在“任何地方”都能正常工作的正则表达式Regular expressions that work “everywhere”

正则表达式最令人沮丧的一点在于其实现方式各不相同。在某个工具中受支持的功能，在另一个工具中可能完全不被支持，或者虽然支持，但语法上存在细微差异。

我是在 Perl 环境下学习正则表达式的，这是一个大而全的正则环境。这导致当我发现原本期望能用的功能缺失时，会感到十分沮丧 [1]。解决这个问题的方法之一是使用其他工具中类似 Perl 的等价功能，但这非常不标准。我希望能发给同事和客户可以直接开箱即用的代码。

正如我在关于“计算生存主义”的文章中所提到的，我偶尔需要在无法安装软件的电脑上工作。因此，更好的方法是找出一个能在任何地方通用的正则表达式功能子集。你对“任何地方”的定义越严格，这个子集包含的内容就越少。最严格的子集将是：

对“任何地方”更宽松一点的定义，就是你最关心的那些工具。目前，我最希望能配合正则表达式使用的工具是 sed、awk、grep 和 Emacs。

以 Awk 作为最小公分母

如果你使用 GNU 版本的 sed、awk 和 grep，并在 sed 和 grep 中使用 -E 选项，那么通用功能的列表会更长。这三个工具的正则表达式功能十分相似，并且 awk 的功能在其他工具中也受支持，但有一个例外：awk 中的单词边界是 \< 和 \>，而不是 \b 和 \B。

我曾在这里写过关于 Awk 正则表达式特性的文章。

特立独行的 Emacs

Emacs 支持大多数 awk 正则表达式功能的等价形式。然而，这些字符

    + ? ( ) { } |

都需要在前面加上反斜杠，才能实现与 awk 中对应功能相同的效果。此外，awk 中 \s 和 \S 的等价形式在 Emacs 中是 \s- 和 \S-。

在 Emacs 中，\s 和 \S 并不表示空格或非空格，而是开启一个（反向）字符类，其中表示空格的类是 -。但还有很多其他的类。例如，\s. 代表标点字符，而 \S. 代表非标点字符。

处处通用的功能

因此，按照我对“任何地方”的定义，加上前面提到的注意事项，以下功能可以在任何地方通用。具体情况可能因人而异（YMMV）。

    .
    ^, $
    […], [^…]
    *
    \w, \W, \s, \S
    \1 - \9 backreferences
    \b \B
    ? + 
    | alternation
    {n,m} for counting matches
    (...) capturing

需要补充说明的是，gawk 支持在替换字符串中使用反向引用，但在正则表达式本身中并不支持。

[1] 在某种程度上，Perl 的基础功能可以在其他地方使用，而高级功能则不能，这取决于你对基础或高级的定义。我认为环视（look-around）功能是高级功能，事实也确实如此。但我认为代表数字的 \d 属于基础功能，然而许多正则表达式流派并不支持它。