第10章　正则表达式

10.1　正则表达式基础

10.1.1　什么是正则表达式

在老套机械地使用一段抽象难懂的文字来解释“什么是正则表达式”之前，让我们回忆一下自己是如何使用Office软件中的“查找”功能的。该功能似乎很简单，比如说，想要在当前文档中找到hello，只需要在查找选项中输入hello就可以了，如图10-1所示。可能大家没有意识到，其实这就是一种形式最简单的“表达式”，查找工具会使用某种匹配方式进行全文搜索，其工作的原理也非常简单，那就是先找到h，然后看后面是不是e，再看后面是不是l，以此类推。如果全部符合，那就是匹配到了。但这里可能也会出现一个问题，这种简单的查找其实也能匹配到helloworld（注意中间没有空格）这样的文字，不过Office的查找中还提供了高级功能，选中“全字匹配”就只会匹配hello了。再让我们想想数学中的方程组，它们实际上是一种表明变量关系的“表达式”，我们可以根据该表达式求出变量x、y的值，x和y可能是唯一匹配，也可能有多个匹配。

在Linux文本模式中，没有类似于Office的图形化匹配工具，但可以使用“正则表达式”来做相同的匹配工作。还是以精确匹配hello为例，在正则表达式中就可以用\<hello\>来表示，这里使用到了正则表达式的特殊符号。正则表达式中还有更多更复杂的符号可用来代表其他有意义的字符，这实际上是一种抽象的过程。提到抽象，在现实生活中我们可以用“由内燃机驱动的、有轮子的工具”来代表所有的机动车，但是计算机并不懂这些自然语言，那么用什么来代表诸如手机号、IP地址、一个网址等有一定格式和特征的字符串呢？答案就是使用正则表达式。

说到这里，再解释什么是正则表达式就显得简单明了了：正则表达式就是能用某种模式去匹配一类字符串的公式，它是由一串字符和元字符构成的字符串。所谓元字符，就是用以阐述字符表达式的内容、转换和描述各种操作信息的字符。

图10-1　在Office中查找文本