perl正则表达式中的元字符、转义字符、量词及匹配方式

Linux平台上被广泛使用的正则表达式库PCRE - Perl-compatible regular expressions，从其名字即可知道，PCRE提供的是一套与Perl中相兼容的正则表达式。

元字符(Meta-character)

• '\' : 在任何元字符前面加上反斜线，就会使它失去元字符的特殊作用。例如/3\.1415/这个模式里没有通配符
• '^' : 匹配行首；在字符集中它是脱字符，表示求补集
• '$' : 匹配行尾（或结尾处新行之前字符)
• '.' : 除新行(newline)外的任一字符('/s'选项将使'.'匹配新行字符)
• '|' : 或，表示左边匹配或右边匹配都可以
• '('与')' : 分组，例如 “/(fred)+/” 可匹配“fredfredfred”这样的字符串
• '['与']' : 字符类。表示一类字符集合中任意一个，方括号内可使用'-'表示范围，如[0-9]表示匹配数字0到9; 也可使用'^‘表示求补集，如[^0-9]表示除数字0到9外的其他字符

下面量词中的前三个字符也是元字符

量词(Quantifier)

• '*' : 0或任意次。例如“\t*”表示0到任意多个字表符；“.*”捡破烂模式，它能通吃所有的字符串
• '+' : 1或更多次
• '?' : 0或1次
• {n} : n次
• {n,} : 至少n次
• {n, m} : n到m次。例如“/a{5,15}/”可以匹配重复5到15次的字母a

自动匹配变量

• $`： 匹配部分的前一部分存放在$`之中，后面的符号在键盘左上方与“ ~ ”在一个键上
• $&：整个被匹配上的部分保存在这个变量中
• $'：这个变量保存了字符串中剩下的部分，即除了匹配部分的前一部分，被匹配上的部分后剩下的部分。

匹配方式

• 贪婪(greedy)方式：在模式其余部分匹配前提下，尽可能多地匹配字符。

贪婪量词：+和*

• 非贪婪匹配(minimum): 对于每一个贪婪的量词，都有一个非贪婪的量词。以加号(+)为例， 我们可以改用非贪婪的量词+？，这表示一次或更多匹配(加号的本意)。但是匹配的字符串却 是越短越好，而不再是越长越好。

非贪婪量词：+?和*?

• 占有式：与贪婪方式相近，尽可能多地匹配字符，但绝不回退(backtrack，即使模式其余部分无法匹配，也不减少本部分的匹配数量)。在数量词之后使用'+'表示使用占有式匹配。

转义序列

• '\t' : 制表符(HT, TAB)
• '\n' : 换行(LF, NL)
• '\r' : 回车(CR)
• '\f' : 进纸(Form Feed, FF)
• '\a' : 报警 (Alarm, BEL)
• '\e' : 转义(ESC)
• "\0xx" : 八进制数值对应字符，如\033表示ESC
• "\xhh" : 16进制数值对应字符，如\x1B表示ESC
• "\x{hhhh}" : 16进制long型数值对应字符，如\x{263a}表示unicode SMILEY
• "\cK" : K可以为任意字母，表示控制字符"control-K"，"\cK"表示如VT
• "\N{name}" : unicode命名字符
• "\N{U+hhhh}" : unicode字符
• '\l' : 小写下一字符
• '\u' : 大写下一字符
• '\L' : 小写随后字符串直至'\E'
• '\U' : 大写随后字符串直至'\E'
• '\E' : 结束大小写转换
• '\Q' : 引用随后字符(禁止转义)直至'\E'

字符类及其他转义字符

• '\w' : 匹任任一单词(word)字符(26个英文字母、10个数字，加下划线'_')，等同于字符集[A-Za-z0-9_]
• '\W' : 匹配任一非单词字母
• '\s' : 任一空白字符(空格' ', 制表符'\t'等)
• '\S' : 任一非空白字符
• '\d' : 任一数字字符[0-9]
• '\D' : 任一非数字字符
• “\pP” : 匹配命名属性P
• "\PP" : 匹配非P
• '\X' : 匹配unicode扩展字符集(eXtended grapheme cluster)
• '\C' : 匹配单个C字符(字节)，即使工作在unicode模式下
• '\n' : n为数字，后向引用指定组n
• "\gn" : 后向引用指定组n
• "\g{-n}" : 表示相对（当前位置之前的）第n个后用引用组n
• "\g{name}" : 后向引用命名组(name)。例如“(/(.)\g{1}ll)”可以匹配aall这样的字符串，aa为连续相同的两个字符
• "\k{name}" : 后向引用
• '\K' : 使\K左侧部分，不引入到$&中
• '\N' : 除'\n'外的任一字符
• '\v' : 垂直空白符
• '\V' : 非垂直空白符
• '\h' : 水平空白符
• '\H' : 非水平空白符
• '\R' : 行分割符号

POSIX字符类

POSIX字符类表示语法：[:class:], 在pattern中则必须写为"[[:class:]]"。

• "[[:alpha:]]" : (英文)字母
• "[[:alnum:]]" : 字母或数字字符
• "[[:ascii:]]" : ASCII字符集中字符
• "[[:blank:]]" : GNU扩展，等价于空格' '或水平制表符'\t'
• "[[:cntrl:]]" : 任一控制字符
• "[[:digit:]]" : 任一数字字符，等价于'\d'
• "[[:graph:]]" : 除空格外的任一可打印字符
• "[[:lower:]]" : 任一小写字符
• "[[:print:]]" : 任一可打印字符，包括空格
• "[[:punct:]]" : 除单词字符(字母，'_')外的任一图形字符
• "[[:space:]]" : 任一空白字符，等价于'\s'垂直制表符"\cK"
• "[[:upper:]]" : 任一大写字符
• "[[:word:]]" : Perl扩展, 等价于'\w'
• "[[:xdigit:]]" : 任一16进制数字

Perl中，"[[^:class:]]"表示posix指定类的补集，这种情况下也可略去[::]，在类名前加'^'表示为"[^class]"。

• '\b' : 单词边界。例如整单词搜索模式“/\bFred\b/”，可以匹配Fred或fred
• '\B' : 非单词边界
• '\A' : 字符串首
• '\Z' : 字符串尾或尾部换行字符之前
• '\z' : 字符串尾
• '\G' : 在上一个匹配处进行匹配