正则习点 --- 02

1.4.4 Alternation

1.4.4.1 Matching any one of several subexpressions

A very convenient metacharacter is 「|」，which means “or”.

能够匹配总的表达式中的任意一个的子表达式，在这样的组合中，子表达式称为”多选分支(alternative)”。

例如，

% egrep '^(From|Subject|Date): ' mailbox

 From: [e-mail] (The King)

 Subject: be seein' ya around

 Date: Mon, 23 Oct 2006 11:04:13

 From: The Prez <[e-mail]>

 Date: Wed, 25 Oct 2006 8:36:24

 Subject: now, about your vote...

.

.

.

1.4.5 Ignoring Differences in Capitalization

The email header example provide a goodopportunity to introduce the concept of a case-insensitivematch.

在egrep参数中加”-i” 即可实现不区分大小写(case-insensitive)。

% egrep -i '^(From|Subject|Date): ' mailbox

1.4.6 Word Boundaries

单词分界符指的是：把某些特殊符号放到单词开头和结束的位置。

元字符序列(metasequences)：「\<」、「\>」

相当于「^」和「$」

1.4.7 In a Nutshell

Table1-1. Summary of Metacharacters Seen So Far.

Metacharacter	Name	Matches
.	dot	any one character
[…]	character class	any character listed
[^…]	negated character class	any character not listed
^	caret	the position at the start of the line
$	dollar	the position at the end of the line
\<	backslash less-than	†the position at the start of a word
\>		†not supported by all versions of egrep
|	or; bar	Matches either expression it separates
(…)	parentheses	Used to limit scope of 「|」, plus additional uses yet to be discussed

需要注意几点：

l在字符组内部，元字符的定义规则(及它们的意义)是不一样的。例如，在字符组外部，点号(.)是元字符，但是在内部则不是如此。相反，连字符(-)只有在字符组内部（这是普通情况）才是元字符，否则就不是。脱字符(^)在字符组外部表示一个意思，在字符组内部紧接着[时表示另一个意思，其他情况下又表示别的意思。

l不要混淆多选项(Alternation)和字符组(Character classes)。字符组「[abc]」和多选项「(a|b|c)」固然表示同一个意思，但是这个例子中的相似性并不能推广开来。无论列出的字符有多少，字符组只能匹配一个字符。相反，多选项可以匹配任意长度的文本，每个多选项可能匹配的文本都是独立的，例如「\<(1000000|million|thousand·thou)\>」。不过，多选项没有字符组那样的排除功能。

l排除型字符组是表示所有未列出字符的字符组的简便方法。因此，「[^x]」的意思并不是“只有当这个位置不是x时才能匹配“，而是说”匹配一个不等于x的字符“。其中的差别很细微，但很重要。例如，前面的概念可以匹配一个空行，而「[^x]」则不行。

1.4.8 Optional Items

元字符「?」代表可选项(Optional Items)。

把它加在一个字符的后面，就表示此处容许（也可以不）出现这个字符。

1.4.9 Other Quantifiers: Repetition

问号、加号和星号，统称为量词(quantifiers)

问号(?)表示前一项出现1次或者0次。

加号(+)表示可以匹配前一项的1次或者多次。

星号(*)表示匹配前一项0次或者多次。