Linux grep命令分析以及C语言版本的实现

1.作用

Linux系统中grep命令是一种强大的文本搜索工具，它能使用正则表达式搜索文本，并把匹 配的行打印出来。grep全称是Global Regular Expression Print，表示全局正则表达式版本，它的使用权限是所有用户。

2.格式

grep [options]

3.主要参数

[options]主要参数：
－c：只输出匹配行的计数。
－I：不区分大 小写(只适用于单字符)。
－h：查询多文件时不显示文件名。
－l：查询多文件时只输出包含匹配字符的文件名。
－n：显示匹配行及 行号。
－s：不显示不存在或无匹配文本的错误信息。
－v：显示不包含匹配文本的所有行。
pattern正则表达式主要参数：
\： 忽略正则表达式中特殊字符的原有含义。
^：匹配正则表达式的开始行。
$: 匹配正则表达式的结束行。
\<：从匹配正则表达 式的行开始。
\>：到匹配正则表达式的行结束。
[ ]：单个字符，如[A]即A符合要求 。
[ - ]：范围，如[A-Z]，即A、B、C一直到Z都符合要求 。
。：所有的单个字符。
* ：有字符，长度可以为0。

4.grep命令使用简单实例

$ grep ‘test’ d*
显示所有以d开头的文件中包含 test的行。
$ grep ‘test’ aa bb cc
显示在aa，bb，cc文件中匹配test的行。
$ grep ‘[a-z]\{5\}’ aa
显示所有包含每个字符串至少有5个连续小写字符的字符串的行。
$ grep ‘w\(es\)t.*\1′ aa
如果west被匹配，则es就被存储到内存中，并标记为1，然后搜索任意个字符(.*)，这些字符后面紧跟着 另外一个es(\1)，找到就显示该行。如果用egrep或grep -E，就不用”\”号进行转义，直接写成’w(es)t.*\1′就可以了。

5.grep命令使用复杂实例

假设您正在’/usr/src/Linux/Doc’目录下搜索带字符 串’magic’的文件：
$ grep magic /usr/src/Linux/Doc/*
sysrq.txt:* How do I enable the magic SysRQ key?
sysrq.txt:* How do I use the magic SysRQ key?
其中文件’sysrp.txt’包含该字符串，讨论的是 SysRQ 的功能。
默认情况下，’grep’只搜索当前目录。如果 此目录下有许多子目录，’grep’会以如下形式列出：
grep: sound: Is a directory
这可能会使’grep’ 的输出难于阅读。这里有两种解决的办法：
明确要求搜索子目录：grep -r
或忽略子目录：grep -d skip
如果有很多 输出时，您可以通过管道将其转到’less’上阅读：
$ grep magic /usr/src/Linux/Documentation/* | less
这样，您就可以更方便地阅读。

有一点要注意，您必需提供一个文件过滤方式(搜索全部文件的话用 *)。如果您忘了，’grep’会一直等着，直到该程序被中断。如果您遇到了这样的情况，按 <CTRL c> ，然后再试。

下面还有一些有意思的命令行参数：
grep -i pattern files ：不区分大小写地搜索。默认情况区分大小写，
grep -l pattern files ：只列出匹配的文件名，
grep -L pattern files ：列出不匹配的文件名，
grep -w pattern files ：只匹配整个单词，而不是字符串的一部分(如匹配’magic’，而不是’magical’)，
grep -C number pattern files ：匹配的上下文分别显示[number]行，
grep pattern1 | pattern2 files ：显示匹配 pattern1 或 pattern2 的行，
grep pattern1 files | grep pattern2 ：显示既匹配 pattern1 又匹配 pattern2 的行。

grep -n pattern files  即可显示行号信息

grep -c pattern files  即可查找总行数

这里还有些用于搜索的特殊符号：
\< 和 \> 分别标注单词的开始与结尾。
例如：
grep man * 会匹配 ‘Batman’、’manic’、’man’等，
grep ‘\<man’ * 匹配’manic’和’man’，但不是’Batman’，
grep ‘\<man\>’ 只匹配’man’，而不是’Batman’或’manic’等其他的字符串。
‘^’：指匹配的字符串在行首，
‘$’：指匹配的字符串在行 尾，

C语言的实现

#define ESIZE 1024
#define INIT register unsigned char *sp=instring;
#define GETC() (*sp++)
#define PEEKC() (*sp)
#define UNGETC(c) (--sp)
#define RETURN(c) return c;
#define ERROR(c) { regerr(c); return(NULL); }

#include "stdio.h"
#include "string.h"
#include "regexp.h"

int i;
unsigned char *nextpos;
static unsigned char lbuf[512], ebuf[ESIZE];
FILE *fp;
int regerr();

main(argc,argv)
int argc;
unsigned char *argv[];
{
	if (argc < 3) 
	{
		fprintf(stderr,"Use: %s regular_expr files ..\n", argv[0]);
		exit(-1);
	}
	if (nextpos=compile(argv[1], ebuf, &ebuf[ESIZE],'\0'))
		for (i=2;i < argc;i++) 
		{
			if ((fp=fopen(argv[i],"rb"))==NULL)
				printf("%s: read failure.\n",argv[i]);
			else while (fgets(lbuf,sizeof(lbuf),fp))
				if (step(lbuf,ebuf)) printf("%s: %s",argv[i],lbuf);
				fclose(fp);
		}
}

int regerr(c)
int c;
{
	fprintf(stderr,"Error %d.\n", c);
} 

附：

流程：  
1.检查参数个数是否为两个
2.编译第一个参数，（正则）
3.第两个参数所指的文件是否能打开？
4.匹配

#define INIT register unsigned char *sp=instring;
#define GETC() (*sp++)
#define PEEKC() (*sp)
#define UNGETC(c) (--sp)
#define RETURN(c) return c;
#define ERROR(c) { regerr(c); return(NULL); }

估计是 regexp.h 里所需要的宏

compile() 编译正则表达式，使用正则表达式step()匹配字符串。

compile(instring, expbuf, endbuf, eof)
compile() 输入字符串
下一个参数expbuf 是字符指针。它指向已编译正则表达式将要放置的位置。
参数endbuf 是除最高地址以外的可以放置已编译正则表达式的位置。如果已编译表达式不适合(endbuf .expbuf )
字节
参数eof 是标记正则表达式结尾的字符。
将instring编译为正则表达式，放入expbuf中。

step(string, expbuf )
step() 的第一个参数是指向为匹配而检查的字符串的指针。此字符串应该以null 结尾。
第二个参数expbuf 是通过调用compile() 而获取的已编译正则表达式。

这两个函数比较难用！
附一个好用一点的：

int match(const char* str, char* pattern)
{
int i;
regex_t re;
char buf[256];
i = regcomp(&re, pattern, REG_EXTENDED | REG_NOSUB);
if (i != 0)
{
(void) regerror(i, &re, buf, sizeof buf);
//printf("%s\n",buf);
return(0);
}
i = regexec(&re, str, (size_t) 0, NULL, 0);
regfree(&re);
if (i != 0)
{
(void) regerror(i, &re, buf, sizeof buf);
//printf("%s\n",buf);
return(0);
}
return(1);
}