Regular Expressions

在基本的正则表达式中， {, |, (, ) 仅是其代表的字面字符，要进行转义（前面加反斜线 \ ）才是正则的元字符；在基本的正则表达式中不支持元字符 ?, + 。

在扩展的正则表达式中， ?, +, {, |, (, ) 都是正则元字符，这样写书正则表达式更方便。

grep 默认使用 BRE（可通过 grep -E 使用 ERE）。
egrep 使用 ERE。
sed 默认使用 BRE（GNU sed 中指定 -r 使用 ERE，FreeBSD sed 中指定 -E 使用 ERE）。
awk 使用 ERE 的超集。

In Perl, the mode where the dot also matches line breaks is called "single-line mode". You can activate single-line mode by adding an s after the regex code, like this: m/^regex$/s.

Perl 中 Single-line 模式实例：

$_="first line\nsecond line";
if (m/first.*second/s) {
  print "Match!\n"
} else {
  print "Not match!\n"
}

上面程序会输出"Match!"；如果没有指定 s 修饰符，则匹配会失败，因为 first 和 second 不在同一行，会输出"Not match!".

非多行模式中（默认地）：
^ 只能匹配字符串开头；
$ 只能匹配字符串结尾。

在多行模式中：
^ 可以匹配字符串开头（字符串的开始位置），也可以匹配行的开头（即换行符 \n 之后的位置）；
$ 可以匹配字符串结尾（字符串的结束位置），也可以匹配行的结尾（即换行符 \n 之前的位置）。

In Perl, you can activate multi-line mode by adding an m after the regex code, like this: m/^regex$/m.

注意：Multi-line Mode 和 Single-line Mode 没有直接关系！

默认地，正则为贪婪匹配（最左最长匹配 leftmost longest）。
在重复操作符 ?, *, +, {n}, {m,n}, {n,} 后面加上问号 ? ，会变成非贪婪模式，即懒惰模式。

如：
file1 的内容为：

This 'test' isn't successful?

我们想匹配单引号间的内容，即 test，尝试下面操作

grep -P "'.*'" file1  #实例上匹配的是test' isn，因为点号可以匹配单引号，默认为贪婪方式！

怎么仅匹配 test 呢？
方法一，用排除法来匹配单引号以外的字符

grep -P "'[^']*'" file1

方法二，使用非贪婪的方式！

grep -P "'.*?'" file1   #在重复操作符星号*后增加了问号?，正则变为lazy模式。

参考：
懒惰模式应用——匹配源代码中的注释：http://blog.ostermiller.org/find-comment

除了“贪婪的”和“懒惰的”，Java 中引入了“占有优先”/“独占的”（Possessive quantifier）。其他语言（如 Ruby 1.9 从开始，Perl 从 5.10 开始）也支持“独占的”。

参考节 2.6.2

The main purpose of bracket expressions is that they adapt to the user's or application's locale. A locale is a collection of rules and settings that describe language and cultural conventions, like sort order, date format, etc. The POSIX standard defines these locales.

参考：http://www.regular-expressions.info/posixbrackets.html

.NET 正则引擎和 Python 正则引擎支持命名捕获分组，即给捕获的分组取名字，但其它主流正则引擎都不支持命名捕获分组。

An atomic group is a group that, when the regex engine exits from it, automatically throws away all backtracking positions remembered by any tokens inside the group. Atomic groups are non-capturing. The syntax is (?>group).

An example will make the behavior of atomic groups clear. The regular expression a(bc|b)c (capturing group) matches abcc and abc. The regex a(?>bc|b)c (atomic group) matches abcc but not abc.
当用正则表达式 a(bc|b)c 匹配 abc 时，分组中的 bc 匹配上字符串 bc 后，正则表达式中最后一个字符 c 会匹配失败，这时会进行回溯，尝试用分组的另一个分支 b 进行匹配，这样最终能匹配成功。
当用正则表达式 a(?>bc|b)c 匹配 abc 时，分组中的 bc 匹配上字符串 bc 后，正则表达式中最后一个字符 c 会匹配失败，但由于是固化分组，所以不会进行回溯！最终结果是匹配失败！

固化分组可以提高匹配效率，而且能够对什么能匹配，什么不能匹配进行准确的控制。

参考：
http://www.regular-expressions.info/atomic.html
Mastering Regular Expressions, 3rd Edition 第 6 章 提高表达式速度的诀窍->使用固化分组和占有优先量词
Mastering Regular Expressions, 3rd Edition 第 6 章 消除循环->使用固化分组和占有优先量词

Like a greedy quantifier, a possessive quantifier repeats the token as many times as possible. Unlike a greedy quantifier, it does not give up matches as the engine backtracks. With a possessive quantifier, the deal is all or nothing. You can make a quantifier possessive by placing an extra + after it. * is greedy, *? is lazy, and *+ is possessive. ++, ?+ and {n,m}+ are all possessive as well.

用了“占有优先”量词后，一旦匹配到某些内容，就不会再“交还”，和固化分组类似。“占有优先”量词都可以改写为固化分组的形式。
Technically, possessive quantifiers are a notational convenience to place an atomic group around a single quantifier.

如： X*+ 可改写为 (?>X*)
(?:a|b)*+ 可改写为 (?>(?:a|b)*) ，而不是 (?>a|b)*

总结： “占有优先”其含义和“贪婪的”类似，会尽可能多地匹配字符，但“占有优先”不会放弃已经匹配的字符（也就是说正则引擎不会回溯）。

“顺序环视”(Positive Lookahead)匹配一个位置，它本身不会“占用”文本。

我们通过一个简单的例子来理解“顺序环视”(Positive Lookahead)。
例如，正则表达式 (?=Jeffrey) 可以匹配下面字符串中“Jeffrey 前的那个位置”（它并不匹配任何文本）：

...by Jeffrey Friedl.

再看一个例子，正则表达式 (?=Jeffrey)Jeff （注：这个正则表达式和 Jeff(?=rey) 是等价的），可以匹配下面字符串中的“Jeff”：

by Jeffrey Fridle.

但 (?=Jeffrey)Jeff 无法匹配下面字符串的“Jeff”：

by Thomas Jefferson.

可以通过 grep 命令来验证：

$ echo "by Jeffrey Friedl"   | grep --perl-regexp --only-matching '(?=Jeffrey)Jeff'     #可以匹配上Jeff
Jeff
$ echo "by Thomas Jefferson" | grep --perl-regexp --only-matching '(?=Jeffrey)Jeff'     #不能匹配上Jeff

有下面字符串：

The population of 298444215 is growing

我们想要把其中的数字增加逗号分隔符，这样更加容易阅读，即变为：

The population of 298,444,215 is growing

怎么实现呢？把正则表达式 (?<=\d)(?=(\d\d\d)+\b) 匹配的位置换为逗号就行。即：

$ echo "The population of 298444215 is growing" | perl -pe 's/(?<=\d)(?=(\d\d\d)+\b)/,/g'
The population of 298,444,215 is growing