grep命令&正则表达式

Linux系统中grep是一种强大的文本搜索工具，按照关键字或正则表达式过滤文本，并把匹配的行打印出来。grep的全称是Global Regular Expression Print，表示的是全局正则表达式版本，使用权限时所有用户。

常用选项

-E：在扩展正则模式下
-P：在Perl正则模式下
-V：将不匹配的过滤出来
-r/-R：递归查找
-q：安静模式，不在屏幕上输出
-i：忽略大小写
-n：增加行号
-o：只输出文件中匹配到的部分

正则表达式

概念

正则表达式是用于描述一组字符串特征的模式，用来匹配特定的字符串。通过字符串+普通字符来进行模式描述，从而达到文本匹配目的的工具。

三要素

* 字符类
* 数量限定符
* 位置限定符

字符类

字符	含义	例子
.	匹配任意一个字符	.ab匹配aab、bab等
[]	匹配括号中的任意一个字符	[abc]d匹配ad、bd、cd
-	在[]内表示字符范围	[0-9]、[a-z]
^	位于[]内的开头，匹配除括号中的字符之外的任意一个字符	[^0-9]匹配除所有的数字任意一个字符
[[:xxx:]]	grep工具预定义的一些命名字符类	[[:alpha:]]匹配一个字母，[[:digit:]]匹配一个数字

数量限定符

字符	含义	例子
?	紧跟在其前面的单元匹配零次或一次	a?匹配a、ab、ac
+	紧跟在其前面的单元匹配一次或多次	ab+匹配abb、abbb、abbbb
*	紧跟在其前面的单元匹配零次或多次	ab*匹配ab、abbb、abbbb
{N}	紧跟在其前面的单元精确匹配N次	abc{3}匹配abccc
{N,}	紧跟在其前面的单元匹配至少N次	abc{3,}匹配abccc、abcccc
{,M}	紧跟在其前面的单元匹配最多M次	abc{,3}匹配abc、abcc、abccc
{N,M}	紧跟在其前面二等单元匹配至少N次最多M次	abc{1,3}匹配abc、abcc、abccc

位置限定符

字符	含义	例子
^	匹配行首的位置	^a匹配行首为a
$	匹配行末的位置	a$匹配以a结尾的行，^$匹配空行
\<	匹配单词开头的位置	\< th匹配以th开头的单词
>	匹配单词结尾的位置	\>is匹配以is结尾的单词
\b	匹配单词开头或结尾的位置	aaa\b匹配以aaa开头的单词，\baaa匹配以aaa结尾的单词
\B	匹配非单词开头和结尾的位置	\Bat匹配不以at开头的单词，at\B匹配不以at结尾的单词

特殊符号

字符	含义
\	转义字符，可以将普通字符转义为特殊字符，也可将特殊字符转换为普通字符
()	将正则表达式的一部分括起来组成一个单元
|	连接两个子表达式，表示或关系，只要任意一个匹配，即可匹配，称作析取符

我们发现，加上-E选项，就能匹配除，不加-E什么都没有，这是因为默认的是基本正则表达式，加上-E则是扩展正则表达式。其实，也可以使用egrep，也是扩展正则表达式。

正则表达式的模式

• 基础正则表达式(Basic)
• 扩展正则表达式(extended)
• Perl正则表达式(Perl)

区别：

1. 基础正则和扩展正则的规范基本相同，只是在Basic规范下，有些字符 ?、+、{}、()、| 解释为普通字符，要表示特殊含义需要加 \ 进行转义。

2. 在Extended规范下，这些符号被解释为特殊含义，要取其字面值，也要对其进行 \ 转义。

其他常用通用字符集及其替换

符号	替换正则	匹配
\d	[0-9]	数字字符
\D	[^0-9]	非数字字符
\w	[a-zA-Z0-9]	数字、字母、下划线
\W	[^\w]	非数字、字母、下划线
\s	[_\r\t\n\f]	会车、换行、制表符等空白区域
\S	[^\s]	非空白区域

\d、\D只有在Perl正则下才能匹配。

贪婪模式与非贪婪模式

我们知道，grep默认的就是贪婪匹配，会将一行中所有满足正则的全部匹配出啦。

而非贪婪模式是一旦发现匹配符合要求，立马匹配成功，而不会继续匹配下去（除非有g，开启下一组匹配）。

零宽断言

用于指定一个位置，这个位置应该满足一定的条件。
1.零宽度正预测
(?+正则表达式)
正则表达式所处位置之前，不包括正则表达式指定的位置的单元。
2.零宽度正后顾后发断言
(?<=正则表达式)
正则表达式所处位置之后，不包括正则表达式指定的位置的单元。

例子

1.过滤文本中的手机号码

2.非零的正整数

3.由数字和26个英文字母组成的字符串