拓展阅读¶
正则¶
注：以下正则语法如需在 grep 中使用，需要加上参数 -P，表示使用 Perl 语法。
懒惰和贪婪¶
使用 * + 的时候默认是贪婪模式，即尽可能匹配更多的子表达式。在 * + 之后加上 ? 变为懒惰模式，即尽可能匹配更少的子表达式。
例如：123456456
贪婪：1.+6 -> 123456456
懒惰：1.+?6 -> 123456
后向引用¶
后向引用可以将之前匹配到的具体内容再次利用。在正则表达式中，() 以及它们包含的内容为一个分组，每个分组默认拥有一个组号。
组号分配规则：
- 0 代表整个表达式
- 从左至右，按左括号的出现顺序分配，第一个为 1，第二个为 2，以此类推
- 扫描两遍，第一次只分配未命名的组，第二次只分配命名的组。即任意命名组的组号都大于未命名的组号
示例
\b(\w+)\b\s+\1\b 可以用来匹配用空白字符分割的两个重复的单词（例如 linux linux），其中 \1 是对组号为 1 的组 (\w+) 的引用。
\b(?'Word'\w+)\b\s+\k'Word'\b 也可以起到同样的效果，其中 ?'Word' 用于命名组，\k'Word' 用于引用组。
零宽断言¶
零宽断言用于查找某些内容进行定位，但内容并不放入匹配结果，就像 \b ^ $ 的定位一样。(?=exp) 用于匹配表达式 exp 前面的位置，(?<=exp) 用于匹配后面的位置。
示例
\b\w+(?=ing\b) 可以匹配 ing 结尾的单词前面的部分。例如 going 中的 go 会被该正则匹配。
(?<=\bre)\w+\b 可以匹配 re 开开头的单词的后面一部分。例如 revue 中的 vue 会被该正则匹配。
正则表达式的代价¶
为了支持复杂语法，现在的正则表达式引擎一般使用回溯搜索的方法来进行匹配。对于某些特定的正则，攻击者可以构造出能够让其执行很长时间的字符串，从而导致系统崩溃。
相关介绍：乱用正则引发的惨案