引言

什么是正则表达式 (Regex)

正则表达式（regex）是用于匹配字符串中字符组合的模式。它们构成了一种小型、专门的编程语言，嵌入在标准编程语言和工具中

• 1956: Stephen Kleene 发展数学基础
• 1968: Ken Thompson 在QED文本编辑器中实现了该功能
• 1970s: 在 unix 工具里面变得标准化
• 1990s: POSIX 标准化：BRE（基本正则表达式）和 ERE（扩展正则表达式)

为什么使用正则

• 文本搜索：在文档中查找特定的模式。
• 数据验证：检查输入格式（如邮箱、电话号码）
• 数据提取：从文本中提取特定信息
• 内容替换：有系统地修改文本模式
• 数据解析：分解结构化的文本数据

核心概念

字面量 (Literals)

字面量是指匹配自身的字符，在正则表达式中没有特殊含义。
例如，在正则 cat 中，c、a、t 都是字面量，它仅匹配文本中精确的字符串 “cat”

元字符 (Metacharacters)

元字符是在正则表达式中具有特殊含义的字符，它们代表某种操作而非字符本身

元字符	描述
.	匹配任意单个字符
^	匹配字符串或行的开头
$	匹配字符串或行的结尾
*	匹配前一个元素零次或多次
+	匹配前一个元素一次或多次
?	匹配前一个元素零次或一次
[]	字符类（匹配括号内的任一字符）
()	分组
|	分支（逻辑“或”）
{m, n}	指定出现次数的量词

具体可用性取决于 BRE 或 ERE 标准，详见第3节

BRE 与 ERE (POSIX 标准)

POSIX 定义了两种正则语法：

• BRE (Basic Regular Expression)：grep、sed、ed 的默认模式
• ERE (Extended Regular Expression)：用于 grep -E、egrep、awk

语法差异

BRE 语法	ERE 语法	描述
\(...\)	(...)	将模式组合在一起
`	\	逻辑“或”操作
需转义	原生支持	+ 和 ?
需转义	原生支持	{m,n}

匹配技术

任意字符 (.)

点号 . 用于匹配除换行符以外的任何单个字符
例:

$ ls /usr/bin | grep '.zip'
bsdunzip
bunzip2
bzip2
bzip2recover
gunzip
gzip
hunzip
hzip
libdeflate-gunzip
libdeflate-gzip

• .zip 将匹配所有包含 xzip（任意字符加 zip）的项
• 注意：zip 本身不会被匹配（因为点号要求前面必须有一个字符）

锚点 (Anchors: ^ 和 $)

字符 ^ 和 $ 被视为锚点。它们使匹配仅在正则表达式位于行首 (^) 或行尾 ($) 时才发生
例:

$ ls /usr/bin | grep -h '^zip'
zip
zipcmp
zipmerge
ziptool

$ ls /usr/bin | grep 'zip$'
bsdunzip
gunzip
gzip
hunzip
hzip
libdeflate-gunzip
libdeflate-gzip
zip

$ ls /usr/bin | grep -h '^zip$'    
zip

• ^zip 将匹配所有以 zip 开头的行
• zip$ 将匹配所有以 zip 结尾的行
• ^zip$ 将精准匹配 zip

括号表达式 ([])

匹配指定字符集中的任意单个字符

基本形式

例:

$ ls /usr/bin | grep -h '[bg]zip'
bzip2
bzip2recover
gzip
libdeflate-gzip

• [bg]zip 匹配 bzip 和 gzip

取反 (Negation)

$ ls /usr/bin | grep -h '[^bg]zip'
bsdunzip
bunzip2
gunzip
hunzip
hzip
libdeflate-gunzip

如果括号表达式中的第一个字符是脱字符 (^)，则其余字符被视为在该位置不得出现的字符集合

• [^bg]zip 将匹配所有不以 b 或 g 开头但包含 zip 的项
• 注意：zip 本身不会被匹配

字符范围

[ABCDEFGHIJKLMNOPQRSTUVWXYZ] 可以被 [A-Z] 代替
例:

$ ls /usr/bin | grep -h '^[A-F]'
CreateDOMDocument
DOMCount
DOMPrint
DroidSans.ttf
EnumVal
FileCheck

• ^[A-F] 匹配所有以 A-F 开头的行
  相似的,
• ^[A-Za-z] 匹配以 52 个字母开头的元素
• ^[A-Za-z0-9] 匹配所有以字母或数字开头的元素
• 注意正则 [-AZ] 将匹配一个连字符 - 、大写字母 A 或大写字母 Z

量词 (Quantifiers)

量词指定前面的元素可以出现的次数（此处显示 ERE 语法）

形式	描述
?	0次或1次
*	0次或更多
+	1次或更多
{m}	刚好m次
{m,}	至少m次
{m, n}	m次和n次之间

• [0-9]+ 匹配一个或多个数字
• [A-Za-z]{3,5} 匹配 3 到 5 个字母

分组与分支 (Grouping and Alternation))

正则表达式中的圆括号 () 主要有两个用途:

结构化分组

它们允许你将操作应用于多个字符组成的整体

• (ha)+ 匹配 ha, haha, hahaha, …
• ha+ 匹配 ha, haa, haaa, …

分支与分组结合

正则 AAA|BBB 意味着匹配字符串 “AAA” 或 “BBB”
为了将分支与其他正则表达式元素结合使用，我们可以使用 () 来分隔分支:

^(bz|gz|zip)

• 这将匹配以 bz、gz 或 zip 开头的字符串

^bz|gz|zip

• 这将匹配以 bz 开头、或包含 gz、或包含 zip 的字符串

例

邮箱匹配（简化版）
^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$
user@example.com
a_b-c@sub.domain.org

手机号
^1[3-9][0-9]{9}$
13912345678
18412345678

日志时间戳
[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2}
2025-01-01 10:09:59
1999-12-31 23:59:59

Reference

[1] Wikipedia, “Regular expression,” [Online]. Available: https://en.wikipedia.org/wiki/Regular_expression. [Accessed: Jan. 19, 2026].
[2] W. E. Shotts, Jr., The Linux Command Line: A Complete Introduction, 2nd ed. San Francisco, CA, USA: No Starch Press, 2019.