正则表达式

1 正则表达式

知识回顾：
通配符 Linux 命令中可使用通配符替代或者识别某一些文件名
*：代表任意字符，0个或多个字符
?：代表任意字符，有且只有一个
[xxxx]：代表的是任意一个中括号内的列表中的字符

通配符通常会用在模糊查询的场景中，而正则表达式匹配的精确度比通配符更高

查文件：通配符
查内容：正则表达式

1.1 概念

• 正则表达式—通常用于判断语句中，用来检查某一字符串是否满足某一格式
• 正则表达式是由普通字符与元字符组成，普通字符包括大小写字母、数字、标点符号及一些其他符号
• 元字符是指在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符或表达式）在目标对象中的出现模式

基础正则表达式常见元字符：（支持的工具：grep、egrep、sed、awk）

\	转义字符，用于取消特殊符号的含义，例：\！、\n、\s等
^	匹配字符串开始的位置，例：^ a、^ the、^ #、^ [a-z]
$	匹配字符串结束的位置，例：word$、^ $匹配空行
.	匹配除\n之外的任意的一个字符，例：go.d、g…d
*	匹配前面子表达式0次或者多次，例：goo*d、go.*d
[list]	匹配list列表中的一个字符，例：go[olald，[abc]、[a-z]、[a-z0-9]、[0-9]匹配任意一位数字
[^list]	匹配任意非list列表中的一个字符，例：[^0-9]、[ ^A-Z0-9]、[ ^a-z]匹配任意一位非小写字母
\ {n\ }	匹配前面的子表达式n次，例：go\{2\}d、 '[0-9]\{2\}'匹配两位数字
\ {n,\ }	匹配前面的子表达式不少于n次，例：go\{2,}d、 '[0-9]\{2,\}'匹配两位及两位以上数字
\ {n,m\ }	匹配前面的子表达式n到m次，例：go\{2,3\}d、 '[0-9]\{2,3\}'匹配两位到三位数字
\w	匹配包括下划线的任何单词字符。\W：匹配任何非单词字符。等价于"[^A-Za-z0-9_]"
\d	匹配一个数字字符。\D：匹配一个非数字字符。等价于[^0-9]
\s	空白符。\S：非空白符

• \：可以把一些特殊的符号转换成普通的符号字符，还可以把一些普通字符转换特殊功能

grep是匹配包括这一内容的行

• ^：匹配字符串开始的位置；$：匹配字符串结束的位置
  
  
• .：匹配除\n之外的任意的一个字符；*：匹配前面子表达式0次或者多次
  
  
• [list]：匹配list列表中的一个字符

• [^list]：匹配任意非list列表中的一个字符
  
• \ {n\ }：匹配前面的子表达式n次；\ {n,\ }：匹配前面的子表达式不少于n次；\ {n,m\ }：匹配前面的子表达式n到m次

注：egrep、awk使用{n}、{n,}、{n,m}匹配时"{}“前不用加”"


扩展正则表达式元字符：（支持的工具：egrep、awk）grep -E、sed -r

+	匹配前面子表达式1次以上，例：go+d，将匹配至少一个o，如god、good、goood等
?	匹配前面子表达式0次或者1次，例：go?d，将匹配gd或god
()	将括号中的字符串作为一个整体，例1：g(oo)+d，将匹配oo整体1次以上，如good、gooood等
|	以或的方式匹配字条串，例：g(oo | la)d，将匹配good或者glad

1.2 案例1

匹配出符合南京的电话号码，匹配的号码都是红色的

02588888888  √
025-5555555555
025 12345678
025 54321678   √
025ABC88888
025-85432109  √

grep -P "^(025)(-|\s)?[58]\d{7}$" test2
egrep "^(025)[- ]?[58][0-9]{7}$" test2

1.3 案例2

输出下列符合要求的邮箱
用户名@子域名.[二级域名].顶级域
zhangsan123@qq.com      √
li_si@163.com         
wang@wu@sina.com
zhao liu@126.com 
qianqi@sina.com.cn      √

要求：
用户名@：长度要求在6-18位，任意大小写英文，任意数字，除了@符号和空格以外的其它任意符号字符，开头只能是_或者字母
子域名.[二级域名]：长度任意，符号只能包含-_.
.顶级域名：长度在2-5，任意大小写英文

用户名:^[_A-Za-z][^@ ]{5,17}首字符去掉，所以是5-17位
长度要求在6-18位：{6,18}
任意大小写英文：[A-Za-z0-9]
除了@符号和空格以外的其它任意符号字符：[^@ ]
开头只能是_或者字母：^[_A-Za-z]

子域名.[二级域名]：[A-Za-z0-9_\-\.]+（-.会有特殊意义，所以加\）

.顶级域名：\.([A-Za-z]{2,5})$