POSIX.2正则表达式说明（确认一个正则表达式是否正确的唯一方法就是去测试它）
POSIX.2正则表达式说明
关于在Linux/Bash中正则表达式（POSIX.2 regular expressions）的语法形式，可以使用 man 7 regex 去查看。
正则表达式是特殊的字符串。在正则表达式中，有些字符具有特殊含义，而不是它本身的字面含义，这种字符称之为元字符（metacharacter）。
一个系统中的命令对正则表达式的支持程度，往往取决于其具体实现，所以有这么一种说法：“确认一个正则表达式是否正确的唯一方法就是去测试它”。
下面说明一下 man 7 regex 所描述的 POSIX.2 正则表达式。
POSIX.2 正则表达式（Regular expressions, 简称RE），有两种形式：
一种是 modern RE, 或者称之为 extended RE，比如 egrep命令所支持的；
一种是 obsolete RE, 或者称之为 basic RE，比如 ed命令所支持的。
1003.2callsthese‘‘extended’’REs)andobsoleteREs(roughlythoseofed(1);1003.2‘‘basic’’REs).Obsolete
REsmostlyexistforbackwardcompatibilityinsomeoldprograms;theywillbediscussedattheend.1003.2
leavessomeaspectsofREsyntaxandsemanticsopen;‘(!)’marksdecisionsontheseaspectsthatmaynotbe
fully portable to other 1003.2 implementations.下面讲的是 modern RE，一个 modern RE 由一个或多个 branch 用 竖线(|) 分隔。一个字符串只需要匹配其中一个 branch 就认为是匹配该 RE。
比如：abc|def 既可匹配 abc 也可匹配 def。
一个 branch 由一个或多个 piece 串接而成：一个 piece 是由 atom 或者 atom 加上 modifier 组成。在匹配的时候是依次匹配。
modifier的作用是指定 atom 的出现次数，比如：
* 前面的 atom 出现 0次或多次；
+ 前面的 atom 出现 1次或多次；
? 前面的 atom 出现 0次或1次；
second,etc.
Apieceisanatompossiblyfollowedbyasingle(!)‘*’,‘+’,‘?’,orbound.Anatomfollowedby‘*’matchesa
sequenceof0ormorematchesoftheatom.Anatomfollowedby‘+’matchesasequenceof1ormorematchesof
the atom. An atom followed by ‘?’ matches a sequence of 0 or 1 matches of the atom.modifier也可以是 bound ({})，即指定范围，前面的 atom 出现的次数在{}内指定，如下：
{n} 前面的 atom 刚好出现 n次，n必须在 0 到 RE_DUP_MAX 之间，其中 RE_DUP_MAX 最大为255；
{n,} 前面的 atom 出现 n次及以上；
{n,m} 前面的 atom 出现 n次到m次，必须 n <= m。
unsigneddecimalinteger,alwaysfollowedby‘}’.Theintegersmustliebetween0andRE_DUP_MAX(255(!))
inclusive,andiftherearetwoofthem,thefirstmaynotexceedthesecond.Anatomfollowedbyaboundcon-
tainingoneintegeriandnocommamatchesasequenceofexactlyimatchesoftheatom.Anatomfollowedbya
boundcontainingoneintegeriandacommamatchesasequenceofiormorematchesoftheatom.Anatomfol-
lowedbyaboundcontainingtwointegersiandjmatchesasequenceofithroughj(inclusive)matchesofthe
atom.下面讲到 atom 是指哪些东西，一个 atom 可以如下之一：
(RE) 匹配一个正则表达式，子表达式
() 匹配一个空串
[CHAR-SET] 匹配指定字符集合中的任意字符
. 匹配任意单个字符
^ 匹配行首
$ 匹配行尾
\跟上^.[$()|*+?{\之一 转义，使这些元字符的特殊含义丧失，匹配这些字符本身
\跟上其他字符 匹配就是这些字符本身
其他单个字符 匹配这些字符本身
{跟上非数字字符 此时{是个普通字符
结尾为\ 非法
‘()’(matchingthenullstring)(!),abracketexpression(seebelow),‘.’(matchinganysinglecharacter),‘^’
(matchingthenullstringatthebeginningofaline),‘$’(matchingthenullstringattheendofaline),a
‘\’followedbyoneofthecharacters‘^.[$()|*+?{\’(matchingthatcharactertakenasanordinarycharacter),
a‘\’followedbyanyothercharacter(!)(matchingthatcharactertakenasanordinarycharacter,asifthe
‘\’hadnotbeenpresent(!)),orasinglecharacterwithnoothersignificance(matchingthatcharacter).A
‘{’followedbyacharacterotherthanadigitisanordinarycharacter,notthebeginningofabound(!).It
is illegal to end an RE with ‘\’.方括号 [ ] 中可以指定一个字符的集合，并且不能是空集合。
如果这个集合以 ^ 开头，那么表示不匹配该集合中的字符。
类似 a-z 的形式可以指定字符的范围，但是 a-c-e 这种形式是非法的。
比如 [0-9] 表示匹配数字字符，[^0-9] 表示不匹配数字字符。
thelist(butseebelow).Ifthelistbeginswith‘^’,itmatchesanysinglecharacter(butseebelow)not
fromtherestofthelist.Iftwocharactersinthelistareseparatedby‘-’,thisisshorthandforthefull
rangeofcharactersbetweenthosetwo(inclusive)inthecollatingsequence,e.g.‘[0-9]’inASCIImatchesany
decimaldigit.Itisillegal(!)fortworangestoshareanendpoint,e.g.‘a-c-e’.Rangesareverycollating-
sequence-dependent, and portable programs should avoid relying on them.在 [ ] 中，
如果字符集合需要包含 ] 呢，可以写成 []]，即 ]为集合中的第一个字符，而 [^]] 表示不匹配 ]；
如果字符集合需要包含 - 呢，必须把 - 放在第一个字符的位置或者最后一个字符的位置，[-] 表示匹配 -，[^-] 表示不匹配 - ；
literal‘-’,makeitthefirstorlastcharacter,orthesecondendpointofarange.Tousealiteral‘-’as
thefirstendpointofarange,encloseitin‘[.’and‘.]’tomakeitacollatingelement(seebelow).With
theexceptionoftheseandsomecombinationsusing‘[’(seenextparagraphs),allotherspecialcharacters,
including ‘\’, lose their special significance within a bracket expression.关于多字符序列，形式为 [.chars.]，比如 [[.ch.,]] 可以匹配 ch。
itwereasinglecharacter,oracollating-sequencenameforeither)enclosedin‘[.’and‘.]’standsforthe
sequenceofcharactersofthatcollatingelement.Thesequenceisasingleelementofthebracketexpression’s
list.Abracketexpressioncontainingamulti-charactercollatingelementcanthusmatchmorethanonecharac-
ter,e.g.ifthecollatingsequenceincludesa‘ch’collatingelement,thentheRE‘[[.ch.]]*c’matchesthe
first five characters of ‘chchcc’.关于等价类，形式为 [=c=]，但这个等价类目前我还没有明白怎么用法。
forthesequencesofcharactersofallcollatingelementsequivalenttothatone,includingitself.(Ifthere
arenootherequivalentcollatingelements,thetreatmentisasiftheenclosingdelimiterswere‘[.’and
‘.]’.)Forexample,ifoand^arethemembersofanequivalenceclass,then‘[[=o=]]’,‘[[=^=]]’,and‘[o^]’
are all synonymous. An equivalence class may not(!) be an endpoint of a range.在 [ ] 中，可以指定字符类，形式为 [:class:]，比如 [[:digit:]] 匹配数字，[[:alpha:]] 匹配字母，常用的标准字符类如下：
alnum 字母和数字
alpha 字母
blank 空白，包括空格、制表符等
digit 数字
lower 小写字母
space 空白，包括空格、制表符、竖向制表符、换行、回车，注意与 blank 类的区别
upper 大写字母
xdigit 十六进制数字字符
这些字符类的判断方式与C语言中的字符类判断是一样的，比如在C语言中用 isalpha(c) 来判断是否字母，以此类推。
charactersbelongingtothatclass.Standardcharacterclassnamesare:
alnumdigitpunct
alphagraphspace
blanklowerupper
cntrlprintxdigit
Thesestandforthecharacterclassesdefinedinwctype(3).Alocalemayprovideothers.Acharacterclass
may not be used as an endpoint of a range.C语言中关于字符类的判断函数说明。
checksforanalphanumericcharacter;itisequivalentto(isalpha(c)||isdigit(c)).
isalpha()
checksforanalphabeticcharacter;inthestandard"C"locale,itisequivalentto(isupper(c)||
islower(c)).Insomelocales,theremaybeadditionalcharactersforwhichisalpha()istrue—letters
whichareneitheruppercasenorlowercase.
isascii()
checkswhethercisa7-bitunsignedcharvaluethatfitsintotheASCIIcharacterset.
isblank()
checksforablankcharacter;thatis,aspaceoratab.
iscntrl()
checksforacontrolcharacter.
isdigit()
checksforadigit(0through9).
isgraph()
checksforanyprintablecharacterexceptspace.
islower()
checksforalower-casecharacter.
isprint()
checksforanyprintablecharacterincludingspace.
ispunct()
checksforanyprintablecharacterwhichisnotaspaceoranalphanumericcharacter.
isspace()
checksforwhite-spacecharacters.Inthe"C"and"POSIX"locales,theseare:space,form-feed( ?[1m\f ?,
newline( ?[1m\n ?,carriagereturn( ?[1m\r ?,horizontaltab( ?[1m\t ?,andverticaltab( ?[1m\v ?.
isupper()
checksforanuppercaseletter.
isxdigit()
checksforahexadecimaldigits,i.e.oneof
0123456789abcdefABCDEF.
要注意的是，POSIX.2正则表达式不支持类似Java中的字符类的写法，比如在Java中 \d表示匹配数字，\w表示匹配字母数字下划线。
正则表达式的匹配，从字符串中最早匹配的位置开始，到最长匹配结束，是匹配的长度越长越好，即贪婪匹配。
earliestinthestring.IftheREcouldmatchmorethanonesubstringstartingatthatpoint,itmatchesthe
longest.Subexpressionsalsomatchthelongestpossiblesubstrings,subjecttotheconstraintthatthewhole
matchbeaslongaspossible,withsubexpressionsstartingearlierintheREtakingpriorityoveronesstarting
later.Notethathigher-levelsubexpressionsthustakepriorityovertheirlower-levelcomponentsubexpres-
sions.匹配长度以字符数计算。即使只匹配空串，也被认为比完全不匹配要长。比如：
bb* 匹配 abbbc 的中间三个字符；
(wee|week)(khights|nights) 匹配 weeknights 整个串；
(.*).* 匹配 abc，其中(.*) 匹配 abc，剩下的 .* 匹配空串；
(a*)* 匹配 bc，其中 (a*)* 和 (a*) 都只匹配空串。
matchatall.Forexample,‘bb*’matchesthethreemiddlecharactersof‘abbbc’,‘(wee|week)(knights|nights)’
matchesalltencharactersof‘weeknights’,when‘(.*).*’ismatchedagainst‘abc’theparenthesizedsubexpres-
sionmatchesallthreecharacters,andwhen‘(a*)*’ismatchedagainst‘bc’boththewholeREandtheparenthe-
sized subexpression match the null string.关于不区分大小匹配的说明。x 匹配 x和X，相当于 [xX]，而 [^x] 相当于 [^xX]。
alphabet.Whenanalphabeticthatexistsinmultiplecasesappearsasanordinarycharacteroutsideabracket
expression,itiseffectivelytransformedintoabracketexpressioncontainingbothcases,e.g.‘x’becomes
‘[xX]’.Whenitappearsinsideabracketexpression,allcasecounterpartsofitareaddedtothebracket
expression, so that (e.g.) ‘[x]’ becomes ‘[xX]’ and ‘[^x]’ becomes ‘[^xX]’.正则表达式的长度限制，一般不超过256字节，但具体实现也可以不限定长度。
最后来讲 Obsolete RE （或 basic RE） 与 前面的 modern RE （或 extended RE）的区别：
在 basic RE 中， 竖线(|)、加号(+)、问号(?)是普通字符；
范围用 \{ \} 来表示，而 { } 只是普通字符；
子表达式用 \( \) 来表示，而 ( ) 只是普通字符；
当^不是开头、$不是结尾、*在开头时，它们是普通字符；
\非0数字的形式表示对前面匹配的子串的引用，比如 \([bc]\)\1 匹配 bb 或 cc，但不匹配 bc 。
andthereisnoequivalentfortheirfunctionality.Thedelimitersforboundsare‘\{’and‘\}’,with‘{’and
‘}’bythemselvesordinarycharacters.Theparenthesesfornestedsubexpressionsare‘\(’and‘\)’,with‘(’
and‘)’bythemselvesordinarycharacters.‘^’isanordinarycharacterexceptatthebeginningoftheRE
or(!)thebeginningofaparenthesizedsubexpression,‘$’isanordinarycharacterexceptattheendoftheRE
or(!)theendofaparenthesizedsubexpression,and‘*’isanordinarycharacterifitappearsatthebeginning
oftheREorthebeginningofaparenthesizedsubexpression(afterapossibleleading‘^’).Finally,thereis
onenewtypeofatom,abackreference:‘\’followedbyanon-zerodecimaldigitdmatchesthesamesequenceof
charactersmatchedbythedthparenthesizedsubexpression(numberingsubexpressionsbythepositionsoftheir
opening parentheses, left to right), so that (e.g.) ‘\([bc]\)\1’ matches ‘bb’ or ‘cc’ but not ‘bc’.重复前面说过的：“确认一个正则表达式是否正确的唯一方法就是去测试它”。