正则表达式包括基本元素和操作符号。只使用基本元素可以构造简单的正则表达式;使用基本元素和操作符号可以构造复杂的正则表达式。
一、基本元素
基本元素分为“匹配位置的基本元素”，“匹配单个字符的基本元素”和“匹配一个字符集合的基本元素”。
1.1、匹配位置的基本元素
| 匹配位置的基本元素 | 匹配位置 |
|---|---|
| ^ | 匹配行首位置 |
| $ | 匹配行尾位置 |
| \< | 匹配行首位置，跟“^”有点不一样，见后面解释 |
| \> | 匹配行尾位置，跟“$”有点不一样，见后面解释 |
| \b | 匹配单词首尾两端位置 |
| \B | 匹配单词非首尾两端位置 |
“行首位置”具体是指“紧邻换行符后面的位置”;“行尾位置”具体是指“后面紧邻换行符的位置”。我们知道，在Windows中换行符是“\r\n”，而在Linux中换行符是“\n”，那么“^，$，\<，\>”能兼容这两种情况吗？答案是这跟具体的grep实现有关。
在作者使用的Linux系统的grep实现中，经过实验可知，“^，$”不兼容两种情况，只支持“\n”换行符，“\<，\>”兼容两种情况。
具体实验过程如下：
现在有文本文件“a.txt”，内容如下：
hello
line
world
字节流形式如图1所示。
图1
hello
line
world
字节流形式如图2所示。
图2
分别执行grep -E '^line$' a.txt和grep -E '^line$' b.txt，可得结果分别如图3和图4所示，说明“^，$”不兼容，只支持“\n”换行符。
图3
图4
分别执行grep -E '\<line\>' a.txt和grep -E '\<line\>' b.txt，可得结果分别如图5和图6所示，说明“\<，\>”兼容。
图5
图6
“单词首尾两端位置”具体是指“单词与单词分隔符之间的位置”，单词分隔符包括“空格字符，制表符，换行符”等。
现有文本文件“c.txt”，内容如下：
hello world java programmer
字节流形式如图7所示。
图7
接连执行以下命令，结果如图8所示。
grep -E '\bhello\b' c.txt
grep -E '\bworld\b' c.txt
grep -E '\bjava\b' c.txt
grep -E '\bprogrammer\b' c.txt
图8
接连执行以下命令，结果如图9所示。
grep -E '\Bhello\B' c.txt
grep -E 'hel\Blo' c.txt
图9
1.2、匹配单个字符的基本元素
| 匹配单个字符的基本元素 | 匹配字符 |
|---|---|
| ASCII表中可打印字符 | 可打印字符自身 |
| . | 任何字符 |
1.3、匹配一个字符集合的基本元素
| 匹配一个字符集合的基本元素 | 匹配字符集合 |
|---|---|
| [] | 匹配括号中任意一个字符 |
| [^] | 匹配不在括号中的任意一个字符 |
| [-] | 匹配字符范围内的任意一个字符，包含字符范围界限字符 |
| \w | 等价于“[0-9A-Za-z]” |
| \W | 等价于“[^0-9A-Za-z]” |
二、操作符号
有3类操作符号：重复操作符，选择操作符和连接操作符。3类操作符有不同的操作优先级顺序，这个优先级顺序无需记忆，只需通过“（）”符号显式指定优先级即可。
另外，在正则表达式中可通过“\数字”语法来引用第几个“（）”符号匹配的内容。现有文本文件“d.txt”，内容如下：
aabcabc
hello world
this is a test text
执行grep -E '([a-z]{2,})\1' d.txt命令，结果如图10所示。
图10
2.1、重复操作符
| 操作符号 | 含义 |
|---|---|
| ? | 前面的元素重复0次或者1次，重复0次表示不参与匹配 |
| * | 前面的元素重复0次或者任意多次，重复0次表示不参与匹配 |
| + | 前面的元素至少重复1次 |
| {n} | 前面的元素重复n次 |
| {n,} | 前面的元素至少重复n次 |
| {,m} | 前面的元素至多重复m次 |
| {n,m} | 前面的元素至少重复n次，至多重复m次 |
2.2、选择操作符
选择操作符是“|”。“A|B”表示的含义是：在匹配过程中，“A和B”两个正则表达式中只要有一个正则表达式匹配，那么最终结果就是匹配。
2.3、连接操作符
没有特定的符号用来表示连接操作符。将两个正则表达式放在一起就是将这两个正则表达式连接起来了。比如有正则表达式“086”和“[0-9]{11}”，将这两个正则表达式放在一起，即“086[0-9]{11}”，也就是将这两个正则表达式连接起来了。
三、转义
可以使用“\”进行特殊字符的转义。比如现有文本文件“f.txt”，内容如下：
+{}|()?
接连执行如下命令，所得结果如图11所示。
grep -E '\+' f.txt
grep -E '\{' f.txt
grep -E '\?' f.txt
图11
四、其他
正则表达式的运转跟“locale”设置息息相关。比如在有些“locale”设置中，“[a-d]”等价于“abcd”，而在有些“locale”设置中，“[a-d]”等价于“[aBbCcDd]”。又比如只在有些“locale”设置中，“\w”等价于“[0-9A-Za-z]”，“\W”等价于“[^0-9A-Za-z]”才成立。
参考文献： [1]man grep
