ERE正则引擎
扩展正则表达式(Extended Regular Expression)在BRE的基础上，进行了功能上的扩充，增加了元字符。
在Linux中，常见的使用ERE正则的程序有grep -E|egrep，sed -r,awk等。
ERE的元字符
和BRE的元字符完全相同，在此之上，新增了元字符。
(),{}在BRE正则中需要配合\使用(\(\),\{\})，在ERE中不再需要转义字符。
增加了+,?,|这三个元字符。
| 元字符 | 描述 |
|---|---|
+ |
代表前面一个字符至少匹配一次，匹配次数无上限,如1+匹配1,11,111... |
? |
代表前面一个字符至多匹配一次,如a?b代表匹配b或ab |
| | | 选择匹配，类似于[pattern],代表连接的单词任选其一匹配,通常配合()使用,如(cat|dog) |
() |
用于分组(后祥),本身不匹配任何字符，将模式进行分组，进行整组匹配或反向引用。如(cat)?代表cat这个单词至多出现1次。 |
{} |
限制匹配次数。{m,n}代表前面的字符至少匹配m次，至多匹配n次。m或n省略代表这个边界不限。如{,1}等同于?,{1,}等同于+。{n}代表匹配n次 |
TIPS:
|两端不要有空格，(|)的作用是限制|连接的范围。
ERE正则的运用
例如匹配date +%F的时间格式:
date +%F | grep -E '^[0-9]{4}-[01][0-9]-[0-3][0-9]$' # 注意，不要把合法性判断放在这里
这段正则是我在下载腾讯漫画的脚本中应用的， 用于判断用户输入的章节列表格式是否合法，猜猜看，这段这则想要匹配的字符串格式是什么?
^\d+([,-]\d+)*$
同样没有用正则对用户输入的合法性做判断，而是在后面的逻辑代码中才对这些范围做判断。
看看这个正则，用于nginx匹配tomcat的静态资源路径:
^/(static/)?(css|fonts|images|img|js)
TIPS: 在一定复杂度的前提下，正则写的越确切越好，意味着出意外的可能性就越小。
*和+的原罪 —— 贪婪匹配
*和+在正则引擎中，会尽可能多的匹配满足条件的pattern，此外，还有{},?
也满足这个规律。这种规律称为贪婪匹配(greedy matching)。
比如想对HTML标签进行匹配:
echo 'aa<div>test1</div>bb<div>test2</div>cc' | grep -oE '<div>.+</div>'
<div>test1</div>bb<div>test2</div>
这种结果可能是致命的——并不是本意，可能造成无法预估的BUG。
遗憾的是，BER引擎和ERE引擎诞生较早，并不支持非贪婪匹配(lazy matching)。
后续的正则引擎(如Perl的PCRE)支持了非贪婪模式。在贪婪模式的后面加上?即可进入非贪婪模式。
echo 'aa<div>test1</div>bb<div>test2</div>cc' | grep -oP '<div>.+?</div>'
<div>test1</div>
<div>test2</div>
TIPS: 正则不适合处理这种标记性文档，会让正则很复杂，难以维护，也不能很好的处理标签嵌套的问题。 建议使用现成的类库做解析。
猜猜看，对于这个字符串copyright 2003.,用正则^.*[0-9]+去匹配，匹配到的是什么结果？
小练习
- 试写出一个正则，匹配
十进制数字(正负数，整数，小数，科学计数法)，并用grep/sed验证你的结果。
如:
5
-5
+5
1.111111
-10.5
1.1E5
2.2e-5
- 删除
HTML页面中全部的HTML标签，只保留纯文本部分，如何实现？用相关命令验证你的正则 (也可以用编程语言实现，暂不考虑复杂的情况，假定每个标签都在单独一行，没有出现跨行标签，比如师傅到首页)