正則表達式練習筆記

下面的內容是一個 data1.txt 文本內容，裏面記錄了一些正則表達式的筆記

long long ago there is girl, she's name is little redhat..
long_long_long#long;long:long
This is a test txt...
my phone number is 18621735531


There are a lot of good books,

220123
12345

E-mail:[email protected]
new...............231592315y12#$@%#$@^%$^$@<>?{}|}S#$!@#%


ik
iek
ieek
ieeek
ieeeek
ieeeeek
ieeeeeek

iek22222
iekddddd
iekwwwwwwwwwwwwwwwwwwwwwwwwwwwwww
iek shit up

this is iekkkk string

nekkkk
cek
dek
sekjjjd


# 組合描點 grep -n ^$ data1.txt， 可以濾出來空白行
#grep -n This is ^a data1.txt
#grep -n ^[0-9][0-9][0-9][0-9][0-9]$ data1.txt \
#grep -n ie*k data1.txt 

一、錨點
鎖定行首 ^
鎖定行尾 $
組合錨點 ^$


二、單個字符匹配
字符組 [..]
[^...]
.  一個字符佔位符，不包括換行
*  匹配前一個字符出現任意次次數

=====================================我是分割線==================================
下面是擴展的 正則表達式

?  匹配前一個字符有或者沒有，就是0次要麼1次
+  匹配前一個字符需要出現的，不管次數

模式匹配次數
{m}  精確的m次數
{m,} 大於m次，n爲無窮大
{m,n} 大於m次， 小於n次

圓括號聚合匹配格式
()
(||)


舉個列子：比如下面的命令匹配 iek 字符串
#grep -n -E  ie\{1\}k data1.txt
#grep -n -E  ie{1}k data1.txt


匹配 ie 出現一次的，不是2次，也不是 se，de，其他字符串
#grep -n -E  ie\{1\} data1.txt

比如，給出下面一些字符串，想要匹配星期六的符串， Sat. 縮寫或者全寫 Saturday：

SatSomething
Satelse
Sat.
Saturday

# grep -n -E '^Sat(urday|.)?$' data1.txt




複雜的例子 一：匹配電話號碼，如下面四種形式
[phone]
[phone]
223 456-7890
223     456-7890
223456-7890
223-456-7890
###223-456-7890
223.456.7890
223.456-7890
223-456.7890


分析，首先，開頭的 左邊圓括號 '\(' 可有可無的， 所以得到：

^\(?  

再看 123 是三個數字的區號，美國電話號碼區號是以2開始的數字開始的，最大到9, 後兩個數字任意的，因此匹配區號是：

[2-9][0-9]{2}

接下來分析區號後面， 收尾的右圓括號 '\)' 可能存在，也可能不存在，單獨去取出來和左邊對應，匹配方式爲：

\)?


接下來，可能有一個空格或者沒有, 一個破折號 '-' 一個點號 '\.' ,可以用管道符號可圓括號處理得到：

(| |-|\.)


接下來是三位電話交換機號碼,沒有什麼特殊的

[0-9]{3}

接下來，交換機號碼後面可能有一個空格，一個破折號或者一個點號

( |-|\.)

最後是尾部的四位本地電話分機號碼：

[0-9]{4}$

最後，拼接起來整個模式爲：

^\(?[2-9][0-9]{2}\)?(| |-|\.)[0-9]{3}( |-|\.)[0-9]{4}$

最後查找匹配合格的電話號碼：

nfs@nfs-Lenovo:~$ grep -n -E '^\(?[2-9][0-9]{2}\)?(| |-|\.)[0-9]{3}( |-|\.)[0-9]{4}$' data1.txt
91:[phone]
92:[phone]
93:223 456-7890
95:223456-7890
96:223-456-7890
98:223.456.7890
99:223.456-7890
100:223-456.7890



思考，這個regex還有個bug， 就是 223456-7890也是合法寫法電話，想要把這個case排除，新的匹配模式怎麼寫？
如果 區號 沒有被括號包圍，那麼一定需要一個 空格隔開。。。。。。。。。。。。。。

答題：
需要將 區號 部分重新提煉出來處理，分成有括號的區號和沒有括號的區號，有括號區號匹配如下：

^\([2-9][0-9]{2}\)

沒有括號的區號匹配如下：

^[2-9][0-9]{2}


再次做一個改變，將區號後面的符號提到前面處理，因次分別得到：

^\([2-9][0-9]{2}\)(| |-|\.)

和（這個模式後面不跟空格，只有破折號和點號）

^[2-9][0-9]{2}( |-|\.)


將這兩種case合併得到下面的模式可以匹配區號：

(^\([2-9][0-9]{2}\)(| |-|\.)|^[2-9][0-9]{2}( |-|\.))

最後合併得到新的電話號碼匹配模式：


(^\([2-9][0-9]{2}\)(| |-|\.)|^[2-9][0-9]{2}( |-|\.))[0-9]{3}( |-|\.)[0-9]{4}$

進行測試：

$ grep -n -E '(^\([2-9][0-9]{2}\)(| |-|\.)|^[2-9][0-9]{2}( |-|\.))[0-9]{3}( |-|\.)[0-9]{4}$' data1.txt
91:[phone]
92:[phone]
93:223 456-7890
96:223-456-7890
98:223.456.7890
99:223.456-7890
100:223-456.7890









複雜列子二：匹配郵箱地址

E-mail格式爲：

username@hostname

username可以使用的字符有 字母數字字符以及一些特殊字符，如下：

1.點號
2.破折號
3.加號
4.下劃線

所以，username匹配方式爲：

^([a-zA-Z0-9_\-\.\+]+)@

接下來分析 hostname的服務器名字和子域名，這部分可以是字母數字字符，以及點號和下劃線：

([a-zA-Z0-9_\-\.]+)

這個模式可以匹配文本：
server
server.subdomain
server.subdomain.subdomain


接下來就是 hostname中的頂級域名部分，不考慮中文域名，頂級域名要是是2到5個字母組成的，頂級域名爲：

\.([a-zA-Z]{2,5})$

所以匹配郵箱地址爲：

^([a-zA-Z0-9_\-\.\+]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5})$

[email protected]
[email protected]
[email protected]

$ grep -n -E '^([a-zA-Z0-9_\-\.\+]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5})$' data1.txt




最後一個列子，匹配QQ號碼，QQ號碼是6個以上的數字,假設最大數字是13，不以0開頭的，匹配模式如下：

^[1-9][0-9]{5,}$

測試如下QQ號碼：

038216437
123
12345
382164370
281120661
754198142
###754198142
754198142##
1123564020
11111111111111111111111111111465

nfs@nfs-Lenovo:~$ grep -n -E '^[1-9][0-9]{5,12}$' data1.txt
9:220123
253:382164370
254:754198142
255:1123564020


nfs@nfs-Lenovo:~$ grep -n -E '^[1-9][0-9]{5,12}$' data1.txt
9:220123
253:382164370
254:754198142
255:1123564020
nfs@nfs-Lenovo:~$ 

匹配整數寫法,整數前面一個破折號表示負數，或者一個可有可無的 + 號，匹配模式如下：


^(|-|\+)

接下來是第一個數字，非0,後面不限，因此

[1-9][0-9]*$

合併得到正數的匹配寫法是：

^(|-|\+)[1-9][0-9]*$

測試整數：
-1203
5554
+7894
-2222222
#24545

# grep -n -E '^(|-|\+)[1-9][0-9]*$' data1.txt



再寫一個簡單的，匹配字母數字字符串。

^[a-zA-Z0-9]+$

# grep -n -E '^[a-zA-Z0-9]+$' data1.txt


匹配空行

#grep -n -E '^$' data1.txt



最後一個奇怪的測試：

([\\/$]* | ?:[\\/]*)

測試：

x:\test\test
z:/test1/test1
${datarootdir}/doc/${PACKAGE_TARNAME}
${datarootdir}/doc/man


# grep -E '([\\/$]* | ?:[\\/]*)' data1.txt