Tcl正则表达式的语法

正则表达式是一个包含搜索模式的字符串，用于匹配其他的字符串。Tcl正则表达式是基于1003.2规范和一些Perl5扩展。Tcl正则表达式是包含一个或多个约束或量化原子连接而成。正则表达式由POSIX定义，有两种风格：扩展正则（ERE）和基本正则（BRE）。ERE与传统的egrep大致相同，BRE与传统的ed大致相同。Tcl实现另一种风格：高级正则（ARE），在ERE的基础上添加一些重要的扩展。

BRE与ERE在几个方面有所不同。

1.在BRE中字符“|”、“+”和“?”只是普通字符，没有与它们的功能等价的字符。

2.边界的分隔符是“\{”和“\}”，“{”和“}”本身为普通的字符。

3.嵌套子表达式的括号是“\(”和“\)”，“(”和“)”本身为普通字符。

4.除了在正则表达式或圆括号子表达式的开头以外，“^”均为普通字符。除了在正则表达式或圆括号子表达式的末尾以外，“$”均为普通字符。

5.如果“*”出现在正则表达式或圆括号子表达式的开头（或者有一个前导字符^），则为普通字符。

6.只能使用个位数的反向引用。

7.“\<”和“\>”等价于“[[:<:]]”和“[[:>:]]”。

8.除以上转义外，没有其他任何转义。

量化修饰符

使用{}的修饰符，其中m和n是无符号十进制整数，允许发范围是[0,255]。

符号	说明
*	匹配0或多个原子
+	匹配1或多个原子
?	匹配0或1个原子
{m}	匹配m个原子
{m,}	匹配至少m个原子
{m,n}	匹配m到n个原子
*? +? ?? {m}? {m,}? {m,n}?	非贪婪性量词，如果匹配具有相同的优先级，会进行最小的匹配而不是最大的匹配。

原子

原子是Tcl正则表达式中相对独立的部分，re代表任何正则表达式。

原子	说明
(re)	匹配re，并捕获。
(?:re)	匹配re。
()	匹配空字符串，并捕获。
(?:)	匹配空字符串。
[chars]	括号表达式，匹配其中的任意一个字符。
.	匹配任意单个字符。
\k	匹配非字母字符k做为普通字符。
\c	仅ARE，转义，见下方转义中字符条目转义\cX。
{	当后面跟一个数字以外的字符时，匹配左大括号，如果跟着一个数字，则为量化修饰符的边界。
x	如果x是一个没有其他意义的单个字符，则匹配该字符。

约束

当约束满足特定条件时，匹配空字符串。约束后面不能有量化修饰符。在特定条件下约束匹配空字符串，re代表任何不以“\”结尾的正则表达式。

约束	说明
^	匹配行开头
$	匹配行结尾
(?=re)	仅ARE，从匹配re的字符串开始正向查找。re中的括号是不可捕获的。
(?!re)	仅ARE，从不匹配re的字符串开始正向查找。re中的括号是不可捕获的。

括号表达式

括号表达式是包含在“[]”中的字符列表。通常匹配列表中的任何单个字符。如果以“^”开头，则匹配不在列表中的字符。如果列表中的两个字符用“-”分隔，表示两个字符及其之间的全部字符。Tcl中的范围总是使用Unicode排序序列，但是其他程序可能使用其他排序序列，这可能是程序之间不兼容的原因之一。

字符分类

在括号表达式中，字符分类用“[:”和“:]”包围起来，表示所有属于该分类的字符。字符分类不能做为范围的端点。支持的字符分类如下：

类别	说明	类别	说明	类别	说明
alpha	字母	upper	大写字母	lower	小写字母
digit	十进制数字	xdigit	十六进制数字	alnum	字母或数字
print	可打印字符，包括空格	blank	空格或制表符	space	在显示文本中产生空白的字符
punct	标点字符	graph	可见字符，不包括空格	cntrl	控制字符

约束

仅ARE，括号表达式有两种特殊情况，表示一种约束：“[[:<:]]”和“[[:>:]]”，分别匹配单词开头和结尾的空字符串。单词的定义为前后都没有单词字符的序列。而单词字符是指字母和数字以及连字符“_”。

转义

仅ARE，以“\”开头，后面跟着字母、数字。转义有几种类型：字符条目、分类简写、约束转义以及反向引用。

字符条目

字符	说明	字符	说明	字符	说明	字符	说明
\a	警告字符	\b	回退字符	\B	反斜杠	\cX	只保留字符X的低五位，其他位为0
\e	esc字符，也就是八进制033	\f	换页符	\n	换行符	\r	回车符
\t	水平制表符	\uwxyz	unicode字符wxyz为 十六进制数字	\ustuvwxyz	stuvwxyz为十六进制数字	\v	垂直制表符
\xhh	十六进制为0xhh的字符	\0	字符0	\xyz	八进制为0xyz的字符，x范围为0-3，否则认为只有两位	\xy	八进制为0xy的字符

分类简写

字符	说明	字符	说明
\d	[[:digit:]]，十进制数字。	\D	[^[:digit:]]，非十进制数字。
\s	[[:space:]]，文本中的空白符。	\S	[^[:space:]]，文本中的非空白符。
\w	[[:alnum:]_]，字母数字下划线。	\W	[^[:alnum:]_]，除字母数字下划线的字符。

约束转义

字符	说明	字符	说明
\A	匹配字符串的开头	\Z	匹配字符串的结尾
\m	匹配单词的开头	\M	匹配单词的结尾
\y	匹配单词的开头或结尾	\Y	匹配非单词的开头或结尾

反向引用

反向引用匹配由数字指定的可捕获号表达式匹配的相同的字符串。子表达式必须在反向引用之前，按括号的顺序编号。非捕获括号不进行计算。由于八进制转义与反向引用转义可能存在歧义，所以前导零总是表示八进制转义，一个单独的非零数字表示反向引用。如果在适当（数字在反向引用范围内）的可捕获表达式之后出现非零开头的多位数字，则将其视为反向引用，否则表示八进制转义。

字符	说明
\m	反向引用，m为非零整数
\mnn	反向引用，m为非零整数，nn为任意整数。mnn不大于捕获的括号的数量

元语法

通常，正则表达式使用的风格是由应用程序的方法指定的。如果任何风格的表达式以“***:”开头，则剩余的表达式为ARE。如果任何风格的表达式以“***=”开头，则其余的表达式被认为是一个文字字符串，将所有字符视为普通字符。如果应用程序将输入的字符串视为文本字符或者字符串以“***=”开头，则以下的嵌入式选项和注释都不可使用。

嵌入式选项

ARE表达式可能会以嵌入式选项开头，嵌入式选项会影响其后的正则表达式re，嵌入式选项只能出现在表达式之前，嵌入式选项的格式如下：

(?xyz)

xyz为一或多个选项字母，可用的选项字母如下：

选项	说明	选项	说明
b	其余的表达式是一个BRE	p	部分行敏感匹配，只有“.”和方括号表达式是行敏感的。
c	匹配时区分大小写	q	剩余的re为文本字符串。
e	其余的表达式是一个ERE	s	非行敏感匹配，默认选项。
i	匹配时忽略大小写	t	使用严格语法，默认选项。
m	等价于n	w	非部分行敏感匹配，与p选项正好相反，只有“^”和“$”是行敏感的。
n	行敏感匹配，“.”与使用^的方括号表达式不会匹配换行符。“^”与“$”分别匹配行开头和行结尾。	x	使用扩展语法，空白字符（空白、制表符、换行符以及任何属于空格字符类的字符）会被忽略，在“#”和下一个换行符或re结尾之间的字符会被忽略，允许分段和注释复杂的正则表达式。扩展语法有三个例外： 1.“\”之后的空白字符和“#”会被保留。 2.括号表达式中的空白字符和“#”会被保留。 3.在多字符符号中空白字符和“#”是非法的，如ARE中的“(?:”或者BRE中的“\(”

注释

正则表达式语法除了常见的严格语法，还可以通过-expanded开关或者ARE中指定嵌入式选项x来开启另一种语法，扩展语法。在使用扩展语法时，对于复杂的正则表达式可以进行注释。注释的格式如下：

(?#ttt)

 其中ttt为任意不包含“)”的文本，会被完全忽略。在方括号以及多字符符号（如ARE中的“(?:”）中不可以有注释。