正则表达式详解：BRE、ERE、PCRE语法与实战案例

正则表达式是 grep、sed、awk 共同的"底层语言"。前面三篇反复提到 BRE、ERE、PCRE，这一篇把它们放一起讲透：元字符怎么写、转义差异在哪、贪婪和非贪婪怎么回事，再给几个能直接抄的实战模式。正则这东西不靠背，靠对照和练。

一、三种方言先看清楚

Linux 上常见的正则方言有三种，搞混了写出来的命令要么不匹配，要么报语法错：

方言	全称	谁在用	特点
BRE	Basic Regular Expression 基本正则	默认 grep、sed	`+ ?
ERE	Extended Regular Expression 扩展正则	grep -E、sed -E、awk	元字符直接写，不支持 \d \w \s
PCRE	Perl Compatible Regular Expression	grep -P、rg、python -c、大多数现代语言	支持 \d \w \s \b、非贪婪、零宽断言

一个直观对比：匹配"一个或多个数字"。

grep "[0-9]\+" app.log          # BRE：+ 要加反斜杠
grep -E "[0-9]+" app.log        # ERE：直接写 +
grep -P "\d+" app.log           # PCRE：\d 最简洁

同一件事三种写法，差别就在于方言。

二、基础元字符表

元字符	含义	示例
.	任意一个字符（除换行）	a.c 匹配 abc、a1c
^	行首	^error 匹配行首是 error
$	行尾	log$ 匹配以 log 结尾
*	前面那一项出现 0 次或多次	ab*c 匹配 ac、abc、abbc
+	前面那一项出现 1 次或多次（ERE/PCRE）	ab+c 匹配 abc、abbc，不匹配 ac
?	前面那一项出现 0 次或 1 次（ERE/PCRE）	colou?r 匹配 color、colour
[abc]	字符类，匹配其中任意一个	[aeiou] 匹配元音
[^abc]	取反，匹配不在其中的字符	[^0-9] 匹配非数字
[a-z]	范围	[A-Za-z] 匹配字母
(...)	分组，捕获（ERE/PCRE 直接写；BRE 要写 \(...\)）	(ab)+ 匹配 abab
|	或（ERE/PCRE）	cat|dog 匹配 cat 或 dog
\	转义	\. 匹配真实的点

三、量词：*、+、?、{m,n}

量词决定"前面那个东西重复几次"。

写法	含义
*	0 次或多次
+	1 次或多次
?	0 次或 1 次
{n}	正好 n 次
{n,}	至少 n 次
{n,m}	n 到 m 次

BRE 下 + ? | () {} 全是字面字符，要写得加反斜杠：\+、\?、\|、\(\)、\{n,m\}。ERE 下直接写。

grep -E "error [0-9]{3,5}" app.log     # ERE：直接写 {3,5}
grep "error [0-9]\{3,5\}" app.log      # BRE：要加反斜杠

四、分组、捕获和反向引用

把一段模式用括号包起来就是一个捕获组。后面可以用 \1、\2 引用它匹配到的内容。

比如把 employees.csv 里工号和姓名互换：

sed -E 's/^([0-9]+),([^,]+),/\2,\1,/' employees.csv

([0-9]+) 是第 1 个分组，([^,]+) 是第 2 个分组。替换串里 \1 代表第一个分组匹配到的内容，\2 代表第二个。

只分组不捕获的写法是 (?:...)，但这是 PCRE 语法，BRE/ERE 不支持。

五、BRE vs ERE 转义差异对照表

这张表是本章核心，建议收藏：

元字符	BRE 写法	ERE 写法	含义
或	a|b	a|b 或 a|b	匹配 a 或 b
分组	\(ab\)+	(ab)+	把 ab 看成整体
一次或多次	ab\+	ab+	b 重复 ≥1 次
0 次或 1 次	ab\?	ab?	b 出现 0 或 1 次
重复 n 次	a\{3\}	a{3}	a 正好 3 次
重复 n 到 m 次	a\{2,4\}	a{2,4}	a 重复 2~4 次
`	( ) + ? { }`	字面字符	元字符

规律一句话：BRE 里的元字符在 ERE 里直接写；BRE 想把它们当元字符用，必须加反斜杠。

写脚本时最省事的做法：只要用到任何量词和括号，直接 grep -E 或 sed -E，从源头避开转义噩梦。

六、POSIX 字符类

在 [...] 里面还有一套 POSIX 定义的字符类，跨语言一致性比 [0-9]、[a-z] 更好：

写法	等价于	含义
[[:alnum:]]	[A-Za-z0-9]	字母数字
[[:alpha:]]	[A-Za-z]	字母
[[:digit:]]	[0-9]	数字
[[:lower:]]	[a-z]	小写字母
[[:upper:]]	[A-Z]	大写字母
[[:space:]]	空白字符	空格、Tab、换行
[[:punct:]]	标点符号	---
[[:xdigit:]]	[0-9a-fA-F]	十六进制字符

注意它必须写在 [] 里：[[:digit:]] 是"任意数字"，而 [:digit:] 单独写只是个普通字符列表，含义完全不同。这是新手高频坑。

grep -E "[[:digit:]]{4}" employees.csv     # 匹配连续 4 位数字

七、PCRE 扩展：grep -P 才有的东西

ERE 已经够用了，但遇到复杂需求 PCRE 才舒服：

写法	含义
\d	数字，等价 [0-9]
\D	非数字
\w	单词字符，等价 [A-Za-z0-9_]
\W	非单词字符
\s	空白（空格、Tab、换行）
\S	非空白
\b	单词边界（不占字符，只是个位置）
(?=...)	正向前瞻：后面必须匹配 ...
(?!...)	负向前瞻：后面不能匹配 ...
(?:...)	非捕获分组
*?、+?	非贪婪量词

示例：用 \b 做全词匹配

grep -P "\berror\b" app.log

这能匹配 error、error: 这种独立单词，但不会匹配 terror、errors。grep -w 也能做类似的事，\b 在脚本里更灵活。

八、贪婪与非贪婪原理

默认情况下，正则量词是贪婪的：能多吃就多吃。

拿一段文本：<div>hello</div><div>world</div>，模式是 <div>.*</div>。

• 贪婪匹配 ：.* 从第一个 <div> 一直吃到最后一个 </div>，结果是整段。

• 非贪婪匹配 ：.*? 吃到第一个 </div> 就停，结果是 <div>hello</div>。

  echo '

  hello
  world
  ' | grep -oP '
  .*?
  '

预期输出：

<div>hello</div>
<div>world</div>

去掉 ?，结果会变成一整行。这个差别在提取 HTML、XML、JSON 片段时是天壤之别。

非贪婪只在 PCRE 里有，ERE 不支持。

九、实战案例

案例 1：提取 IPv4 地址

grep -oE '([0-9]{1,3}\.){3}[0-9]{1,3}' access.log

这个模式能抓出所有形如 192.168.1.10 的字符串。它不验证 IP 合法性（999.999.999.999 也能匹配），但日志里够用。要严格合法 IP 得写更长的模式，日志场景没必要。

案例 2：从 Nginx 日志提取状态码和 URL

awk '{ status[$9]++ } END { for (s in status) print s, status[s] }' access.log

这其实是 awk 的活。正则单独做这事更脆，因为 Nginx 日志里 URL 里可能含引号和空格。

案例 3：邮箱匹配（够用版）

grep -oE '[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}' emails.txt

想做"严格符合 RFC 5322"的邮箱正则长得根本没法看，实际场景用这种宽松版就够。

案例 4：把日志里的手机号脱敏

sed -E 's/1[3-9][0-9]{9}/1**********/g' app.log

11 位手机号（第二位 3~9）全部替换成掩码。

案例 5：找代码里 TODO/FIXME

grep -rnE "(TODO|FIXME|XXX):" src/

十、⚠️ 常见错误

1. 点号没转义 。匹配 192.168.1.1 时写成 grep "192.168.1.1"，点号被当成"任意字符"，把 192x168y1z1 也匹配出来。匹配真实的点永远写 \.。
2. 在 BRE 里写 +、?、| 。结果要么匹配不到，要么把它们当字面字符搜。养成"用复杂正则就加 -E"的习惯。
3. 字符类写反 。[0-9] 是数字，^[0-9] 是"行首是数字"，[^0-9] 是"非数字"。^ 在 [] 里面和外面含义完全不同。
4. 贪婪模式翻车 。提取 HTML/JSON 时用 .*，结果一次吞掉整段。不确定时直接加 ? 改成非贪婪。
5. 把 \d 写进 grep 。grep "\d+" file 在大多数系统上匹配不到任何东西，因为 grep 默认 BRE 不认识 \d。要写 grep -P "\d+"。
6. 多行匹配问题 。. 默认不匹配换行。要跨行匹配，PCRE 用 (?s) 打开"点匹配换行"模式，或者用 [\s\S] 代替 .。

十一、知识扩展：什么时候该跳出 grep/sed 用 PCRE 工具

正则方言这事说到底是个工程取舍：

• 简单替换、找行 ：grep、sed 默认 BRE 就够，别给自己加戏。

• 要分组、或、量词 ：直接 grep -E、sed -E。

• 要 \d \w \b、非贪婪、零宽断言 ：上 grep -P，或者干脆用 Python 一行：

  python3 -c 'import re,sys; [print(m.group()) for line in sys.stdin for m in re.finditer(r"\b\d{1,3}(?:.\d{1,3}){3}\b", line)]' < access.log

• 搜代码库 ：装个 rg（ripgrep），默认 PCRE2 开关，速度快 10 倍以上。

• JSON/HTML/XML 解析 ：别用正则。jq、pup、xmllint 这些专门的解析器比正则健壮一个数量级。用正则抠 HTML 的人，到后来都会回来用解析器。

正则是把利器，但它不是万能。知道什么时候该放下正则，比会写多复杂的正则更值钱。