正規表示式是個強大的工具，定義了明確的定串比對規則，來幫助使用者把梳字串，在很多程式都有支援，如 Linux shell 的grep, awk, sed，vim的搜尋取代功能等， C語言的scanf其實也有支援，可惜正規表示法規則甚多，一時之間難以記全。
這篇主要記錄正規表示法的規則，整理自"Practical Programming in Tcl and Tk"第十一章，給自己做個參考：
一般字元與跳脫字元：
如果要比對字串，最簡單的規則就是：把字元寫出來，寫 a 就會比對出a，夠簡單吧。
但這樣就沒啥變化了，如果我要比對a, aa 或aaaaa…aa呢？
如果全部的東西都是直接比對，就少了這種彈性，所以正規表示式定義下例幾個字元為跳脫字元，平時做為特殊處理之用，要比對他們需要特殊規則，包括：
.*+?()|[]^$\ 在比對中寫下這些符號的功能之後會一一介紹到，如果是要比對這些符號，就用backslash \ 跳脫。
例如要比對\，就需要寫\\而非只有\
字組(character sets)
如果我們要寫一個讓使用者輸入y/n的程式，使用者可能會填y/Y/n/N裡面一個，因此就有了字組的概念，字組利用跳脫字元[]，讓某一個位置有多重選項：
- [yY]，則y或Y都可以match
[]裡面可以使用"[x-y]“的規則，來比對某區間的字，例如：
- [0-9]比對所有數字
- [a-z]比對小寫的英文
這裡要注意的是，隨著語系的選擇，[x-y]會有不同的範圍，不過一般都是以LANG=C的情況下去設計，也就是0-9A-Za-z的排序。
子規則1：反向用[^]
- 比對"不是<"，就用[^<]
- 如果是[^a-z]，就會排除所有小寫英文
子規則2：
比對跳脫字元除了 ] 需要在[]要排第一位、\仍要跳脫外，其他在[]就不用跳脫，直接寫就可以，例如：
- 比對出所有的跳脫字符
[][.*+?()|\\]
另外則是 {} 這個直接寫就是直接match，但加上 \{,\} 後則是跳脫為特殊意思。
數量(quantifiers)比對與比對順序：
我們只要使用者輸入「o某字z」，他要orz, otz,omz 我才不管呢？
首先使用 . 任意一個字元，跟shell的不太一樣，這要小心。
上面的比對，我們可以寫 o.z 那針對不同的數量，我們就需要數量字符：
| char | quatity |
|---|---|
| * | 0~∞次 |
| + | 1~∞次 |
| ? | 0~1次 |
| {m,n} | m~n次，其中n可以不填，表示∞ |
所以說，上面的比對可以用 a+ 完成。
重複的可以用()包起來，[]裡面的重複也OK，將數量字符直接加在下括號的後面即可。 比較重要的是 * 這個符號用起來要小心，這個比對表示任意字符重複0~n次，有時會造成不預期的結果。這就牽扯到正規表示法的比對規則了，如果一個match在字串中有多個相符的比對時，其規則如下：
- 各相符比對，最接近開頭者優先
- 如果是一樣的開頭，預設最長者優先，這個可以改換為nongreedy，即較短者優先
所以如果用 [a-z]* 去比對 123abc，一般可能會預期取出abc，但不對，在123前的開頭的空字串才是優先match的對象，一般都建議用+強制一定要有match來避免這樣的狀況。
字集(character classes)
字集為一些設定好的字元組合，寫法為：[:identifier:] 整理可選用的identifier如下：
| identifier | 比對 | 等同表示法 |
|---|---|---|
| lower | 英文小寫 | [a-z] |
| upper | 英文大寫 | [A-Z] |
| alpha | 英文字母 | [A-Za-z] |
| digit | 數字 | [0-9] |
| xdigit | 十六進位數字 | [0-9a-fA-F] |
| alnum/print | 以上總集合 | [0-9a-zA-Z] |
| punct | 標點符號例如 '"/<>之類 |
|
| graph | 非控制字符或空白類字符，其實就是以上總集合 | 我猜可以寫成[[:alnum:][:punct:]] |
| blank | 空白和tab | [ \t] |
| space | 空白類字元：空白, \n, \r, tab, vertial tab, form feed 有人知道後兩個是蝦毀嗎… | \s |
| cntrl | 控制字符：ASCII 0~31 | |
| < > | 分別比對單定開頭與結尾 |
定位字符(anchoring)：
這部分兩個定位就是^和$，一行的開頭和結尾
反斜線跳脫：
利用反斜線的跳脫字符，可以match一些特殊的字符，主要分為四類：
- 特殊符號類
- 與字集相同的設定，可以match一個字集
- 定位字符類
- 數字指定類
整理如下：
特殊符號類：
| 表示法 | 比對 | 等同符號表示 |
|---|---|---|
| \a | Alert character | |
| \b | Backspace character | \u0008 |
| \e | Escape character | \u001B |
| \n | Newline | \u000A |
| \B | Backslash | \\ |
| \0 | NULL | \u0000 |
| \r | Carriage return | \u000D |
| \t | Horizontal tab | \u0009 |
| \f | Form feed | \u000C |
| \v | Vertical tab | \u000B |
| \cx | Control-x |
字集類：
| 表示法 | 比對 | 等同表示法 |
|---|---|---|
| \d | 數字 | [[:digit:]] |
| \D | 非數字 | [^[:digit:]] |
| \s | 空白類字符 | [[:space:]] |
| \S | 非空白類字符 | [^[:space:]] |
| \w | 字母+數字+底線 | [[:alnum:]] |
| \W | 非以上組合 | [^[:alnum:]] |
字位字符類：
| 表示法 | 比對 |
|---|---|
| \A | 字串開頭 |
| \Z | 字串結尾 |
| \m | 單字開頭 [[:<:]] |
| \M | 單字結尾 [[:>:]] |
| \y | 單字開頭或單字結尾 |
| \Y | 非\y |
數字指定類：
| 表示法 | 比對 |
|---|---|
| \unnnn | 16-bits Unicode character code |
| \Unnnnnnnn | 32-bits Unicode character code |
| \xhh | Consumes all hex digits after \x, 8-bit hexadecimal character code |
| \x, \xy, \xyz | xyz為數字，這個可以是back reference，或者是8-bit octal character code |
Nongreedy(非貪婪？這怎麼翻(yay))：
之前提過RE的規則是愈長愈好，設定Nongreedy即是變成愈短愈好，使用的是? 加在第三項的數量(quantifiers)比對後面。
比如說我們要match整個輸入中的第一行，如果寫：
.+\n 這樣會match整個輸入，直到最後一個\n符號，其中包括很多很多換行符號。
.+?\n 設定+為nongreedy，則遇到第一個\n就會結束比對
或者我們要抓中間的文字：
<title>(.*?)</title>
所有的數量比對加?在後面都會變成non-greedy，??代表０次優先，{1,3}?則會以1,2,3的順序去match。
Back reference：
這個規則比較重在要把內容存到暫存裡的狀況，一般的狀況下似乎不太用到。
在正規表示式中除了直接match的結果外，還可以用小括號()來記錄子比對的結果：例如(.*?)，除了match整段文字外，可以取出兩個tag中間的文字內容。
要取出這個這個比對結果，可以用Back reference，使用的方式是 \1, \2, \3，依數字對應到各比對結果，比對結果的排序為"外到內，左到右”，如下所示：
(1(2))(3)，注意 \1 是包括自己跟 \2 的內容。
look ahead：
另一方面，如果我們只想要比對，卻懶得管一些比對的內容呢？
這就需要look ahead，我想到最需要誕個功能的地方是rename，我要改掉所有txt檔，卻只要取出檔名的部分，這時候就需要look ahead。
例如我要取出副檔名為.txt的文件名稱：
^.*\.txt$，可以，但記錄下來的是：lalala.txt
- .txt是不需要記錄的 positive look ahead：
^.*(?=\.txt)$，記錄的就只有lalala - negative look ahead：
^.*(?!\.txt)$，這反過來，比對出非.txt結尾的檔案名稱。
還有一個是(?:pattern)，同樣也是不記錄pattern中的內容，但跟look-ahead的差異點在哪我就不是很確定了。
其實主要的功能就上述這些，我提的那本書還有兩個功能，一個是collating element [.identifier.]，只是書裡沒說得很清楚，我也還沒試出幹什麼用的…； 另一個是Equivalent class [=char=]，只有比對Unicode例如 [=o=]可以比對 o, ō, ŏ，但平常好像也用不到。
如果是有關C語言中，有關scanf的部分，可以參考scanf的整理，一些基本的正規表示法語法在scanf中其實是有支援的，請見：
scanf整理