Man page - regex(7)

Packages contains this manual

Available languages:

en fr es it ja ro zh_TW zh_CN de

Manual

REGEX

NAME
DESCRIPTION
SEE ALSO 參 見
BUGS
AUTHOR 作 者
[中 文 版 維 護 人 ]
[中 文 版 最 新 更 新 ]
《 中 國 linux論 壇 man手 冊 頁 翻 譯 計 劃 》 :
跋

NAME

regex - POSIX 1003.2 正 則 表 示 式

DESCRIPTION

正 則 表 示 式 (‘‘RE’’s), 在 POSIX 1003.2 中 定 義 ， 包 含 兩 種 型 別 ： 新 式 REs (基 本 上 指 的 是 egrep 使 用 的 那 些 ， 1003.2 稱 其 為 ‘‘extended’’ REs 也 就 是 “擴 充 套 件 的 REs”) 和 舊 式 REs (指 的 是 ed (1) 中 的 那 些 ， 1003.2 稱 之 為 ‘‘basic’’ REs 也 就 是 “基 本 的 REs”). 舊 式 REs 的 存 在 僅 僅 是 為 了 向 後 和 一 些 舊 程 式 保 持 相 容 ； 在 最 後 將 加 以 討 論 。 1003.2 對 RE 語 法 和 語 義 的 某 些 方 面 沒 有 做 強 制 規 定 ； ‘(!)’ 記 號 標 示 了 這 些 內 容 ， 它 們 可 能 不 能 完 全 移 植 到 其 他 1003.2 實 現 當 中 。

一 個 (新 式 的 ) RE 正 則 表 示 式 是 一 個 (!) 或 多 個 非 空 (!) branches 分 支 ， 以 ‘|’ 分 隔 。 它 匹 配 任 何 匹 配 其 中 一 個 分 支 的 符 號 串 。

一 個 branch 分 支 是 一 個 (!) 或 多 個 pieces 片 段 連 結 而 成 。 符 號 串 首 先 要 匹 配 它 的 第 一 個 片 段 ， 接 下 來 剩 餘 部 分 再 匹 配 第 二 個 片 段 ， 以 此 類 推 。

一 個 piece 片 段 是 一 個 atom 原 子 ， 其 後 可 能 包 含 一 個 (!) ‘*’, ‘+’, ‘?’, 或 者 bound 量 詞 。 一 個 原 子 加 上 ‘*’ 匹 配 零 個 或 多 個 這 個 原 子 的 匹 配 構 成 的 序 列 。 一 個 原 子 加 上 ‘+’ 匹 配 一 個 或 多 個 這 個 原 子 的 匹 配 構 成 的 序 列 。 一 個 原 子 加 上 ‘?’ 匹 配 零 個 或 一 個 這 個 原 子 的 匹 配 。

一 個 bound 量 詞 是 ‘{’ 後 面 跟 一 個 無 符 號 十 進 位 制 整 數 ， 可 能 還 會 跟 一 個 ‘,’， 可 能 還 會 再 跟 一 個 無 符 號 十 進 位 制 整 數 ， 然 後 以 ‘}’ 結 束 。 整 數 的 大 小 必 須 在 0 和 RE_DUP_MAX (255(!)) 之 間 (包 含 邊 界 值 )。 如 果 給 出 了 兩 個 數 字 ， 那 麼 第 一 個 決 不 能 比 第 二 個 大 。 一 個 原 子 的 量 詞 中 如 果 只 有 一 個 數 字 而 沒 有 逗 號 的 話 ， 就 匹 配 i 個 這 個 原 子 的 匹 配 構 成 的 序 列 。 一 個 原 子 的 量 詞 中 如 果 只 有 一 個 數 字 並 且 有 逗 號 的 話 ， 就 匹 配 i 個 或 多 個 這 個 原 子 的 匹 配 構 成 的 序 列 。 一 個 原 子 的 量 詞 中 如 果 包 含 兩 個 數 字 i 和 j 的 話 ， 就 匹 配 i 到 j 個 這 個 原 子 的 匹 配 構 成 的 序 列 。

一 個 原 子 是 一 個 包 含 在 ‘()’ 中 的 正 則 表 示 式 (這 將 匹 配 這 個 正 則 表 示 式 匹 配 的 符 號 串 )， 一 個 空 的 ‘()’ (匹 配 空 串 )， 一 個 bracket expression (方 括 號 表 示 式 ， 參 見 下 面 )， ‘.’ (匹 配 任 何 字 元 )， ‘ˆ’ (匹 配 行 首 的 空 字 串 )， ‘$’ (匹 配 行 尾 的 空 字 串 )， 一 個 ‘\’ 加 上 下 列 字 元 之 一 ‘ˆ.[$()|*+?{\’ (匹 配 這 個 字 元 ， 忽 略 它 的 任 何 特 殊 意 義 )， 一 個 ‘\’ (加 上 任 何 其 他 字 元 (!) 匹 配 那 個 字 元 ， 忽 略 它 的 任 何 特 殊 意 義 ， 就 好 像 ‘\’ 不 存 在 (!))， 或 者 是 一 個 字 元 ， 沒 有 特 殊 意 義 (匹 配 它 本 身 )。 一 個 ‘{’ 後 面 是 一 個 非 數 字 的 字 元 時 ， 是 一 個 普 通 的 字 元 而 不 是 量 詞 的 開 始 (!)。 以 ‘\’ 來 結 束 一 個 RE 是 非 法 的 。

一 個 bracket expression 方 括 號 表 示 式 是 一 個 字 元 的 列 表 ， 包 含 在 ‘[]’ 當 中 。 它 一 般 匹 配 列 表 中 的 任 何 一 個 字 元 (有 特 殊 情 況 )。 如 果 這 個 列 表 以 ‘ˆ’ 開 始 ， 它 將 匹 配 不 在 列 表 中 的 任 何 字 元 (下 面 還 會 講 到 特 殊 情 況 )。 如 果 列 表 中 的 兩 個 字 元 以 ‘-’ 分 隔 ， 可 以 表 示 字 母 表 中 這 兩 個 字 元 之 間 (包 括 這 兩 個 字 元 )所 有 的 字 元 。 例 如 ， ASCII 字 元 表 中 ‘[0-9]’ 匹 配 任 何 數 字 。 不 能 (!) 用 一 個 字 元 作 為 定 義 兩 個 字 元 範 圍 的 端 點 ， 就 像 這 樣 ‘a-c-e’。 字 元 範 圍 是 與 字 母 表 順 序 相 關 的 ， 可 移 植 的 程 式 不 應 使 用 它 們 。

要 在 列 表 中 包 含 一 個 字 面 的 (沒 有 特 殊 含 義 的 ) ‘]’， 可 以 把 它 放 在 首 位 (後 面 可 能 要 加 上 一 個 ‘ˆ’)。 要 在 列 表 中 包 含 一 個 字 面 的 ‘-’， 可 以 把 它 放 在 首 位 或 末 尾 ， 或 者 讓 它 作 為 一 個 字 元 範 圍 的 末 端 點 。 要 以 一 個 字 面 的 ‘-’ 作 為 字 元 範 圍 的 起 始 ， 可 以 將 它 放 在 ‘[.’ 和 ‘.]’ 當 中 ， 使 得 它 成 為 一 個 collating element (歸 併 元 素 ， 參 見 下 面 )。 特 殊 情 況 除 了 這 些 ， 還 有 使 用 ‘[’ 的 組 合 (參 見 下 一 段 )。 所 有 其 他 特 殊 字 元 ， 包 括 ‘\’ 在 內 ， 在 方 括 號 表 示 式 中 都 失 去 了 它 們 的 特 殊 含 義 。

方 括 號 表 示 式 中 ， 一 個 包 含 在 ‘[.’ 和 ‘.]’ 中 的 歸 併 元 素 (collating element， 一 個 字 元 ， 一 個 視 為 一 體 的 字 元 序 列 ， 或 者 一 個 代 表 著 上 述 兩 類 的 歸 併 序 列 名 稱 ) 代 表 著 這 個 歸 併 元 素 所 包 含 的 字 元 序 列 。 這 個 序 列 被 視 為 方 括 號 表 示 式 的 一 個 元 素 。 因 此 一 個 包 含 著 多 字 元 歸 併 元 素 的 方 括 號 表 示 式 可 以 匹 配 多 於 一 個 的 字 元 。 例 如 ， 如 果 這 個 歸 併 序 列 包 含 一 個 歸 併 元 素 ‘ch’， 那 麼 正 則 表 示 式 ‘[[.ch.]]’*c’ 可 以 匹 配 ‘chchcc’ 的 前 五 個 字 元 。

方 括 號 表 示 式 中 ， 一 個 包 含 在 ‘[=’ 和 ‘=]’ 中 的 歸 併 元 素 是 一 個 等 價 類 ， 代 表 著 等 價 於 它 的 所 有 歸 併 元 素 (也 包 括 它 自 身 )包 含 的 字 元 的 序 列 。 (如 果 沒 有 其 他 等 價 的 歸 併 元 素 ， 就 把 它 與 括 號 分 隔 符 是 ‘[.’ 和 ‘.]’ 時 同 樣 看 待 。 ) 例 如 ， 如 果 o 和 ˆ 是 一 個 等 價 類 的 成 員 ， 那 麼 ‘[[=o=]]’， ‘[[=ˆ=]]’ 還 有 ‘[oˆ]’ 都 是 同 義 詞 。 一 個 等 價 類 不 能 (!) 是 一 個 字 元 範 圍 的 末 端 點 。

方 括 號 表 示 式 中 ， 包 含 在 ‘[:’ 和 ‘:]’ 中 的 一 個 character class (字 元 類 ) 代 表 著 這 個 字 元 類 中 的 所 有 字 元 的 列 表 。 標 準 的 字 元 類 名 稱 是 ：

alnum

digit

punct

alpha

graph

space

blank

lower

upper

cntrl

print

xdigit

它 們 代 表 著 wctype (3) 定 義 的 字 元 類 。 一 個 locale(語 言 環 境 ) 可 能 會 提 供 其 他 字 元 類 。 一 個 字 元 類 不 能 用 作 一 個 字 元 範 圍 的 末 端 點 。

方 括 號 表 示 式 還 有 兩 種 特 殊 的 情 況 (!) ： 方 括 號 表 示 式 ‘[[:<:]]’ 和 ‘[[:>:]]’ 分 別 匹 配 一 個 詞 的 開 始 和 結 尾 的 空 字 串 。 一 個 word (詞 )是 一 個 word character (成 詞 字 元 ) 的 序 列 ， 並 且 前 後 都 沒 有 成 詞 字 元 。 一 個 word character (成 詞 字 元 ) 是 一 個 alnum 字 元 (在 wctype (3) 中 有 定 義 ) 或 者 是 一 個 下 劃 線 。 這 是 一 個 擴 充 套 件 ， 與 POSIX 1003.2 相 容 但 沒 有 寫 入 正 文 ， 在 需 要 移 植 到 其 他 系 統 中 的 軟 體 中 應 當 小 心 使 用 。

如 果 一 個 RE 可 以 匹 配 一 個 字 串 的 多 個 不 同 的 字 串 時 ， RE 選 擇 匹 配 最 前 面 的 一 個 。 如 果 這 個 RE 匹 配 的 子 串 有 相 同 的 起 始 點 ， RE 選 擇 匹 配 最 長 的 一 個 。 子 表 示 式 也 匹 配 最 長 的 字 串 ， 使 得 整 個 匹 配 的 字 串 最 長 ， RE 中 前 面 的 子 表 示 式 比 後 面 的 子 表 示 式 優 先 順 序 高 。 注 意 高 階 的 子 表 示 式 比 組 成 它 的 子 表 示 式 優 先 順 序 要 高 。

匹 配 長 度 以 字 元 來 計 算 ， 而 不 是 歸 併 元 素 。 空 字 串 被 認 為 比 沒 有 匹 配 要 長 。 例 如 ， ‘bb*’ 匹 配 ‘abbbc’ 的 中 間 三 個 字 元 ； ‘(wee|week)(knights|nights)’ 匹 配 ‘weeknights’ 的 全 部 十 個 字 元 ； ‘(.*).*’ 匹 配 ‘abc’， 其 中 括 號 中 的 子 表 示 式 匹 配 所 有 這 三 個 字 元 ； ‘(a*)*’ 來 和 ‘bc’ 匹 配 時 ， 括 號 中 的 子 表 示 式 和 整 個 RE 都 匹 配 空 字 串 。

如 果 指 定 了 case-indepentent 忽 略 大 小 寫 的 匹 配 ， 效 果 是 字 母 表 中 的 大 小 寫 區 別 似 乎 都 消 失 了 。 如 果 一 個 字 母 可 能 以 兩 種 情 況 出 現 ， 假 如 它 出 現 在 方 括 號 表 示 式 之 外 ， 實 際 上 被 替 換 成 了 一 個 包 含 所 有 情 況 的 方 括 號 表 示 式 ， 例 如 ‘x’ 成 為 了 ‘[xX]’； 如 果 它 出 現 在 方 括 號 表 示 式 之 內 ， 那 麼 它 的 所 有 形 式 都 被 加 入 到 這 個 方 括 號 表 示 式 之 內 ， 因 此 例 如 ‘[x]’ 等 同 於 ‘[xX]’， 還 有 ‘[ˆx]’ 成 為 了 ‘[ˆxX]’。

對 RE 的 長 度 沒 有 強 制 的 限 制 。 需 要 可 移 植 的 程 式 不 應 當 使 用 長 於 256位 元 組 的 正 則 表 示 式 ， 因 為 特 定 的 實 現 可 以 不 接 受 這 種 RE， 但 是 仍 然 是 POSIX 相 容 的 。

過 時 的 (‘‘basic’’) 正 則 表 示 式 在 很 多 地 方 有 不 同 之 處 。 ‘|’， ‘+’ 和 ‘?’ 是 普 通 的 字 元 ， 並 且 沒 有 和 它 們 等 價 的 功 能 。 量 詞 的 分 隔 符 是 ‘\{’ 和 ‘\}’， ‘{’ 和 ‘}’ 本 身 是 普 通 的 字 元 。 巢 狀 的 子 表 示 式 使 用 的 括 號 是 ‘\(’ 和 ‘\)’， ‘(’ 和 ‘)’ 本 身 是 普 通 的 字 元 。 ‘ˆ’ 是 一 個 普 通 的 字 元 ， 除 非 是 RE 的 第 一 個 字 元 ， 或 者 (!) 一 個 括 號 中 的 子 表 示 式 的 第 一 個 字 元 。 ‘$’ 是 一 個 普 通 的 字 元 ， 除 非 是 RE 的 最 後 一 個 字 元 ， 或 者 (!) 一 個 括 號 中 的 子 表 示 式 的 最 後 一 個 字 元 。 ‘*’ 是 一 個 普 通 的 字 元 ， 如 果 它 出 現 在 RE 的 開 始 ， 或 者 一 個 括 號 中 的 子 表 示 式 的 開 始 (其 後 一 般 是 一 個 ‘ˆ’)。 最 後 ， 還 有 一 類 atom 原 子 ， 一 個 back reference (向 後 引 用 )： ‘\’ 其 後 跟 一 個 非 零 十 進 位 制 整 數 d ， 匹 配 與 第 d 個 括 號 中 的 子 表 示 式 的 匹 配 相 同 的 內 容 (子 表 示 式 的 編 號 是 根 據 它 們 的 左 括 號 而 來 ， 從 左 到 右 )。 因 此 (例 如 )， ‘\([bc]\)\1’ 匹 配 ‘bb’ 或 ‘cc’ 但 是 不 匹 配 ‘bc’。

SEE ALSO 參 見

regex (3)

POSIX 1003.2, section 2.8 (Regular Expression Notation).

BUGS

同 時 使 用 兩 種 REs 是 不 明 智 的 。

目 前 的 1003.2 規 約 稱 ， 如 果 右 括 號 ‘)’ 沒 有 對 應 的 ‘(’ 那 麼 視 為 普 通 字 元 ； 這 個 規 定 是 一 個 筆 誤 ， 將 來 會 改 正 。 避 免 使 用 它 。

向 後 引 用 是 糟 糕 的 設 計 ， 是 高 效 的 實 現 中 要 面 對 的 主 要 問 題 。 另 外 還 會 產 生 晦 澀 的 語 法 (？ ‘a\(\(b\)*\2\)*d’ 可 以 匹 配 ‘abbbd’ 嗎 ？ )。 避 免 使 用 它 們 。

1003.2 對 於 忽 略 大 小 寫 的 匹 配 的 規 定 也 不 明 確 。 上 面 給 出 的 定 義 ‘‘one case implies all cases’’ 是 當 前 各 實 現 者 的 共 識 ， 被 當 作 正 確 的 語 法 。

詞 邊 界 的 語 法 醜 陋 得 讓 人 難 以 接 受 。

AUTHOR 作 者

This page was taken from Henry Spencer’s regex package.

[中 文 版 維 護 人 ]

袁 乙 鈞 <bbbush@163.com>

[中 文 版 最 新 更 新 ]

2004.02.24

《 中 國 linux論 壇 man手 冊 頁 翻 譯 計 劃 》 :

http://cmpp.linuxforum.net

跋

本 頁 面 中 文 版 由 中 文 man 手 冊 頁 計 劃 提 供 。
中 文 man 手 冊 頁 計 劃 ： https://github.com/man-pages-zh/manpages-zh