組成 Regular Expression 的元素

組成 Regular Expression 的元素及所代表的意義如下 :

• [普通字元] 除了``.''、``[''、``]''、``*''、``+''、``?''、 ``|''、``^''、``$''、``{''、``}''、``\''、 ``<''、``>''、``(''、``)'' 外之所有字元.

  由普通字元所組成的 Regular Expression 其意義與原字串字 面意義相同. 例如 :

  • 普通字元``A''也可當成一個 Regular Expression. Regexp `` A'' 與一般字元``A''代表相同的意義.
  • Regexp `` the'' 與一般字串``the''代表相同的意義.
• [ .] Metacharacter 用以代表任意一個字元. 須留心 UNIX Shell 中使用``?''表示任意一個字元, 使用``*''代表任意長 度的字串(這是另一種稱為 ``Pattern Matching Notation'' 的字串表示法). Regular Expression 中則使用`` .'' 來代表``一個''任意字元(注 意: 並非任意長度的字串). 而 Regular Expression 中`` *''另有 其它涵意, 並不代表任意長度的字串. 例如
  • Regexp `` .'' 可用以代表任意一個字元. 如 ``A''、``1''、``+''、...
  • Regexp `` ...'' 則代表一個由任意3個字元所的字串. 譬如 ``123''、``abc''、``# 1''、...
• [ ^] 限制字串必須出現於行首. (用法見下例)
• [ $] 限制字串必須出現於行末.
  • [例如 :] Regexp `` ^The'' 用以表示所有出現於行首的字串``The''. Regexp `` The$'' 用以表示所有出現於行末的字串``The''. Regexp `` ^The$'' 則用以表示一個僅含字串``The''的資料列. Regexp `` ^$'' 表示一個空白的資料列（行首與行尾之間未存在任一字元）.

• [ \] 將特殊字元還原成字面意義的字元. Regular Expression 中 特殊字元 將被解釋成特定的意義. 若要表示特殊字元的字面(literal meaning) 意義時, 在 特殊字元之前加上 ``\'' 即可.
  • [例如 :] 使用 Regular Expression 來表示字串``a.out''時, 不可寫成 Regexp `` a.out''. 因為`` .''在 Regular Expression 中是特殊字元, 表示任一字元.
    可合乎(match) Regexp `` a.out'' 的字串將不只 ``a.out'' 一個; 字串``a2out'',``a3out'', ``aaout''... 都合於 Regexp `` a.out''.
    正確的表示法應為 : Regexp `` a\.out''

  `` \'' 在 Regular Expression 中的另一個意 義是當成 Escape character.
  • [例如 :] `` \t'' 用以表示 tab. `` \n'' 表示換行符號.
• [...] 『字元集合』, 用以表示兩中括號間 所有的字元當中的任一個.
  • [例如 : ] Regexp `` [123]'' 可用以表示字元 ``1''、``2'' 或 ``3''. Regexp `` [Tt]'' 可用以表示字元 ``T'' 或 ``t''. 所以, Regexp " [Tt]he" 表示字串 "The" 或 "the". (注意 : 一個字元集合僅代表``一個''字元.)
  使用時, 需留心字元集合 [ ] 內不可隨意留空白.
  • 例如 : Regexp `` [ Tt ]'' 中括號內有空白字元, 故除了可用 以表示字元``T''或``t''", 也可代表一個 `` ''(空白字元).
• - 字元集合中可使用 `` -'' 來指定字元的區間, 其用法如下:

  Regexp `` [0-9]'' 等於 Regexp `` [0123456789]'' 用以表示任意 "一個" 阿拉伯數字. 同理 Regexp `` [A-Z]'' 用以表示任意 "一個" 大寫英文字母.

  但應留心 :

  • Regexp " [0-9a-z]" 並不等於 Regexp " [0-9][a-z]"; 前者表示一個字元(阿拉伯數字或小寫英文字母), 後者表示二個字元.
  • Regexp " [-9]" 或 " [9-]" 僅用以代表字元 ``9''或 ``-''.
• [ [\^{}... ]] 使用 [\^{...]} 產生字元集合的補集(complement set). 其用法如下 :
  • Regexp `` [^M]'' 用以表示除字元``M''外的``一個''任意字元
  • 字元集合 `` [Tt]''表示字元 ``T'' 或 ``t''. 若要指定 ``T'' 或 ``t'' 之外的任一個字元, 可用Regexp `` [^Tt]'' 表示.
  • Regexp `` [^a-zA-Z]''表示英文字母之外的任一個字元.
  需留心 `` ^''之位置; `` ^'' 必須緊接於 `` ['' 之後, 才代表字元集合的補集.
  • [例如 :] Regexp `` [0-9^]'' 表示一個阿拉伯數字或字元 `` ^'', 並非代表阿伯數字外的任意字元.
• * 用以形容其前的字元或字元集合可重複任意次數的特殊字元.
  `` *'' 形容它前方之字元(或字元集合)可出現 1 次或多次, 或不出現. 例如 :
  • Regexp ``ab*'' 中, `` *'' 形容它前方的字元 ``b'' 可出現 1 次或多次, 或不出現. 所以, Regexp ``ab*'' 可表示字串 ``a''、``ab''、``abb''、 ``abbb''、...
  • Regexp `` T[0-9]*\.c'' 中, 使用 `` *'' 形容其前的字元集合 `` [0-9]''(一個阿拉伯數字)出現的次數 : 可為 0 次或多次.

    故 Regexp `` T[0-9]*\.c''可用以表示 ``T.c''、``T0.c''、 ``T1.c''、``T2.c''、...、``T9.c''、``T00.c''、``T01.c''、``T02.c''、...、 ``T09.c''、``T10.c''、...``T99.c''、``T000.c''、...

• [ \<] `` \< Regexp'' 表示一個出現於"字首"且又合於(match)該 Regexp 的字串 (用法見下例).
• [ \>] ``Regexp \>'' 表示一個出現於"字末"且又合於(match)該 Regexp 的字串.
  這裡所謂的``字(word)''係指被 tab、逗點、句點或空白字元(space) 所分隔開的字串.
  • [例如 :]

    資料 ``One is red, and the other is white.'' 中 字串 ``One'', ``is'', ``red'', ``and'', ``the'', ``other'', ``is'', ``white'' 便是所謂的 "字(word)". 而該資料列中,
    合於 Regexp ``[Tt]he''的字串如下(粗體字標示)
    ``One is red, and the other is white.''
    合於 Regexp `` \<[Tt]he\>''卻僅有(粗體字標示)
    ``One is red, and the other is white.''
    因同時使用`` \<''及`` \>'' 限制合於 Regexp `` [Tt]he''的字串, 必須緊接於字首及字尾之間; 故 ``other''中的子字串 ``the''並不合於這個 Regular Expression.

  • [註 :] \<, \> 這二個特殊字元, 並不是很通用. 請參考 Appendix A 中的附表.
  • \( ... )\ 於 Regular Expression 中使用 `` \(''``{ \)}''來括住一部分的 Regular Expression; 其後可用 `` \1'''來表示第一次被`` \('' `` \)'' 括住的部份. 若 Regular Expression 中使用了數次`` \('' `` \)'' 來括住不同的部分, 則依次使用 ``\1'', `` \2'', `` \3'' ,...(最多可用到 `` \9'')來 表示之前括住的 Regular Expression. 其用法如下 :

  • [用法一.]
    • 例如: 欲表示像``aa'',``bb'',``cc'',...``zz'' 等字串.
      使用 Regexp `` [a-z]''則表示任一個小寫的英文字母.
      使用 Regexp `` [a-z][a-z]''則表示二個任意的小寫英文字母. 它除表示 ``aa'',``bb'',``cc'',...``zz''等字串外, 也可表示``ab'', ``ac'',``ad'',...等字串(這不是題意所要求的字串).
      這時可以`` \('' `` \)'' 來括住第一個 `` [a-z]'' (Regular Expression 解譯的程式, 會暫時記錄實際找尋 到的英文字母). 之後, 便可以 Regexp ``\1'' 來指定適才被記 錄下的英文字母即為所要找尋字串的第二個字元. 故正確的表示法如下 :

      Regexp `` \([a-z]\)\1''

    • 例如 : 欲表示像 ``789w987'', ``abcwcba'', ``theweht'',....等具對稱性 的字串.(該字串的特徵是 ``w''之前後三個字元相互對稱) 該類字串的表示法如 下 :

      Regexp `` \(.\)\(.\)\(.\)w\3\2\1" Regexp中`` .''表示任意一個字元. 因字元``w''之前出現的三個字元並無 任何限制, 故可用 `` ...''表之. 但每個`` .''分別用 `` \('',`` \)'' 括住, 之後便可使用 `` \1'', `` \2'', `` \3'' 分別代表將來實際匹配到的前三個字元.

  • 用法二. 進行字串找尋並置換(Replace)時, 若將被置入的新字串不是一個固定的字串, 與被找到的原字串有關時(見下例說明). 此時, 可先以 \( \)來括住一部分的Regular Expression; 再於將被新置入的字串中使用`` \1'', `` \2'',... 來表示當時被找到的字串(或其子字串).
    • 例 : 欲找出檔案中具有 ``prog12.c'', ``prog9.c'', ``prog832.c'',... 等式樣的字串, 並將其置換成(以上列三個字串為例) ``[ note 12]'', ``[ note 9]'', ``[ note 832]''. 在這例子中, 因事先不知道所找尋到的字串(prog數字.c)中的 數字 為何, 故無法事先決定應換成什麼新字串. 合於本例所要找尋的字串其 Regular Expression 為 :
      Regexp `` prog[0-9][0-9]*\.c'' 上式中 `` [0-9][0-9]*'' 表一位或一位以上的阿拉伯數字, 因 執行前並不知道該部分實際會匹配什麼數值, 故找到的字串將來應置換 成什麼, 事前無法指定. 這情況, 也可用`` \('',`` \)'' 來括住 `` [0-9][0-9]* '', 在置換的新字串中再以 \1 表示找尋時實際匹配到的數字.

    讀者可編輯一資料檔, 再以sed執行下列命令, 觀察其執行結果.

  $sed -e 's/ prog\([0-9][0-9]*\)\.c/[ note \1]/g' 資料檔名
  • \{ 數字, 數字\} 一種於 Regular Expression 中形容其前的字元或字元 集合出現次數的表示法. 其型態與用法如下 :

  • \{下限數字, 上限數字\}
    例如 : Regexp "[0-9]\{2,4\}"用以表示2到4位的阿拉伯數字.
  • { 數字}
    例如 : Regexp `` ax\{99\}'' 用以表示一個 ``a'' 之後接上99個 ``x'' 所組成的字串.
  • \{下限數字, \} 例如 : Regexp `` ax\{2,\}'' 用以表示一個 ``a'' 之後接上2個或更多的 ``x''所組成的字串.
• + 形容其前的字元或字元集合出現一次或一次以上(註三).
  例如 : Regexp `` [0-9]+'' 用以表示一位或一位以上的數字.
  
• ? 形容其前的字元或字元集合可出現一次或不出現(註三).
  
  • [例如 :] Regexp ``[+-]?[0-9]+'' 表示數字(一位以上)之前可出現一個正負號 或不出現正負號.
• [ (...)] 用以括住一群字元,且將之視成一個group(見下面說明)(註三)
  • 例如 :
    Regexp `` 12+'' 表示字串 "12","122","1222","12222",...
    Regexp `` (12)+'' 表示字串 "12","1212","1212","1212"....
    
  上式中字串 ``12''以( )括住,整個視為一個group, 故被重覆符號``+'' 所形容的是``12''而非 ``2'', 重複出現的也是 ``12''.
  
• | 表示邏輯上的 "or" (註三)
  • 例如 : Regexp `` Oranges?|apples?|water'' 可用以表示字串``Orange'', ``Oranges''
    或 ``apple'', ``apples''
    或 ``water''
    
  • 註三 : 上列 + , ?, (...), | 等用法, 為 Extended Regular Expression 中新增列的用法. awk 及 egrep 中所使用的 Regular Expression 即為 Extended Regular Expression. 但 vi, sed, grep,...等軟體中並無這些用法.
• & ``&''並非 Regular Expression 中的特殊字元. 但以 Regular Expression 進行字串找尋置換(Replace)時, 常會用到 ``\&''. \ 在許多 Unix tool 中, 當 ``\&''出現在『將被置入的新字串』時, 它用以表示 ``實際被找到合於所指定的 Regular Expression 的字串'' (見下例說明)
  • 例如 : 找出檔案中所有合乎 Regexp ``a[0-9]*\.c'' 的字串, 並在其前後加上小 括號.依題意要求, 檔案中所有如 ``a12.c'', ``a932.c'', ``a45.c'' ,...等字串都應置換為 ``(a12.c)'', ``(a932.c)'', ``(a45.c)'',.. . . 遇到這情況,可令『將被置入的新字串』為 `` (&)'' 此時, ``&''便是用來表示實際上被找到合於 Regexp ``a[0-9]*\.c'' 的字串.
  下列是使用 UNIX 上不同的工具, 來處理本例要求的字串置換.
  • vi 以 vi 編輯該檔案,並在 vi 命令輸入模式下輸入
    : s/a[0-9]*\.c/(&)/g
  • sed 執行如下命令 ( $ 表 Shell 命令列的提示符號 )
    $ sed -e 's/a[0-9]*\.c/ (&)/g' 資料檔名稱
  • awk 執行如下命令 ( $ 表 Shell 命令列的提示符號 )
    $ awk '{ gsub(/a[0-9]*\.c/, "(&)"); print }' 資料檔名稱

Note 2:

上列字元在 Regular Expression 中代表特殊意義, 稱之為 特殊字元. 但 Unix 中不同的指令對 Regular Expression 的解釋能力不儘相同, 故對特殊字元也有不同的認定. 請參考尾頁附表.

目錄 | Why Regular Expression | 使用 Regular Expression 時的注意事項