正则表达式

正则表达式（regular expression）是一种表达字符串模式（文本结构）的体系，用于匹配符合规则（regular） 的字符串

与通配符 wildcard 的差别见通配符 vs 正则表达式

正则表达式通过限定符、元字符、字符组、字符类、或运算符

限定符

限定符用于对其前的一个字符进行出现次数的限定

• *： 0 次或多次
• ？： 0 次或 1 次
  • 在本机器的 wsl2 中，基本正则表达式不支持 ?，需要使用 egrep
• +：1 次或多次
• \{n,\m}：指定匹配次数，注意转义符

字符组

字符组可以将某字符串看组一个整体，弥补限定符只限制前一个字符的不足

• ()：将括号中的字符划归为一组

字符类

字符类用于完全替代一类字符

• [a-z]：小写字母
• [A-Z]：大写字母
• [0-9]：匹配数字
• [^]：脱字符

元字符

元字符用于完全替代一类字符

• \
  • d：decimal 数字，D 为非数字
  • w：单词，W 为非单词
  • s：空白符，S 为非空白符
• .：任意字符，除换行符
• ^：行首
• $：行尾
• \：转义字符, 使得特殊元字符去异

Tips

部分元字符（/d）与字符类（[0-9]）在使用上存在冗余，然而 [0-9] 更适合纯 ASCII 的生信数据，对新手也更加友好，请优先使用字符类

或运算符

• | ：在字符类中表示或运算
  • [0|9]

Warning

在 AI 的参与下，我大概率根本看不懂自己写的正则表达式，出现错误将无法修正。 初级阶段请减少使用并勤加练习