Linux正则表达式的初探

什么是正则表达式

正则表达式并不是一个工具程序，而是一种字符串处理的标准依据，如果要想用正则表达式来处理字符串，就要用支持正则表达式的工具。正则表达式是处理字符串的方法，它是以行为单位来进行字符串的处理行为，正则表达式通过一些特殊符号的辅助，可以很容易得达到查找、删除、某特定字符串的处理。通常情况下正则表达式分为基础正则表达式和扩展正则表达式。

正则表达式和bash的通配符(wildcard)是两个完全不同的概念，通配符是代表bash环境接口的一个功能。关于通配符的简单介绍，可以参考另一篇博文”bash环境中的通配符和特殊符号的简单介绍“。

语系对正则表达式的影响

不同的语系，字符的编码顺序可能不同，当对字符操作的时候，就会有不同的结果。

例如。LANG=C时；0 1 2 3 ... A B C D ... Z a b c d ...z

LANG=zh_CN时；0 1 2 3  ... a A b B c C d D ... z Z 如果你要用[a-z]来选择全部的小写字符的时候，就会得到不同的结构。 为了避免上面的这种编码顺序所造成的问题，当我们使用正则表达式的时候，有一些特殊的符号我们可以使用。

特殊字符	代表意义
[:alnum:]	使用英文大小写字符及数字，即 0-9，A-Z，a-z
[:alpha:]	代表任何英文大小写字符，即 A-Z，a-z
[:blank:]	代表空格键与[Tab]按键
[:cntrl:]	代表键盘上的控制按键，即包括CR，LF，Tab，Del...等等
[:digit:]	代表数字，即 0-9
[:graph:]	除了空格符(空格键与[Tab]按键)外的其他所有按键
[:lower:]	代表小写字符，即 a-z
[:print:]	代表任何可以打印出来的字符
[:punct:]	代表标点符号(punctuation symbol)，即: : ' ? ! ; : # $
[:upper:]	代表大写字符，即 A-Z
[:space:]	任何会产生空白的字符，包括空格键，[Tab]，CR等等
[:xdigit:]	代表16进制的数字类型，包括：0-9，A-F，a-f的数字与字符

基础正则表达式(BRE)字符介绍

RE字符	说明	例子
^string	待搜索的字符串(string)在行首	搜索行首为#的行 $grep '^#' test.txt
string$	待搜索的字符串(string)在行尾	搜索行尾为!的行 $grep '!$' test.txt
.	代表一定有一个任意字符	搜索[e一个任意字符e] $grep 'e.e' test.txt
\	转义字符，将特殊符号转义成一般字符	搜索含有单引号'的行 $grep \' test.txt
*	重复0个到无穷多个前一个RE字符	搜索含有er err errr等等的字符串 $grep 'err*' test.txt
[list]	中括号中只代表一个待搜索的字符	搜索含有agt，agr，agx的行 $grep 'ag[trx] test.txt
[n1-n2]	中括号中列出想要搜索的字符范围	搜索含有数字的行 $grep '[0-9]' text.txt
[^list]	中括号中列出不要的字符串或者范围	搜索的行中含有xx*，但是不能含有xxy $grep 'xx[^y]' test.txt
\{n,m\}	连续n到m个前一个RE字符	搜索含有good或者goood字符串的行 $grep 'go\{2,3\}d' test.txt

一些基础正则表达式例子：

[root@rhel6164 ~]# grep '[^a-z]oo' test.txt
#打印oo前面不含小写字母的行
[root@rhel6164 ~]# grep '[^[:lower:]]oo' test.txt
#因为上面表示的小写字母有可能会因为语系不同编码造成影响，可以用第二个命令
[root@rhel6164 ~]# grep '^$' test.txt 
# 打印出空白行
[root@rhel6164 ~]# grep '.*oo' test.txt
# .*表示任意字符，打印oo前面含有任意字符的行

特别注意*，表示重复前一个0到无穷多次的意思，为组合形态。例如e*就代表空字符或者一个e以上的字符。特别要注意是允许空字符。$grep 'e*' text.txt将会把所有的行都会打印出来。

扩展正则表达式(ERE)字符介绍

RE字符	说明	例子
+	重复一个或一个以上的前一个RE字符	搜索g含有od,good,goood...的字符串的行 $egrep 'go+d' test.txt
?	0个或一个的前一个RE字符	搜索含有gd,god两个字符串的行 $egrep 'go?d' test.txt
|	用或(or)的方式找出来的字符串	搜索含有gd或good两个字符串的行 $egrep 'gd|god' test.txt
( )	找出群组字符串	搜索含有glad或good字符串的行 $egrep 'g(la|oo)d test.txt
( )+	多个群组的判别	搜索含有AxyzxyzxyzC字符串的行 $egrep 'A(xyz)+C' test.txt