shellNote--day16

shellNote

day16

linux中的正则表达式

linux中有两种正则表达式引擎:

@ posix基础正则表达式引擎(BRE,basic regular expression)

@ posix扩展正则表达式引擎(ERE,extanded regular expression)

大多数linux工具至少符合BRE规范;

• BRE模式

  • 纯文本

    直接使用纯文本来匹配模式;

    正则表达式模式区分大小写;

    $ echo "This is a test" | sed -n '/test/p'
    This is a test
    $ echo "This is a test" | sed -n '/Test/p'
    $
    

  • 特殊字符

    .*[]^${}\+?|()

    要用到以上特殊字符,需要对其转义,转义符号为反斜杠;

    $ echo "This is a $" | sed -n '/\$/p'
    This is a $
    

  • 锚字符

    • 锁定在行首

      脱字符^定义从数据流中文本行的行首开始的模式;

      所以要用^字符,就必须放在正则表达式指定模式的前面;

      $ echo "The book store" | sed -n '/book/p'
      $
      $ echo "The book store" | sed -n '/^Th/p'
      The book store
      $
      

      如果正则表达式中只用了脱字符,就不需要对其转义,如果先指定了脱字符,另外还有^本文字符,就需要对其转义;

    • 锁定在行尾

      美元符$定义了行尾锚点;

      必须放在文本模式之后来指明数据行以该文本模式结尾;

      $ echo "The book store" | sed -n '/re$/p'
      The book store
      $ echo "The book store" | sed -n '/stor$/p'
      $
      

    • 组合锚点

      $ cat data
      This is a book
      This is a book too
      $ sed -n '/^This is a book$/p'
      This is a book
      $
      

  • 点字符

    .字符用来匹配除换行符之外的任意单个字符;

    $ cat data
    This is a test of a line.
    The cat is sleeping.
    That is a very nice hat.
    This test is at line four.
    at ten o'clock we'll go home.
    $ sed -n '/.at/p' data
    The cat is sleeping.
    That is a very nice hat.
    This test is at line four.
    $
    

  • 字符组

    使用方括号来定义一个字符组;

    方括号中包含你希望出现的字符;

    $ echo "Yes" | sed -n '/[Yy]es/p'
    Yes
    $ echo "yes" | sed -n '/[Yy]es/p'
    yes
    $
    

  • 排除字符组

    可以寻找字符组中以外的字符;

    在字符组的开头加一个脱字符,就组成排除字符组;

    $ cat data
    This is a test of a line.
    The cat is sleeping.
    That is a very nice hat.
    This test is at line four.
    at ten o'clock we'll go home.
    $ sed -n '/[^ch]at/p' data
    This test is at line four.
    $
    

  • 字符区间

    可以使用单破折线来指定一个字符区间;

    [0-9],[a-z]

  • 星号字符

    在字符后放置*号表明字符必须在模式中出现0次或多次;

    $ echo "ik" | sed -n '/ie*k/p' 
    ik
    $
    

  • 特殊字符组

组	描述
[[:alpha:]]	匹配任意字母字符,不区分大小写
[[:alnum:]]	匹配任意字母数字字符0-9a-zA-Z
[[:blank:]]	匹配空格或制表符
[[:digit:]]	匹配数字
[[:lower:]]	匹配小写字母字符
[[:print:]]	譬如任意可打印字符
[[:punct:]]	匹配标点符号
[[:space:]]	匹配任意空白符:空格,制表符,NL,FF,VT,CR
[[:upper:]]	匹配任意大写字母字符

$ echo "abc123" | sed -n '/[[:digit:]]/p' 
abc123
$

• ERE模式

  • 问号

    ?字符表明前面的字符可以出现0次或1次;

    $ echo "bt" | gawk '/be?t/{print $0}'
    bt
    $ echo "beeeet" gawk '/be?t/{print $0}'
    $
    

  • 加号

    +字符表明前面的字符可以出现1次或多次;

    $ echo "bt" | gawk '/be+t/{print $0}'
    $
    $ echo "beeeet" gawk '/be+t/{print $0}'
    beeeet
    $
    

  • 使用花括号

    花括号可以指定重复次数或出现范围上下限:

    • m: 正则表达式准确出现m次;
    • m,n: 正则表达式至少出现m次,最多出现n次;

    $ echo "bt" | gawk --re-interval '/b{1}t/{print $0}'
    $
    $ echo "bet" | gawk --re-interval '/b{1}t/{print $0}'
    bet
    $ echo "beet" | gawk --re-interval '/b{1}t/{print $0}'
    $
    

  • 管道符号

    |符号允许使用逻辑或的方式指定正则表达式用两个或多个模式;

    expr1|expr2

    $ echo "The cat is asleep" | gawk '/cat|dog/{print $0}'
    The cat is asleep
    $
    

  • 表达式分组

    正则表达式可以用圆括号进行分组,当被分组后,该组会被看做一个标准字符;

    $ echo "cat" | gawk '/(c|b)a(b|t)/{print $0}'
    cat
    $ echo "Sat" | gawk '/Sat(urday)?/{print $0}'
    Sat
    $ echo "Saturday" | gawk '/Sat(urday)?/{print $0}'
    Saturday
    $