正则表达式介绍与基础

正则表达式介绍与基础

首先是正则表达式的特殊符号：

[:alnum:]代表英文大小写字母及数字

[:alpha:]代表英文大小写字母

[:blank:]代表空格和 tab 键

[:cntrl:]键盘上的控制按键，如 CR,LF,TAB,DEL

[:digit:]代表数字

[:graph:]代表空白字符以外的其他

[:lower:]小写字母

[:print:]可以被打印出来的任何字符

[:punct:]代表标点符号

[:upper:]代表大写字母

[:space:]任何会产生空白的字符如空格，tab,CR 等

[:xdigit:]代表 16 进位的数字类型

使用特殊符号查找小写字母：

grep -n '[[:lower:]]' regular_express.txt

使用特殊符号查找数字：

grep -n '[[:digit:]]' regular_express.txt

grep命令

参数说明：

• -a ：以 text 档案的方式搜寻 binary 档案数据

• -c ：计算找到 '搜寻字符串' 的次数

• -i ：忽略大小写的不同，所以大小写视为相同

• -n ：顺便输出行号

• -v ：反向选择，亦即显示没有 '搜寻字符串' 内容的行

grep -n 'the' regular_express.txt 
grep -in 'the' regular_express.txt

反向查找，当该行没有字符串'the'时才显示在屏幕上。

grep -vn 'the' regular_express.txt

字符组匹配

[ ] 可以用来查找字符组。

值得注意的是，无论 [ ] 中包含多少个字符，它都只代表一个字符。比如说，我们想要查找 tast 或者 test 这两个字符串，注意到二者的拼写大部分相同，都是 t?st 的形式，故此时可以使用 [ ] 进行查找：

grep -n 't[ae]st' regular_express.txt

字符组支持使用连字符 - 来表示一个范围。当 - 前后构成范围时，要求前面字符的码位小于后面字符的码位。

[^] 为反向选择字符组，用于排除后面的字符，使用方式为 [^...]。

需要注意 [^] 与参数 -v 的区别，尽管二者都表示反向选择，但是如果包含有反向选择的字符的行含有其他字符的话，[^] 仍会输出该行，而 -v 则只会输出不含有反向选择的字符的行。

下面给出一些应用示例：

[abc]                   ：表示 “a” 或 “b” 或 “c” 
​
[0-9]                   ：表示 0~9 中任意一个数字，等价于 [0123456789] 
​
[\u4e00-\u9fa5]         :表示任意一个汉字 
​
[^a1<]                  :表示除 “a”、“1”、“<” 外的其它任意一个字符
​
[^a-z]                  :表示除小写字母外的任意一个字符

使用 - 和 [^] 查找 Xoo 形式的字符串，要求 oo 之前不能包含小写字母：

grep -n '[^a-z]oo' regular_express.txt

回忆前一节所提到的正则表达式特殊符号，[:lower:] 表示小写字母，因此也可以使用

grep -n '[^[:lower:]]oo' regular_express.txt

这两者是等价的，但是可以看出，使用[a-z]来表示小写字母明显更加便捷，也更加灵活。

查找字符 oog。

grep -n 'oog' regular_express.txt

如果我不想要 oog 字符前面有 g，则使用 [^g]oog。

grep -n '[^g]oog' regular_express.txt

同理，若不想让字符 oog 前面为 g 或者 o，则使用 [^go]oog。

grep -n '[^go]oog' regular_express.txt

其中

grep -n '[^go]oog' regular_express.txt

返回结果为空，表示没有匹配到符合要求的字符串。

行首符 ^ 与行尾符 $

在第一个实验中，我们使用

grep -n 'the' regular_express.txt

查找含有 the 的字符串，如果你只想查找行首为 the 的字符行，则使用以下命令：

grep -n '^the' regular_express.txt

查找行首为大写字母的所有行：

grep -n '^[A-Z]' regular_express.txt

注意行首符 ^ 和反向选择 [^] 的区别，^[A-Z] 表示以大写字母开头。[^A-Z] 表示除了大写字母 A-Z 的所有字符。

行尾符 $ 的用法与行首符类似。

查找以字母 d 结尾的行：

grep -n 'd$' regular_express.txt

这里有一个小技巧，将行首符与行尾符连用，可以用来查找空行：

grep -n '^$' regular_express.txt

应用实例

查看 /etc/insserv.conf 文档

^$： 过滤掉空白行

^#： 过滤掉注释行（以 # 号开头）

cat -n /etc/insserv.conf
​
grep -v '^$' /etc/insserv.conf | grep -v '^#'

                    任意一个字符 . 与重复字符

查找 a?ou? 类型的字符：

grep -n 'a.ou.' regular_express.txt

其中小数点表示任意一个字符，一个小数点只能表示一个未知字符。

*（星号）：代表重复前面 0 个或者多个字符。
e*： 表示具有空字符或者一个以上 e 字符。
ee*，表示前面的第一个 e 字符必须存在。第二个 e 则可以是 0 个或者多个 e 字符。
eee*，表示前面两个 e 字符必须存在。第三个 e 则可以是 0 个或者多个 e 字符。
ee*e ：表示前面的第一个与第三个 e 字符必须存在。第二个 e 则可以是 0 个或者多个 e 字符。

下面的第一条命令与第二条命令由于允许存在空字符，所以会打印所有文本。

grep -n 'e*' regular_express.txt
​
grep -n '@*' regular_express.txt
​
grep -n 'eee*' regular_express.txt

限定连续字符范围 { }

{ } 可限制一个范围区间内的重复字符数。如果现在要求找出存在连续的两个 o 字符的字符串，根据前面所学的知识，我们可以使用：

grep -n 'ooo*' regular_express.txt

另一种方式是使用 { }。由于 { 与 } 在 shell 中有特殊意义，故在使用时需要用到转义字符 \。

查找连续的两个 o 字符：

grep -n 'o\{2\}' regular_express.txt

查找 g 后面接 2 到 5 个 o，然后再接 g 的字符串：

grep -n 'go\{2,5\}g' regular_express.txt

总结：

^word    表示待搜寻的字符串(word)在行首
word$    表示待搜寻的字符串(word)在行尾
.(小数点) 表示 1 个任意字符
\        表示转义字符，在特殊字符前加 \ 会将特殊字符意义去除
*        表示重复 0 到无穷多个前一个 RE(正则表达式)字符
[list]   表示搜索含有 l,i,s,t 任意字符的字符串
[n1-n2]  表示搜索指定的字符串范围,例如 [0-9] [a-z] [A-Z] 等
[^list]  表示反向字符串的范围,例如 [^0-9] 表示非数字字符，[^A-Z] 表示非大写字符范围
\{n,m\}  表示找出 n 到 m 个前一个 RE 字符
\{n,\}   表示 n 个以上的前一个 RE 字符