Linux 正则表达式

正则表达式（regular expression）描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。 grep、sed、awk、expr或vi中经常用到正则表达式。想要学好shell编程，就必须精通正则表达式。
正则表达式是一个字符和元字符组合成的字符集，它们匹配一个模式。字符即普通字符（如字符a 到 z），元字符即特殊字符（如^$*等）。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。一个正则表达式包含下面一个或多个项：

• 一个字符集
• 这里的字符集里的字符表示的就是它们字面上的意思.正则表达式最简单的情况就是仅仅由字符集组成,而没有其他的元字符。
• 锚
  一个锚指明了正则表达式在一行文本中要匹配的位置，例如^和$就是锚。
• 修饰符
  它们用于展开或缩小正则表达式匹配文本行的范围，包括星号、括号和反斜杠。

常用的元字符集及其含义：

范围：

注：{}和()需要转义，\{..\}和\(..\)

egrep 和grep -E 相似，支持正则表达式的grep
-o 参数：依据给定的模式匹配，匹配到什么显示什么，而不会显示多余的东西。
grep不认制表符

[root@admin ~]# echo "1188833" | egrep "11888*"
1188833
[root@admin ~]# echo "1188833" | egrep -o "11888*"
11888
[root@admin ~]# echo "1188833" | egrep -o "11883*"
1188
[root@admin ~]# echo "1188833" | egrep -o "1188*3*"
1188833

实例练习及分析：（注：下面使用grep来进行正则表达式的演示，有些时候利用到grep的特性了，但注意不要跟正则的特性混淆了。）

” * ” — 星号

[root@admin ~]# echo "148" | egrep "1488*" 
148   #这里的8就匹配了0次

[root@admin ~]# echo "14888" | egrep "1488*"
14888  #这里的8匹配了2次

特列：

[root@admin home]# cat 11.txt | egrep "*"
aaaaa
bbbb
cccc
[root@admin home]# cat 11.txt | egrep -o "*"

从上面的结果可以看出，* 号只在它前面有字符的时候，才代表匹配前面的字符0次、1次、或多次。但如果前面没有任何字符，并且也没有-o参数时，*号代表的是任意字符，这时就会抓取出所有的内容，这体现了正则的贪婪性。如果加了-o参数，代表按照给定的模式匹配，此时*前面没有字符，代表的是空，没有什么实际含义，每一行的开头和结尾都是空，所以什么也抓取不到。

[root@admin home]# cat 11.txt
aaaaa
bbbb
cccc
[root@admin home]# cat 11.txt | egrep "d*"
aaaaa
bbbb
cccc

从上面的结果看出，d* 匹配d 0次、1次或多次，但是文件中没有d存在，所以匹配不到d，结果为空，就相当于cat 11.txt | egrep “”，把所有的内容都抓取出来了。

#匹配文本中有连续c的行
[root@admin home]# cat 11.txt | egrep "ccc*"
cccc
所谓连续就必须是2个或者2个以上，所以用ccc*

” . ” – 点号
注：点号仅能代表一个可见的字符，如字母a-z A-Z，数字0-9，特殊字符@#￥*，制表符\t，空格等，唯一不能代表的就是换行符\n。

[root@admin home]# cat 11.txt | egrep "."
aaaaa
bbbb

   cccc
[root@admin home]# cat 11.txt | egrep -o "."
a
a
a
a
a
b
b
b
b





c
c
c
c
[root@admin home]# cat 11.txt | egrep -o ".."
aa
aa
bb
bb


 c
cc
#两点就是匹配两个字符

从上面的运行结果来看，加参数-o和不加参数-o是有很大区别的。加-o参数，点号仅匹配一个任意字符，按照给定模式匹配的原则，所以它会把所有的单个字符都匹配一遍，然后都列出来，能匹配除空行是因为空行中有制表符\t或者是空格符。

” . “点号 和 ” * “星号的混用

[root@admin home]# cat 11.txt | egrep ".*"
aaaaa
#这行是直接推的回车
bbbb
        #这行是2个制表符
   cccc   #前面有有几个空格
[root@admin home]# cat 11.txt | egrep -o ".*"
aaaaa
bbbb

   cccc

点星（” .* “）通常情况下，在正则表达式中代表的是所有的符号，包括可见的和不可见的。但是它在很大程度上还是要取决于-o参数。从上面的运行结果看来，不加-o参数，能抓取出所有的内容，包括换行符\n，因为此时虽然点” . “不能代表换行符，但是*号是可以代表0个的，这就回到刚才上面的命令语句了cat 11.txt | egrep “”，所以能抓取出所有的。但是加了-o参数以后，还是按照给定模式匹配的原则，因为点” . “不能匹配出换行符\n，并且-o参数也是显示不出空行的，所以直接就抓取不出有换行符\n的行了。

[root@admin home]# cat 11.txt | egrep -o ".+"
aaaaa
bbbb

   cccc
[root@admin home]# cat 11.txt | egrep -o "..*"
aaaaa
bbbb

   cccc

” + “加号代表1个或多个，”* “星号代表0个或多个，使用加号就避免了星号的0个，匹配不出结果的情况，所以在能使用加号的情况下尽量使用加号（+），但是你不确定你的正则表达式要用在grep或sed或awk里边，那就将” .+ “号换成” ..* “，这是一个最通用的写法。

^ — 匹配开头

[root@admin home]# cat 11.txt
aaaaa

bbbb

ccccbbbcccdddfgg

#抓取以连续c开头的行
[root@admin home]# cat 11.txt | egrep "^ccc*"
ccccbbbcccdddfgg
[root@admin home]# cat 11.txt | egrep "ggg*$"
ccccbbbcccdddfgg

$ – 匹配结尾
有开头匹配就有结尾匹配

[root@admin home]# cat 11.txt
aaaaa

bbbb

ccccbbbcccdddfgg

#抓取以连续g结尾的行
[root@admin home]# cat 11.txt | egrep "ggg*$"
ccccbbbcccdddfgg

[root@admin home]# cat 11.txt | egrep "^ *$"  
#这是匹配出空行

[] – 方括号，一般用来表示范围，匹配方括号中的一个字符

[root@admin home]# echo "12345aabbccf" | egrep "[2]"
12345aabbccf

#表示0-9的数字，未加-o参数时，抓取出全部
[root@admin home]# echo "12345aabbccf" | egrep "[0-9]"
12345aabbccf

#加-o参数，表示分别匹配0-9的数字
[root@admin home]# echo "12345aabbccf" | egrep -o "[0-9]"
1
2
3
4
5

#匹配2位数字，当有落单的就不匹配了。
[root@admin home]# echo "12345aabbccf" | egrep -o "[0-9][0-9]"
12
34

#匹配出所有数字
[root@admin home]# echo "12345aabbccf" | egrep -o "[0-9][0-9]*"
12345

#^ -- 用在方括号中表示非，如下匹配出所有连续非数字的字符串
[root@admin home]# echo "12345aabbccf" | egrep -o "[^0-9][^0-9][^0-9]*"
aabbccf

\<..> – 锚符号，用于正则中匹配一个单词，\表示转义符

[root@admin home]# echo "thisisaaa" | egrep "\<this"
thisisaaa #开头

[root@admin home]# echo "this is aaa" | egrep "\<this\>"
this is aaa #匹配存在单词的行

[root@admin home]# echo "thisisaaathis" | egrep "this\>"
thisisaaathis #结尾

#有时候匹配单词也可以如下写法：
[root@admin home]# echo "this is aaa" | egrep "^this "
this is aaa