” sample.txt
Matches “sublahper”, etc.




間隔

Res中的另一可便之處是間隔(或插入)符號。實際上，這一符號相當于一個OR語句并代表 符號。下面的語句返回文件sample.txt中的“nerd” 和 “merd”的句柄：

egrep “(n m)erd” sample.txt


間隔功能非常強大，特別是當你尋找文件不同拼寫的時候，但你可以在下面的例子得到相同的結果：

egrep “[nm]erd” sample.txt

當你使用間隔功能與Res的高級特性連接在一起時，它的真正用處更能體現出來。

一些保留字符
Res的最后一個最重要特性是保留字符(也稱特定字符)。例如，如果你想要查找“ne*rd”和“ni*rd”的字符，格式匹配語句“n[ei]*rd”與“neeeeerd” 和 “nieieierd”相符合，但并不是你要查找的字符。因為‘*’(星號)是個保留字符，你必須用一個反斜線符號來替代它，即：“n[ei]\*rd”。其它的保留字符包括：

^ (carat)
. (period)
[ (left bracket}
$ (dollar sign)
( (left parenthesis)
) (right parenthesis)
(pipe)
* (asterisk)
+ (plus symbol)
? (question mark)
{ (left curly bracket, or left brace)
\ backslash
一旦你把以上這些字符包括在你的字符搜索中，毫無疑問Res變得非常的難讀。比如說以下的PHP中的eregi搜索引擎代碼就很難讀了。

eregi("^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$",$sendto)

你可以看到，程序的意圖很難把握。但如果你拋開保留字符，你常常會錯誤地理解代碼的意思。

總結
在本文中，我們揭開了正則表達式的神秘面紗，并列出了ERE標準的通用語法。如果你想閱覽Open Group組織的規則的完整描述，你可以參見：Regular Expressions，歡迎你在其中的討論區發表你的問題或觀點。