1.正则表达式概述
正则表达式又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。
许多程序设计语言都支持利用正则表达式进行字符串操作。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。
2.基本语法
一个正则表达式通常被称为一个模式（pattern），为用来描述或者匹配一系列符合某个句法规则的字符串。例如：Handel、Hndel和Haendel这三个字符串，都可以由“H(a||ae)ndel”这个模式来描述。大部分正则表达式的形式都有如下的结构：
选择
竖直分隔符代表选择。例如“gray|grey”可以匹配grey或gray。
数量限定
某个字符后的数量限定符用来限定前面这个字符允许出现的个数。最常见的数量限定符包括“+”、“?”和“*”（不加数量限定则代表出现一次且仅出现一次）：
加号代表前面的字符必须至少出现一次。（1次、或多次）。例如，“goo+gle”可以匹配google、gooogle、goooogle等;
问号代表前面的字符最多只可以出现一次。（0次、或1次）。例如，“colou?r”可以匹配color或者colour;
星号代表前面的字符可以不出现，也可以出现一次或者多次。（0次、或1次、或多次）。例如，“0*42”可以匹配42、042、0042、00042等。
匹配
圆括号可以用来定义操作符的范围和优先度。例如，“gr(a|e)y”等价于“gray|grey”，“(grand)?father”匹配father和grandfather。
上述这些构造子都可以自由组合，因此，“H(ae?|)ndel”和“H(a|ae|)ndel”是相同的。
精确的语法可能因不同的工具或程序而异。
3.正则表达式基础
基本概念
字符串组成
对于字符串“a5”，是由两个字符“a”、“5”以及三个位置组成的，这一点对于正则表达式的匹配原理理解很重要。
占有字符和零宽度
正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。
占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。
占有字符是互斥的，零宽度是非互斥的。也就是一个字符，同一时间只能由一个子表达式匹配，而一个位置，却可以同时由多个零宽度的子表达式匹配。
由一类字符书写的模式，其中有些字符不表示字符字面意义，而是表达控制或通配的功能。
正则表达式构成
正则表达式由两种字符构成。一种是在正则表达式中具体特殊意义的“元字符”，另一种是普通的“文本字符”。
元字符可以是一个字符，如“^”，也可以是一个字符序列，如“\w”。
我们建立一个文件来说明元字符。
元字符（Meta Character）
1.[…] 字符组(CharacterClasses)
字符组可以匹配[ ]中包含的任意一个字符。虽然可以是任意一个，但只能是一个。
字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时，要求前面字符的码位小于后面字符的码位。
…] 排除型字符组。排除型字符组表示任意一个未列出的字符，同样只能是一个。排除型字符组同样支持由连字符“-”来表示一个范围。
字符匹配：字符通配
.：匹配任意单个字符。
：匹配指定集合中的任意单个字符。
：匹配指定集合外的任意单个字符
量词（Quantifier）
量词表示一个子表达式可以匹配的次数。量词可以用来修饰一个字符、字符组，或是用()括起来的子表达式。一些常用的量词被定义成独立的元字符。
：表达式匹配前面任意次，0,1或者多次，前面字符出现与否都匹配，相当于{0,}。
：表达式匹配1次或意多次，至少1次，相当于{1,}
：表达式匹配0次或1次，相当于{0,1}
：表达式匹配其前面的字符m次
：表达式匹配最少m次，最多n次
注意：在不是动态生成的正则表达式中，不要出现“{1}”这样的量词，如“\w{1}”在结果上等价于“\w”，但是会降低匹配效率和可读性，属于画蛇添足的做法。
：匹配任意长度的任意字符
位置锚定
：行首锚定，出现最左侧
：行尾锚定，出现最右侧
^$：表示空白行
：词首锚定，在查找的单词模式的左侧；\<char
：词尾锚定，在查找的单词模式的右侧；char\>
：匹配单词
4.捕获组（Capture Group）
捕获组就是把正则表达式中子表达式匹配的内容，保存到内存中以数字编号或手动命名的组里，以供后面引用。
：普通捕获组，将子表达式Expression匹配的内容保存到以数字编号的组里
：命名捕获组，将子表达式Expression匹配的内容保存到以name命名的组里
普通捕获组（在不产生歧义的情况下，简称捕获组）是以数字进行编号的，编号规则是以“(”从左到右出现的顺序，从1开始进行编号。通常情况下，编号为0的组表示整个表达式匹配的内容。
命名捕获组可以通过捕获组名，而不是序号对捕获内容进行引用，提供了更便捷的引用方式，不用关注捕获组的序号，也不用担心表达式部分变更会导致引用错误的捕获组。
非捕获组：一些表达式中，不得不使用( )，但又不需要保存( )中子表达式匹配的内容，这时可以用非捕获组来抵消使用( )带来的副作用。
：进行子表达式Expression的匹配，并将匹配内容保存到最终的整个表达式的区配结果中，但Expression匹配的内容不单独保存到一个组内
反向引用：捕获组匹配的内容，可以在正则表达式的外部程序中进行引用，也可以在表达式中进行引用，表达式中引用的方式就是反向引用。
反向引用通常用来查找重复的子串，或是限定某一子串成对出现。
，\2：对序号为1和2的捕获组的反向引用
：对命名为name的捕获组的反向引用
举例：
“(a|b)\1”在匹配“abaa”时，匹配成功，匹配到的结果是“aa”。“(a|b)”在尝试匹配时，虽然既可以匹配“a”，也可以匹配“b”，但是在进行反向引用时，对应()中匹配的内容已经是固定的了。
我们来实验一下：
我们要限定只找限定ab出现1-3次的：
我们要求找到以a开始中间跟任意字符，再以b结尾的行，这个行后面再一次出现同样条件的行。
下面的例子能实现匹配以a开头以b结尾，但是中间的字符不一致也匹配。
我们使用分组的反向引用来实现：
贪婪与懒惰
当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：
匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
懒惰限定符
重复任意次，但尽可能少重复
重复1次或更多次，但尽可能少重复
重复0次或1次，但尽可能少重复
重复n到m次，但尽可能少重复
重复n次以上，但尽可能少重复
5.grep,egrep,fgrep介绍
Unix的grep家族包括grep、egrep和fgrep。egrep和fgrep的命令只跟grep有很小不同。egrep是grep的扩展，支持更多的re元字符， fgrep就是fixed grep或fast grep，它们把所有的字母都看作单词，也就是说，正则表达式中的元字符表示回其自身的字面意义，不再特殊。linux使用GNU版本的grep。它功能更强，可以通过-G、-E、-F命令行选项来使用egrep和fgrep的功能
：Global searchRegular expression and Print out the line
：Extended Globalsearch Regular expression and Print out the line
：Fast Global searchRegular expression and Print out the line
Linux grep是基础的正则表达式，命令用于在文件内查找指定的字符串。
全面搜索正则表达式并把行打印出来)是一种强大的文本搜索工具，它能使用正则表达式搜索文本，并把匹配的行打印出来。
搜寻字符串' filename
选项与参数：
：将 binary 文件以 text 文件的方式搜寻数据
：计算找到 '搜寻字符串' 的次数
：忽略大小写的不同，所以大小写视为相同
：顺便输出行号
：反向选择，亦即显示出没有 '搜寻字符串' 内容的那一行！
：可以将找到的关键词部分加上颜色的显示喔！
-B ：附带显示前面两行
-A ：附带显示后面两行
-C ：附带显示上下两行一起
Linux egrep是扩展的正则表达式，命令用于在文件内查找指定的字符串。
执行效果与"grep-E"相似，使用的语法及参数可参照grep指令，与grep的不同点在于解读字符串的方法。
是用extendedregular expression语法来解读的，而grep则用basic regular expression 语法解读，extended regularexpression比basic regular expression的表达更规范。
扩展正则表达式的元字符：和基础的没啥区别，就是有些字符不需要\了。
字符匹配
：匹配任意单个字符
：指定集合中的任意单个字符
：匹配指定集合外的任意单个字符
匹配前面的字符出现至少1次
匹配次数限定
：匹配前面任意次，0，1或者多次，前面字符出现与否都匹配
：匹配其前面的字符0次或1次
：匹配其前面的字符m次
：匹配其前面的字符至少m次，至多n次，{m,} 表示至少m，至多不限制，{0,n}表示至少0次，至多n次
：匹配任意长度的任意字符
字符锚定
：行首锚定，出现最左侧
：行尾锚定，出现最右侧
：表示空白行
：词首锚定，在查找的单词模式的左侧；\<char
：词尾锚定，在查找的单词模式的右侧；char\>
：匹配单词
和grep差不多
模式从左到右，引用第#个左括号以及与其匹配右括号之间的模式匹配到的内容，
\1 , \2
或者b，ab|cd就是ab或者cd。
Linux fgrep不使用正则表达式，查询速度比grep命令快，但是不够灵活：它只能找固定的文本，而不是规则表达式。
如果你想在一个文件或者输出中找到包含星号字符的行
个人觉得捕获组的概念有些困难，本文对egrep没有实例说明，但是可以根据上文中的grep的例子做实验对比，效果更好，不明白可以google一下。
本文并非所有都原创，有些概念摘自网上博文，下面贴出，以表谢意：
中文wiki：http://zh.wikipedia.org/wiki/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F
