『正则表达式』概念 及在grep、awk、sed、C语言、Python中的简单应用

『正则表达式』概念 及在grep、awk、sed、C语言、Python中的简单应用

正则表达式，又称规则表达式,（Regular Expression，在代码中常简写为regex、regexp或RE），是一种文本模式。它可以用来检查一个字符串是否符合某个规则，或者从一个字符串中提取出符合某个规则的子串。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为"元字符"）组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。

一、元字符

正则表达式语法中使用的主要元字符包括：

•

。(点):匹配除换行符之外的任何字符。

•

^ (脱字符)：匹配输入字符串的开始位置。

•

$ (美元符号)：匹配输入字符串的结束位置。

•

*(星号)：匹配前面的子表达式零次或多次。

•

+(加号)：匹配前面的子表达式一次或多次。

•

(问号)：匹配前面的子表达式零次或一次。

•

{n}：n 是一个非负整数。匹配确定的 n 次。

•

{n,}：n 是一个非负整数。至少匹配 n 次。

•

{n,m}：m 和 n 均为非负整数，其中 n <= m。最少匹配

n 次且最多匹配 m 次。

•

[…]：字符集合。匹配方括号中包含的任意字符。

•

[^…]：负值字符集合。匹配方括号中不包含的任意字符。

还有：

1.

“|”：或，匹配左右两边任意一个表达式

2.

“”：转义字符，用于转义特殊字符，使其具有原本的字符意义，例如匹配字符".“，需要使用”.“而不是”."。

3.

“d”：匹配数字，相当于字符集[0-9]。

4.

“D”：匹配非数字字符，相当于字符集[^0-9]。

5.

“w”：匹配单词字符，包括数字、字母和下划线，相当于字符集[A-Za-z0-9_]。

6.

“W”：匹配非单词字符，相当于字符集[^A-Za-z0-9_]。

7.

“s”：匹配空白字符，包括空格、制表符和换行符等。

8.

“S”：匹配非空白字符。

9.

“(?=exp)”：前向肯定断言，匹配exp前面的位置。

10.

“(?!exp)”：前向否定断言，匹配非exp前面的位置。

二、常用正则表达式

使用正则表达式往往比我们写几行if-else这样的代码更加方便，以下是一些常用的正则表达式的参考（写法不唯一，且规则因国家、地区、开发语言而异）:

1.匹配邮箱地址：

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

2.匹配手机号码：

3.匹配固定电话号码：

/^d{3}-d{8}|d{4}-d{7}$/

4.匹配身份证号码：

/^d{17}[d|X|x]|d{15}$/

5.匹配日期格式（yyyy-mm-dd）：

/^d{4}-d{1,2}-d{1,2}$/

6.匹配中文字符：

7.匹配URL地址：

/^((http|https):)?([w-]+.)+[w-]+([w-.?%&=]*)?$/

8.匹配邮政编码：

9.匹配IP地址：

/^((d{1,2}|1d{2}|2[0-4]d|25[0-5]).){3}(d{1,2}|1d{2}|2[0-4]d|25[0-5])$/

10.匹配HTML标签：

11.匹配正整数：

12.匹配负整数：

13.匹配正数（包括小数）：

14.匹配非正数（包括小数）：

/^((-d+(.d+)?)|(0+(.0+)?))$/

15.匹配非负数（包括小数）：

/^d+(.d+)?|0+(.0+)?$/

16.匹配16进制颜色值：

/^#([0-9a-fA-f]{3}|[0-9a-fA-F]{6})$/

17.匹配密码强度（至少包含大写字母、小写字母、数字和特殊字符，长度至少为8位）：

/^(?=.*[A-Z])(?=.*[a-z])(?=.*d)(?=.*[@$!%*?&)])[A-Za-zd@$!%*?&]{8,}$/

18.匹配车牌号码：

19.匹配域名：

/^([a-zA-Z0-9][-a-zA-Z0-9]{0,62}.){1,}[a-zA-Z]{2,}$/

20.匹配时间格式（hh:mm:ss）：

/^([01]d|2[0-3]):[0-5]d:[0-5]d$/

三、使用示例

3.1 在 grep、awk、sed中使用正则表达式

正则表达式和grep、awk、sed非常搭配。

例1： 使用grep匹配html文件中含有中文字符的行，并打印行号

grep -nP '[x{4e00}-x{9fa5}]'

在grep中，使用Unicode字符范围来匹配中文需要使用16进制表示法，[u4e00-u9fa5]可以写成[x{4e00}-x{9fa5}]。

例2： 使用awk匹配html文件中的块级标签：

例3：匹配html文件中的函数，并显示他们所在的行数

dahu@dahu MINGW64 ~/Desktop/gpt

dahu@dahu MINGW64 ~/Desktop/gpt

$ awk '/function/{print NR,$0}'

145 function ask() {

247 function addText(text) {

251 function removeLine() {

257 function setCookie(name, value) {

269 function getCookie(name) {

279 function clear1() {

例4： 使用sed匹配含有response的行：

$ sed -n '/response/p'

).then(response => {

let resultstring =

s[0].t;

let resultname =

s[0].;

3.2 在Python中使用正则表达式

可以使用Python的内置re模块来使用正则表达式。

re模块提供了Perl风格的正则表达式模式，使Python语言拥有全部的正则表达式功能。常用的正则表达式函数有：()、()、l()、()等。

•

()：在字符串中查找模式，如果找到则返回Match对象，否则返回None。

•

()：从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

•

l()：在字符串中查找模式，返回所有匹配到的字符串。

•

()：用于替换字符串中的匹配项。

例5： 判断输入手机号是否正确

import re

def judge_phone_number(account):

pattern = repile(r"^1([3-9])d{9}$")

if (account):

print("手机号码输入正确")

else:

print("手机号码输入错误")

judge_phone_number(input("请输入手机号："))

注：

Python个中的正则表达式放在单、双引号里面，前面加一个r表示原始字符串，不进行转义。

正则表达式一般放在//里面，不同语言有一些区别。

3.3 在C语言中使用正则表达式

在C语言中，可以使用POSIX标准库中的正则表达式库regex.h来编写和处理正则表达式。

C语言中处理正则表达式的函数有regp()、regexec()、regfree()和regerror()等。

3.31 函数介绍

•

regp()函数：编译正则表达式。函数原型如下：

int regp(regex_t *preg, const char *regex, int cflags);

其中，preg是一个指向regex_t类型的指针，regex是一个指向正则表达式字符串的指针，cflags是编译标志。如果函数执行成功，返回值为0；否则，返回值为非0。

int regexec(const regex_t *preg, const char *string,

size_t nmatch, regmatch_t pmatch[], int eflags);

其中，preg是一个指向regex_t类型的指针，string是一个指向待匹配字符串的指针，nmatch是pmatch数组的长度，pmatch是一个指向regmatch_t类型的数组，eflags是执行标志。如果函数执行成功，返回值为0；否则，返回值为非0。

void regfree(regex_t *preg);

其中，preg是一个指向regex_t类型的指针。

•

regerror()函数：获取包含错误信息的字符串。函数原型如下：

size_t regerror(int errcode, const regex_t *preg, char

*errbuf, size_t errbuf_size);

其中，errcode是错误代码，preg是一个指向regex_t类型的指针，errbuf是一个指向字符数组的指针，errbuf_size是字符数组的长度。如果函数执行成功，返回值为错误信息字符串的长度；否则，返回值为0。

3.32 例程

#include

#include

#include

#include

int main (void)

{

char ebuff[256];

int ret;

int cflags;

regex_t reg;

cflags = REG_EXTENDED | REG_ICASE | REG_NOSUB;

char *test_str = "Hello World";

char *reg_str = "H.*";

ret = regp(®, reg_str, cflags);

if (ret)

{

regerror(ret, ®, ebuff, 256);

fprintf(stderr, "%sn", ebuff);

goto end;

}

ret = regexec(®, test_str, 0, NULL, 0);

if (ret)

{

regerror(ret, ®, ebuff, 256);

fprintf(stderr, "%sn", ebuff);

goto end;

}

regerror(ret, ®, ebuff, 256);

fprintf(stderr, "result is:n%sn", ebuff);

end:

regfree(®);

return 0;

}