Part-II Regular Expression (正则表达式)
接下来的Regular Expression(RE) 可是个大题目，要讲的很多。 我这里当然不可能讲得很全。 只希望能带给大家一个基本的入门概念，就很足够了...
先来考一下英文好了：What is expression? 简单来说，就是"表达"，也就是人们在沟通的时候所要陈述的内容。
然而，生活中，表达方要清楚的将意思描述清楚， 而让接收方完整无误地领会，可不是件容易的事情。
因而才会出现那么多的"误会", 真可叹句"表达不易"啊......
同样的情形也发生在计算机的数据处理过程中，
尤其是当我们在描述一段"文字内容"的时候....
那么，我们不禁要问：
有何方法可以让大家的误会降至最低程度，
而让表达的精确度达到最高程度呢？
答案就是"标准化"了，
也就是我们这里要谈的Regular Expression啦...^_^
然而，在进入RE介绍之前，不妨先让我们温习一下shell十三问之第4问，
那就是关于quoting的部分。
关键是要能够区分 shell command line上的meta与literal的这两种不同的字符类型。
然后，我这里也跟你讲： RE 表达式里字符也分meta与literal这两种。
呵，不知亲爱的读者是否被我搞混乱了呢？... ^_^
这也难怪啦，因为这的确是最容易混淆的地方，
刚学RE的朋友很多时候，都死在这里！
因此，请特别小心理解哦...
简单而言，除非你将RE写在特定程序使用的脚本里，
否则，我们的RE也是通过 command line输入的。
然而，
不少RE所使用的meta字符，跟shell 的meta字符是冲突的。
比方说， *``这个字符，在RE里是一个modifier(修饰符);而在command line上，确是wildcard(通配符)**。
那么，我们该如何解决这样的冲突呢？ 关键就是看你对shell十三问的第4问中所提的quoting是否足够理解了！
若你明白到 shell quoting 就是用来在command line上关闭shell meta这一基本原理， 那你就能很轻松的解决 RE meta与shell meta的冲突问题了： 用shell quoting 关闭掉shell meta就是了。 就这么简单... ^_^
再以刚提到*字符为例，
若在command line的path中没有quoting处理的话，
如abc* 就会被作为wildcard expression来扩充及重组了。
若将其置于quoting中，即"abc*"，则可以避免wildcard expand的处理。
好了，说了大半天，还没有进入正式的RE介绍呢.... 大家别急，因为我的教学风格就是要先建立基础，循序渐进的... ^_^ 因此, 我这里还要再啰嗦一个观念，才会到RE的说明啦...(哈...别打我...)
当我们在谈到RE时，千万别跟wildcard搞混在一起！ 尤其是
在command line的位置里，wildcard只作用于argument的path上；
而RE却只用于"字符串处理" 的程序中，这与路径名一点关系也没有。Tips: RE 所处理的字符串，通常是指纯文本或通过stdin读进的内容。
okay，够了够了，我已看到一堆人开始出现不耐烦的样子了... ^_^ 现在，就让我们登堂入室，揭开RE的神秘面纱吧， 这样可以放过我了吧？ 哈哈...
在RE的表达式里，主要分为两种字符：literal与meta。
所谓literal就是在RE里不具有特殊功能的字符，如abc，123等；
而meta,在RE里具有特殊的功能。
要关闭之，需要在meta之前使用escape()转义字符。
然而，在介绍meta之前，先让我们来认识一下字符组合(character set)会更好些。
一、所谓的char set就是将多个连续的字符作为一个集合。 例如：
| char set | 意义 |
|---|---|
| abc | 表示abc三个连续的字符，但彼此独立而非集合。(可简单视为三个char set) |
| (abc) | 表示abc这三个连续字符的集合。(可简单视为一个char set) |
| abc|xyz | 表示abc或xyz这两个char set之一 |
| [abc] | 表示单一字符，可为a或b或c;与wildcard的[abc]原理相同，称之为字符类。 |
| [^abc] | 表示单一字符，不为a或b或c即可。(与wildcard [!abc]原理相同) |
| . | 表示任意单个字符，(与wildcard的?原理相同) |
note: abc|xyz 表示abc或xyz这两个char set之一
在认识了RE的char set这个概念之后，然后，在让我们多认识几个RE中常见的meta字符：
二、 锚点(anchor): 用以标识RE在句子中的位置所在。 常见的有：
| 锚点 | 说明 |
|---|---|
| ^ | 表示句首。如，^abc表示以abc开头的句子。 |
| $ | 表示句尾。如，abc$表示以abc结尾的句子。 |
| \< | 表示词首。如，\<abc表示以abc开头的词。 |
| \> | 表示词尾。如，abc\>表示以abc结尾的词。 |
三、 修饰符(modifier)：独立表示时本身不具意义，专门用以修饰前一个char set出现的次数。 常见的有：
| modifier | 说明 |
|---|---|
| * | 表示前一个char set出现0次或多次，即任意次。如ab*c表示a与c之间可以有0个或多个b。 |
| ? | 表示前一个char set出现0次或1次，即至多出现1次。如ab?c 表示a与c之间可以有0个或1个b。 |
| + | 表示前一个char set出现1次或多次，即至少出现1次。如ab+c 表示a与c之间可以有1个或多个b。 |
| {n} | 表示前一个char set出现n次。如ab{n}c 表示a与c之间可以有n个b。 |
| {n, } | 表示前一个char set至少出现n次。如ab{n}c 表示a与c之间至少有n个b。 |
| {n, m} | 表示前一个char set至少出现n次，至多出现m次。如ab{n，m}c 表示a与c之间至少有n个b，至多有m个b。 |
然而，当我们在识别modifier时，却很容易忽略"边界(boundary)字符"的重要性。
以ab{3,5}c为例，这里的a与c就是边界字符了。
若没有边界字符的帮忙，我们很容易做出错误的解读。
比方说: 我们用ab{3,5}这个RE（少了c这个边界字符)
可以抓到"abbbbbbbbbb"(a后面有10个b)的字符串吗？
从刚才的modifier的说明，我们一般认为，我们要的b是3到5个，
若超出了此范围，就不是我们所要表达的。
因此，我们或许会很轻率地认为这个RE抓不到结果（上述"abbbbbbbbbb"字符串）。
然而，答案却是可以的！为什么呢？
让我们重新解读ab{3,5}这个RE看看：
我们要表达的是a后接3到5个b即可，但3到5个b后面，我们却没有规定什么，
因此，在RE后面可以是任意的字符串，当然包括b也可以啦！(明白了吗？)
同样，我们用b{3,5}c也同样可以抓到"abbbbbbbbbbc"
这样的字符串。
但当我们用ab{3,5}c这样的RE时，
由于同时有a与c这连个边界字符，就截然不同了！
有空在思考一下，为何我们用下面这些RE都抓到abc这样的字符串呢？
x*
ax*, abx*, ax*b
abcx*, abx*c, ax*bc
bx*c, bcx*, x*bc但, 若我们在这些RE前后分别加^与$这样的anchor，那又如何呢？
刚学RE时，只要能掌握上面这些基本的meta的大概就可以入门了。 一如前述，RE是一种规范化的文字表达式， 主要用于某些文字处理工具之间，如： grep， perl， vi，awk，sed，等等， 常用于表示一段连续的字符串，查找和替换。
然而每种工具对RE表达式的具体解读或有一些细微差别， 不过节本原理还是一致的。 只要掌握RE的基本原理，那就一理通百理了， 只是在实践时，稍加变通即可。
比方以grep来说， 在Linux上，你可以找到grep，egrep，fgrep这些程序， 其差异大致如下：
grep： 传统的grep程序，在没有任何选项(options)的情况下，只输出符合RE字串的句子， 其常见的选项如下：
| 选项 (option) | 用途 |
|---|---|
| -v | 反模式， 只输出“不含”RE的字符串的行。 |
| -r | 递归模式，可同时处理所有层级的子目录里的文件 |
| -q | 静默模式，不输出任何结果(stderr 除外，常用于获取return value，符合为true，否则，为false. |
| -i | 忽略大小写 |
| -w | 整词匹配，类似 \<RE> |
| -n | 同时输出行号 |
| -l | 输出匹配RE的文件名 |
| -o | 只输出匹配RE的字符串。(gnu新版独有，不见得所有版本支持) |
| -E | 切换为egrep |