文章目录
引言
正则表达式,又称规则表达式。(英语:Regular Expression,在代码中常简写为regex、regexp或RE),计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
一、正则表达式
1.正则表达式的定义
-
正则表达式,又称正规表达式、常规表达式
-
使用字符串来描述、匹配一系列符合某个规则的字符串
-
正则表达式组成
普通字符——大小写字母、数字、标点符号及一些其他符号
元字符——在正则表达式中具有特殊意义的专用字符
2.基础正则表达式元字符
- 基础正则表达式是常用的正则表达式部分
- 除了普通字符外,常见到以下元字符
字符 | 含义 |
---|---|
\ | 转义字符,!、\n等 |
^ | 匹配字符串开始的位置,列:^a ^the ^# |
$ | 匹配字符串结束的位置,列:word$ |
. | 匹配除\n之外的任意的一个字符,列:go.d、g…d |
* | 匹配前面子表达式0次或者无数次,;列:goo*d、go.*d |
[list] | 匹配list列表中的一个字符,列:go[ola]d、[abc]、[a-z]、[a-z0-9] |
[^list] | 匹配任意不在list列表中的一个字符,列:[ ^a-z]、[ ^0-9]、[ ^A-Z0-9] |
{n,m} | 匹配前面的子表达式n到m次,有{n}、{n}、{n,m}三种格式,列:go{2}d、go{2} |
3.扩展正则表达式元字符
- 扩展正则表达式是对基础正则表达式的扩充深化
- 扩展元字符
字符 | 含义 |
---|---|
+ | 匹配前面子表达式1次以上,列:go+d,将匹配至少一个o |
? | 匹配前面子表达式0次或者1次,列:go?d,将匹配gd或god |
() | 将括号中的字符串作为一个整体,列:(xyz)+,将匹配xyz整体1次以上,如xyzxyz |
l | 以或的方式匹配字条串,列1:good l food ,将匹配good或者food;列2:g(oo l la)d,将匹配good或者glad |
定位符
^ 匹配输入字符串开始的位置
$匹配输入字符串结尾的位置
非打印字符
\n匹配一个换行符
\r匹配一个回车符
\t匹配一个制表符
二、grep命令
grep命令使用正则表达式来搜索文本,并且把匹配的文本打印出来
格式:grep [options] pattern [file]
option表示选项,pattern表示匹配的模式。file表示一系列文件名。
常用选项:
-c 只打印匹配的文本行的次数,不显示文本内容。
-i 匹配时忽略字母大小写
-h 当搜索多个文件,不显示匹配文件名前缀。
-l 只列出含义匹配的文本行的文件的文件名,不显示其具体匹配的内容。
-n 列出所有匹配的文本行,并显示行号
-s 不显示关于不存在或无法读取文件的错误信息
-v 只显示不匹配的文本行,反向选择,显示与搜索字符串不相符的行。
-w 匹配整个单词
-x 匹配整个文本行
-r 递归搜索,不仅搜索当前目录,还有各级子目录
-E 开启扩展(extend)的正则表达式
--color=auto 可以将找到的关键词部分加上颜色的显示
案例
统计root字符总行数
不区分大小写查找the所有的行
将/etc/passwd,将没有出现root 的行取出来
过滤出ip
三、元字符操作案例
1.查找特定字符
查找特定字符非常简单,如执行以下命令即可从 test.txt 文件中查找出特定字符“the”所在位置。其中“-n”表示显示行号、“-i”表示不区分大小写。命令执行后,符合匹配标准的字符, 字体颜色会变为红色。
2.利用中括号“[]”来查找集合字符
想要查找“shirt”与“short”这两个字符串时,可以发现这两个字符串均包含“sh”与“rt”。此时执行以下命令即可同时查找到“shirt”与“short”这两个字符串,其中“[]”中无论有几个字符, 都仅代表一个字符,也就是说“[io]”表示匹配“i”或者“o”。
若查找“oo”前面不是“w”的字符串,只需要通过集合字符的反向选择“[^]”来实现该目的。例如执行“grep -n‘[^w]oo’test.txt”命令表示在 test.txt 文本中查找“oo”前面不是“w”的字符串。
在上述命令的执行结果中发现“woood”与“wooooood”也符合匹配规则,二者均包含“w”。其实通过执行结果就可以看出,符合匹配标准的字符加粗显示,而上述结果中可以得知, “#woood #”中加粗显示的是“ooo”,而“oo”前面的“o”是符合匹配规则的。同理“#woooooood #”也符合匹配规则。
若不希望“oo”前面存在小写字母,可以使用“grep -n‘[^a-z]oo’test.txt”命令实现,其中“a-z”表示小写字母,大写字母则通过“A-Z”表示。
3.查找行首“^”与行尾字符“$”
基础正则表达式包含两个定位元字符:“^”(行首)与“$”(行尾)。在上面的示例中, 查询“the”字符串时出现了很多包含“the”的行,如果想要查询以“the”字符串为行首的行,则可以通过“^” 元字符来实现。
查询以小写字母开头的行可以通过“^【a-z】 ”规则来过滤,查询大写字母开头的行则使用“[A-Z]”规则,若查询不以字母开头的行则使用“[^a-zA-Z]”规则。
“^”符号在元字符集合“[]”符号内外的作用是不一样的,在“[]”符号内表示反向选择,在“[]” 符号外则代表定位行首。反之,若想查找以某一特定字符结尾的行则可以使用“$”定位符。例如,执行以下命令即可实现查询以小数点(.)结尾的行。因为小数点(.)在正则表达式中也是一个元字符,所以在这里需要用转义字符“\”将具有特殊意义的字符转化成普通字符。
4.查找任意一个字符“.”与重复字符“*”
在正则表达式中小数点(.)也是一个元字符,代表任意一个字符。例如执行以下命令就可以查找“w??d”的字符串,即共有四个字符,以 w 开头 d 结尾。
“wood”字符串“w…d”匹配规则。若想要查询 oo、ooo、ooooo 等资料, 则需要使用星号()元字符。但需要注意的是,“”代表的是重复零个或多个前面的单字符。 “o*”表示拥有零个(即为空字符)或大于等于一个“o”的字符,因为允许空字符,所以执行“grep -n ‘o*’ test.txt”命令会将文本中所有的内容都输出打印。如果是“oo*”,则第一个 o 必须存在, 第二个 o 则是零个或多个 o,所以凡是包含 o、oo、ooo、ooo,等的资料都符合标准。同理,若查询包含至少两个 o 以上的字符串,则执行“grep -n ‘ooo*’ test.txt”命令即可。
5.查找连续字符范围“{}”
(1)查询以 w 开头以 d 结尾,中间包含 2~5 个 o 的字符串
(2)查询两个 o 的字符
(3)查询以 w 开头以 d 结尾,中间包含 2 个或 2 个以上 o 的字符串
四、cut、sort、uniq、tr
1.cut:列截取工具
使用说明:cut 命令从文件的每一行剪切字节、字符和字段并将这些字节、字符和字段写至标准输出。如果不指定 File 参数,cut 命令将读取标准输入。必须指定 -b、-c 或 -f 标志之一
选项 | 含义 |
---|---|
-b | 按字节截取 |
-c | 按字符截取,常用于中文 |
-d | 指定以什么为分隔符截取,默认为制表符 |
-f | 通常和-d一起 |
cut只擅长于处理单个字符为间隔的文本,-b只能分割字母,-c既可以分割字母也可以分割中文
(1)分割打印passwd第一列
(2)分割打印passwd第三列
(3)分割打印passwd第一列和第三列
(4)分割打印passwd第一列到第三列
(5)查看当前登录用户的第三个字节
2.sort:排序工具
- sort 是一个以行为单位对文件内容进行排序的工具,也可以根据不同的数据类型来排序。例如数据和字符的排序就不一样
sort [选项] 参数
常用选项 | 含义 |
---|---|
-t | 指定分隔符,默认使用[Tab]吧 键或空格分隔 |
-k | 指定排序区域,哪个区间排序 |
-n | 按照数字进行排序,默认是以文字形式排序 |
-u | 等同于 uniq,表示相同的数据仅显示一行,注意:如果行尾有空格去重就不成功 |
-r | 反向排序,默认是升序,-r就是降序 |
-o | 将排序后的结果转存至指定文件 |
-f | 忽略大小写,会将小写的字母都转换为大写字母来进行比较 |
-b | 忽略每行前面的空格 |
(1)不加任何选项默认按第一列升序,字母的话就是从a到z由上而下显示
(2)以冒号为分隔符,以数字大小对第三列排序(升序)
(3)以冒号为分隔符,以数字大小对第三列排序(降序)
(4)将输结果不在屏幕上输出而是输出到passwd.bak文件
(5)去掉文件中重复的行(重复的行可以是不连续的)
3.uniq:去重工具
- 主要用于去除连续的重复行
- 注意:是连续的行,所以通常和sort结合使用先排序使之变成连续的行再执行去重操作,否则不连续的重复行他不能去重
uniq [选项] 参数
-c:对重复的行进行计数;
-d:仅显示重复行;
-u:仅显示出现一次的行
(1)统计重复行的次数,不连续的重复行他不算做重复行
(2)结合sort去重
(3)查看用户登录的数据
4.tr:修改工具
它可以用一个字符来替换另一个字符,或者可以完全除去一些字符,也可以用它来除去重复字符
用法:tr [选项]… SET1 [SET2]
从标准输入中替换、缩减和/或删除字符,并将结果写到标准输出。
常用选项
-d 删除字符
-s 删除所有重复出现的字符,只保留第一个
替换字符
删除字符
五、总结
正则表达式通常用于判断语句,用于检测某一字符串是否满足单一格式,详细说明了sort、uniq、tr的运用。