正则表达式规范整理

最新推荐文章于 2025-05-25 21:21:14 发布

xc_jim_sun

最新推荐文章于 2025-05-25 21:21:14 发布

阅读量591

点赞数

CC 4.0 BY-SA版权

分类专栏：后端开发文章标签：正则表达式 lua

本文链接：https://blog.csdn.net/weixin_40783338/article/details/107424255

后端开发专栏收录该内容

9 篇文章

订阅专栏

本文介绍了正则表达式的不同规范，包括BRE、ERE和PCRE，强调了PCRE的广泛使用和可能的性能影响。接着详细讲解了正则表达式的元字符和语法，并提供了Openresty在正则开发中的应用和相关学习资源链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 前言

你一定不会陌生【\d】、【[a-z]+】之类的表达式，前者匹配一个数字字符，后者匹配一个以上的小写英文字母。但是如果你用过 vi、grep、awk、sed 之类 Linux/Unix 下的工具或许会发现，这些工具虽然支持正则表达式，语法却很不一样，照通常习惯的办法写的【\d】【a-z]+】之类的正则表达式，往往不是无法识别就是匹配错误。而且，这些工具自身之间也存在差异，同样的结构，有时需要转义有时不需要转义。为什么呢，得从标准说起：

Unix/Linu下的工具大多采用POSIX规范，POSIX规范源于PERL,POSIX又分为两种流派：

BRE（基本正则表达式）: grep、vi、sed都属于这一流派，语法比较奇怪。
ERE（扩展正则表达式）: egrep(和grep -E语法一致)、awk属于这一流派。

@note: BRE名为基本，ERE为扩展，但是语法几乎不兼容，分属两大流派。

PCRE(Perl Compatible Regular Expressions)是一个Perl库，包括 perl兼容的正则表达式库。这些在执行正规表达式模式匹配时用与Perl 5同样的语法和语义是很有用的。

grep -P表示使用PCRE语法。建议使用PCRE规范的正则，但是也会引起性能的下降。

2 正则语法

2.1 正则相关概念

元字符: 正则表达式语言由两种基本字符类型组成：原义（正常）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。

2.2 正则语法

表1 常用正则语法/元字符

功能	BRE	ERE	PCRE	备注
匹配任意字符	.	.	.
字符集匹配	[]	[]	[]
字符集否定匹配	[^]	[^]	[^]
开始位置	^	^	^
结束位置	$	$	$
子表达式(匹配 pattern)	$pattern$	(pattern)	(pattern)
匹配 pattern 但不获取匹配结果	不支持	不支持	(?:pattern)
匹配x或y	不支持	x\|y	x\|y
子表达式向前引用	\n(n表示数字)		$n
至少m次，至多n次匹配	\{m,n\}	{m,n}	{m,n}
至少m次匹配	\{m,\}	{m,}	{m,}
至多n次匹配	\{,n\}	{,n}	{,n}
任意次匹配	*	*	*
0次或1次匹配	不支持	?	?
所有空格字符	`[:space:]`	`\s [:space:]`	\s	`[^[:space:]]表示非sapce`
非空格字符	[^[:space:]]	\S [^[:space:]]	\S
十进制字符数字	`[:digit:]`	`\d [:digit:]`	\d	......
非十进制数字	`[^[:digit:]]`	`[^[:digit:]]`	\D
十六进制数字	`[:xdigit:]`	`[:xdigit:]`	\xn	n表示十六进制数字
十六进制数字	`[^[:xdigit:]]`	`[^[:xdigit:]]`	\Xn
匹配字母、数字、下划线	`[[:alnum:]_]`	`[[:alnum:]_]`	\w
非字母、数字、下划线	`[^[:alnum:]_]`	`[^[:alnum:]_]`	\W
Unicode 字符	不支持	不支持	\un	\u00A9 匹配版权符号 (?)
单词边界	不支持	不支持	\b
非单词边界	不支持	不支持	\B
单词开始位置	不支持	不支持	`[:<:]`
单词结束位置	不支持	不支持	`[:>:]`
换行符			\n
制表符			\t
回车符			\r

表2 正则断言

功能	BRE	ERE	PCRE	备注
先行断言(零宽度正预测先行断言)	不支持	不支持	(?=pattern)	正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95\|98\|NT\|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
后发断言(零宽度正回顾后发断言)	不支持	不支持	(?<=pattern)	反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，"`(?<=95\|98\|NT\|2000)Windows`"能匹配"`2000Windows`"中的"`Windows`"，但不能匹配"`3.1Windows`"中的"`Windows`"。
负向零宽先行断言	不支持	不支持	(?!pattern)	正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95\|98\|NT\|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
负向零宽后发断言	不支持	不支持	(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如"`(?<!95\|98\|NT\|2000)Windows`"能匹配"`3.1Windows`"中的"`Windows`"，但不能匹配"`2000Windows`"中的"`Windows`"。

表3 扩展正则语法/元字符

功能	BRE	ERE	PCRE	备注
字母和数字	`[:alnum:]`	`[:alnum:]`	`[:alnum:]`	[^[:alnum:]]表示非字母数字
字母	`[:alpha:]`	[:alpha:]	[:alpha:]	...
小写字母	`[:lower:]`	[:lower:]	[:lower:]	...
大写字母	`[:upper:]`	`[:upper:]`	`[:upper:]`	...
空格和制表符	`[:blank:]`	`[:blank:]`	`[:blank:]`	...
不可打印的控制字符	`[:cntrl:]`	`[:cntrl:]`	\cx	x 的值必须为 A-Z 或 a-z 之一
可打印的空白字符	`[:graph:]`	`[:graph:]`	`[:graph:]`	..
可打印字符	`[:print:]`	`[:print:]`	[:print:]
标点符号	`[:punct:]`	`[:punct:]`	`[:punct:]`