正则表达式阶段性记录

昨天在写一个diff脚本的时候，需要过滤#开头的注释，以及过滤掉过滤#后出现的空行，Google后我的脚本变成了grep -v '^#' | grep -v '^$' 这样，可用但是并太不明白^$的意思，猜测可能是开始即结束？

因为我尝试加上几个空格匹配会失败，且改成 grep -v '^#'|grep -Ev '^\s+$' 是可以的，今天又搜了下想确认猜测，然而并没有找到相关的说明，但是也有其他收获。

首先是梳理了下正则的各种分支和规范，比如POSIX、Perl、RE2等以及包含的子集。

其次是匹配包括换行的写法，以前在写PHP的时候比较习惯使用flag，比如i、s、U这些，现在又多了几种写法：[\s\S]*、[\d\D]*、[\w\W]*、[\v\V]*、[\h\H]*。

是不是挺迷惑，我一开始也是，那现在再来回顾下语法：

\d    数字，[0-9]
\D    非数字，[^0-9]
\s    白空格，[\t\n\f\r ]
\S    非白空格，[^\t\n\f\r ]
\w    整个单词，[0-9A-Za-z_]
\W    非整个单词，[^0-9A-Za-z_]
\h    水平空格
\H    非水平空格
\v    垂直空格
\V    非垂直空格

以 [\d\D]* 来说（其他都一样）数字和非数字，可不就是包括了全部字符嘛。

最后这个感觉最新奇，匹配所有的英文：[ -~]* 和非英文：[^ -~]*，是不是更迷惑了？再看看，想一想 [a-zA-Z0-9] 是不是就有点感觉了，所以这两种写法是匹配Ascii表中从空格 到波浪号~范围内的全部字符，借用一张图：

对这个的中文描述是：可打印字符，包含了可见字符和空格，即：图形字符、数字、标点符号、空格，正则对Ascii字符的分组可以看参考连接的最后一个，或者 从 Golang 正则式讲起的 3.10 章节。

PS：
额外提一下，GoLang的正则也支持设置flags，写法实例：regexp.Compile(\`(?is)([a-z]+)\`)，注意这里是使用的反引号。

参考：
POSIX正则表达式
正则表达式匹配任意字符（包括换行符）的写法
在线正则表达式测试
从 Golang 正则式讲起
Regular expression for all printable characters in JavaScript
Character-Classes-and-Bracket-Expressions