《精通正则表达式》第三版 1-3：反向引用，转移字符

清疚 2022-05-18 20:58 132阅读 0赞

# 括号及反向引用 #

## 括号的两种用途 ##

> 到目前为止，我们已经见过括号的两种用途：
> 
>  *  限制多选项的范围
>  *  将若干个字符 组合为一个单元，受量词(问号`?`,加号`+`，星号`*`)的作用
> 
> 下面来介绍括号的另一种用途，虽然它在`egrep`中并不常见(不过流行的GNU版本的确支持这一功能)，但在其他工具软件中很常见。  
> 在许多流派的正则表达式中，括号能够”记住”它们包含的子表达式匹配的文本。

## 反向引用 ##

--------------------

下面来看看 **backwardReference.txt中**的两个句子：

The next step is to put **`the the`ory** into practice  
we think `that that` standard has been met here

现在我们想找出上面两个相邻重复出现的单词，例如第一句中找出两个相邻的`the`，可以看到the theory这两个单词中满足要求。这时候可以使用正则表达式`the.the`可以满足上面的要求。同样的如果要找出第二句中两个相邻的`that`可以使用`that.that`这个正则表达式。  
**实例如下**

egrep "the.the" backwardReference.txt
    egrep "that.that" backwardReference.txt

![这里写图片描述][70]  
下面来看一个效果一样的操作：`egrep "(that).\1" backwardReference.txt`  
![这里写图片描述][70 1]  
那`(that).\1`这个正则表达式是什么东西呢？这个叫做**反向引用**。

--------------------

> 在支持反向引用的工具软件中，括号`()`能”记住”该括号中的子表达式匹配的文本，这下括号记住的文本可以使用元字符`\1`进行引用。  
> 当然在一个正则表达式中，我们可以使用多个括号，这样的话，可以用`\1`匹配第一个括号中的文本，用`\2`匹配第二个括号中的文本，用\\3匹配第3个括号中的文本，以此来推。  
> **括号是按照开括号`(`出现从左到右进行编号的**，所以在`([a-z])(0-9)\1\2`这个正则表达式中`\1`表示`[a-z]`匹配的内容，`\2`表示`[0-9]`匹配的内容给

## 反向引用实例：选出相邻的重复的单词 ##

--------------------

下面来看例子

The next step is to put the theory into practice
    we think that that standard has been met here
    ha ha ha ni ni ha ni ha ni

现在要求把上面所有的相邻的单词都选出来。我们知道`that.that`可以选出两个相邻的that,使用反向引用后可以使用`(that).\1`这个正则表达式进行匹配。现在要支持所有的单词，那可以使用字符组来替代前面的单词`that`实现，得到新的正则表达式`([a-zA-Z]+).\1`这样就能匹配多个单词了。  
命令：`egrep "([a-zA-Z]+).\1" backwardReference.txt`，效果如下。  
![这里写图片描述][70 2]  
可以看到上面匹配出来的不是一个一个单词，两个相邻的字母也匹配出来了，这时可以再加入前面介绍的单词分界符，进行限定。  
命令：`egrep "\<([a-zA-Z]+).\1\>" backwardReference.txt`  
![这里写图片描述][70 3]  
这样就可以选出两个相邻的相同单词了，但是还有问题，上面的正则表达式中只能选出第1对相邻的单词，如果有多个两两相邻的单词，就不能正确的选出。这样我们再在上面的正则表示式中加入量词`+`，  
命令： `egrep "\<([a-zA-Z]+)(.\1)+\>" backwardReference.txt`  
![这里写图片描述][70 4]  
`\<([a-zA-Z]+)(.\1)+\>`这个正则表达式中，`([a-zA-Z]+)`表示一个单词，`(.\1)`中，用点号`.`来匹配一个空格，`\1`表示前面的`([a-zA-Z]+)`这个正则表示式匹配的单词。也就是重复的单词。而`(.\1)+`则表示匹配一个或者多个`空格`然后是这个`重复的单词`。然后使用`\<`和`\>`限定按照一个个的单词进行匹配。

--------------------

# 转义符`\` #

如果需要匹配的某个字符本省就是元字符，那正则表示式该怎样处理？例如,想要检索互联网主机名`aa.bb.com`,但是使用aa.bb.com匹配的结果可能是`xixixi_aa_bb_com.com`。这是因为点号`.`本身就是元字符，他可以匹配任何字符，包括空格等等。所以上面的点号`.`号都匹配到下划线了`_`，所以`xixixi_aa_bb_com.com`也是能匹配上的。

--------------------

实例：  
**ESC.txt:**

aa.bb.com
    xixixi_aa_bb_com.com

命令：`egrep "aa.bb.com" ESC.txt`  
![这里写图片描述][70 5]

--------------------

可以在点号前面加上反斜杠`\`消去点号的特殊意思，这样就能匹配到点号了，所以正确的正则表示式为：`aa\.bb\.com`

--------------------

命令：`egrep "aa\.bb\.com" ESC.txt`  
![这里写图片描述][70 6]

--------------------

这里的反斜杠`\`称为**转义符**，对所有的元字符都有效，它可以使得作用的元字符失去该元字符具有的特殊含义，变成普通字符，也就是该字符本身。  
还有一个就是在字符组中的反斜杠不具有转义符的性质，也就是说`[...\...]`中的`\`是普通字符，只匹配该字符本身。

我们还可以转移符来匹配括号，例如`\([a-zA-Z]+\)`,就能匹配到`(very)`，因为这里开闭括号前面有转移符`\`消除了开闭括号的特殊意义，于是他们能匹配文本中的开闭括号。  
如果反斜杠后面紧跟的不是元字符，反斜杠的意义就依程序的版本而定，例如我们已经知道，某些版本的程序把`\<`,`\>`,`\1`当做元字符对待。

[70]: /images/20220519/f0bb8c7cec064a30b4cfe61c65423a13.png
[70 1]: /images/20220519/1b8b227abbcf4f70adb5c5edfed6fb76.png
[70 2]: /images/20220519/fa5c7584ee2947029be97d86c7e774d7.png
[70 3]: /images/20220519/eb211aaa43d3424788aff0da3ed84c74.png
[70 4]: /images/20220519/314bb0779c6e4916b0b7d59ea6621ef2.png
[70 5]: /images/20220519/56ed9f6be790430b9d72eab5cc830c97.png
[70 6]: /images/20220519/ae39a8abc8b141a18f5721911f5bb67e.png