Grep学习笔记

1. grep简介

grep （global search regular expression(RE) and print out the line,全面搜索正则表达式并把行打印出来）是一种强大的文本搜索工具，它能使用正则表达式搜索文本，并把匹配的行打印出来。Unix的grep家族包 括grep、egrep和fgrep。egrep和fgrep的命令只跟grep有很小不同。egrep是grep的扩展，支持更多的re元字符， fgrep就是fixed grep或fast grep，它们把所有的字母都看作单词，也就是说，正则表达式中的元字符表示回其自身的字面意义，不再特殊。linux使用GNU版本的grep。它功能 更强，可以通过-G、-E、-F命令行选项来使用egrep和fgrep的功能。

grep的工作方式是这样的，它在一个或多个文件中搜索字符串模板。如果模板包括空格，则必须被引用，模板后的所有字符串被看作文件名。搜索的结果被送到屏幕，不影响原文件内容。

grep可用于shell脚本，因为grep通过返回一个状态值来说明搜索的状态，如果模板搜索成功，则返回0，如果搜索不成功，则返回1，如果搜索的文件不存在，则返回2。我们利用这些返回值就可进行一些自动化的文本处理工作。

2. grep正则表达式元字符集（基本集）

^

锚定行的开始 如：'^grep'匹配所有以grep开头的行。

$

锚定行的结束 如：'grep$'匹配所有以grep结尾的行。

.

匹配一个非换行符的字符 如：'gr.p'匹配gr后接一个任意字符，然后是p。

*

匹配零个或多个先前字符 如：'*grep'匹配所有一个或多个空格后紧跟grep的行。 .*一起用代表任意字符。

[]

匹配一个指定范围内的字符，如'[Gg]rep'匹配Grep和grep。

[^]

匹配一个不在指定范围内的字符，如：'[^A-FH-Z]rep'匹配不包含A-R和T-Z的一个字母开头，紧跟rep的行。

\(..\)

标记匹配字符，如'\(love\)'，love被标记为1。

\<

锚定单词的开始，如:'\<grep'匹配包含以grep开头的单词的行。

\>

锚定单词的结束，如'grep\>'匹配包含以grep结尾的单词的行。

x\{m\}

重复字符x，m次，如：'0\{5\}'匹配包含5个o的行。

x\{m,\}

重复字符x,至少m次，如：'o\{5,\}'匹配至少有5个o的行。

x\{m,n\}

重复字符x，至少m次，不多于n次，如：'o\{5,10\}'匹配5--10个o的行。

\w

匹配文字和数字字符，也就是[A-Za-z0-9]，如：'G\w*p'匹配以G后跟零个或多个文字或数字字符，然后是p。

\W

\w的反置形式，匹配一个或多个非单词字符，如点号句号等。

\b

单词锁定符，如: '\bgrep\b'只匹配grep。

3. 用于egrep和 grep -E的元字符扩展集

+

匹配一个或多个先前的字符。如：'[a-z]+able'，匹配一个或多个小写字母后跟able的串，如loveable,enable,disable等。

?

匹配零个或多个先前的字符。如：'gr?p'匹配gr后跟一个或没有字符，然后是p的行。

a|b|c

匹配a或b或c。如：grep|sed匹配grep或sed

()

分组符号，如：love(able|rs)ov+匹配loveable或lovers，匹配一个或多个ov。

x{m},x{m,},x{m,n}

作用同x\{m\},x\{m,\},x\{m,n\}

4. POSIX字符类

为 了在不同国家的字符编码中保持一至，POSIX(The Portable Operating System Interface)增加了特殊的字符类，如[:alnum:]是A-Za-z0-9的另一个写法。要把它们放到[]号内才能成为正则表达式，如[A- Za-z0-9]或[[:alnum:]]。在linux下的grep除fgrep外，都支持POSIX的字符类。

[:alnum:]

文字数字字符

[:alpha:]

文字字符

[:digit:]

数字字符

[:graph:]

非空字符（非空格、控制字符）

[:lower:]

小写字符

[:cntrl:]

控制字符

[:print:]

非空字符（包括空格）

[:punct:]

标点符号

[:space:]

所有空白字符（新行，空格，制表符）

[:upper:]

大写字符

[:xdigit:]

十六进制数字（0-9，a-f，A-F）

5. Grep命令选项

-?

同时显示匹配行上下的？行，如：grep -2 pattern filename同时显示匹配行的上下2行。

-b，--byte-offset

打印匹配行前面打印该行所在的块号码。

-c,--count

只打印匹配的行数，不显示匹配的内容。

-f File，--file=File

从文件中提取模板。空文件中包含0个模板，所以什么都不匹配。

-h，--no-filename

当搜索多个文件时，不显示匹配文件名前缀。

-i，--ignore-case

忽略大小写差别。

-q，--quiet

取消显示，只返回退出状态。0则表示找到了匹配的行。

-l，--files-with-matches

打印匹配模板的文件清单。

-L，--files-without-match

打印不匹配模板的文件清单。

-n，--line-number

在匹配的行前面打印行号。

-s，--silent

不显示关于不存在或者无法读取文件的错误信息。

-v，--revert-match

反检索，只显示不匹配的行。

-w，--word-regexp

如果被\<和\>引用，就把表达式做为一个单词搜索。

-V，--version

显示软件版本信息。

6. 实例

要用好grep这个工具，其实就是要写好正则表达式，所以这里不对grep的所有功能进行实例讲解，只列几个例子，讲解一个正则表达式的写法。

$ ls -l | grep '^a'

通过管道过滤ls -l输出的内容，只显示以a开头的行。

$ grep 'test' d*

显示所有以d开头的文件中包含test的行。

$ grep 'test' aa bb cc

显示在aa，bb，cc文件中匹配test的行。

$ grep '[a-z]\{5\}' aa

显示所有包含每个字符串至少有5个连续小写字符的字符串的行。

$ grep 'w\(es\)t.*\1' aa

如果west被匹配，则es就被存储到内存中，并标记为1，然后搜索任意个字符（.*），这些字符后面紧跟着另外一个es（\1），找到就显示该行。如果用egrep或grep -E，就不用"\"号进行转义，直接写成'w(es)t.*\1'就可以了。

◎grep -- print lines matching a pattern (将符合样式的该行列出)

 ◎语法: grep [options] 
 PATTERN [FILE...] 
 grep用以在file内文中比对相对应的部分，或是当没有指定档案时， 
 由标准输入中去比对。 在预设的情况下，grep会将符合样式的那一行列出。

         此外，还有两个程式是grep的变化型，egrep及fgrep。          
         其中egrep就等同於grep -E ，fgrep等同於grep -F 。

 ◎参数
    1. -A NUM，--after-context=NUM 
               除了列出符合行之外，并且列出後NUM行。
             
         ex:   $ grep -A 1 panda file 
               (从file中搜寻有panda样式的行，并显示该行的後1行)
                                 
    2. -a或--text  
               grep原本是搜寻文字档，若拿二进位的档案作为搜寻的目标，
               则会显示如下的讯息: Binary file 二进位档名 matches 然後结束。
                  
               若加上-a参数则可将二进位档案视为文字档案搜寻，
               相当於--binary-files=text这个参数。
            
         ex:   (从二进位档案mv中去搜寻panda样式)
               (错误!!!)
               $ grep panda mv 
               Binary file mv matches  
               (这表示此档案有match之处，详见--binary-files=TYPE )
               $
               (正确!!!)
               $ grep -a panda mv 
       
    3. -B NUM，--before-context=NUM
               与 -A NUM 相对，但这此参数是显示除符合行之外
               并显示在它之前的NUM行。        
             
         ex:   (从file中搜寻有panda样式的行，并显示该行的前1行)
               $ grep -B 1 panda file

    4. -C [NUM], -NUM, --context[=NUM]  
               列出符合行之外并列出上下各NUM行，预设值是2。
             
         ex:   (列出file中除包含panda样式的行外并列出其上下2行)
               (若要改变预设值，直接改变NUM即可)
               $ grep -C[NUM]  panda file 
             
    5. -b, --byte-offset
               列出样式之前的内文总共有多少byte ..
              
          ex:  $ grep -b  panda file  
       显示结果类似於:
         0:panda
        66:pandahuang
       123:panda03
           
    6. --binary-files=TYPE
               此参数TYPE预设为binary(二进位)，若以普通方式搜寻，只有2种结果:
                 1.若有符合的地方：显示Binary file 二进位档名 matches
                 2.若没有符合的地方：什麽都没有显示。
                   
               若TYPE为without-match，遇到此参数，
               grep会认为此二进位档案没有包含任何搜寻样式，与-I 参数相同。
                   
               若TPYE为text, grep会将此二进位档视为text档案，与-a 参数相同。
        
     Warning: --binary-files=text 若输出为终端机，可能会产生一些不必要的输出。
              
    7. -c, --count
       不显示符合样式行，只显示符合的总行数。
       若再加上-v,--invert-match，参数显示不符合的总行数。

    8. -d ACTION, --directories=ACTION
               若输入的档案是一个资料夹，使用ACTION去处理这个资料夹。
       预设ACTION是read(读取)，也就是说此资料夹会被视为一般的档案；
       若ACTION是skip(略过)，资料夹会被grep略过：
       若ACTION是recurse(递)，grep会去读取资料夹下所有的档案，
       此相当於-r 参数。

    9.  -E, --extended-regexp
       采用规则表示式去解释样式。
      
   10.  -e PATTERN, --regexp=PATTERN
       把样式做为一个partern，通常用在避免partern用-开始。 

   11.  -f FILE, --file=FILE
       事先将要搜寻的样式写入到一个档案，一行一个样式。
       然後采用档案搜寻。
       空的档案表示没有要搜寻的样式，因此也就不会有任何符合。
       
   ex: (newfile为搜寻样式档)
       $grep -f newfile file   

   12.  -G, --basic-regexp
       将样式视为基本的规则表示式解释。(此为预设)

   13.  -H, --with-filename
       在每个符合样式行前加上符合的档案名称，若有路径会显示路径。
       
   ex: (在file与testfile中搜寻panda样式)   
       $grep -H panda file ./testfile
                file:panda
                ./testfile:panda
                $
     
   14.  -h, --no-filename  
               与-H参数相类似，但在输出时不显示路径。

   15.  --help 
               产生简短的help讯息。

   16.  -I
               grep会强制认为此二进位档案没有包含任何搜寻样式，
               与--binary-files=without-match参数相同。
                   
           ex:  $ grep -I  panda mv

   17.  -i, --ignore-case       
               忽略大小写，包含要搜寻的样式及被搜寻的档案。
               
           ex:  $ grep -i panda mv
                
   18.  -L, --files-without-match 
               不显示平常一般的输出结果，反而显示出没有符合的档案名称。

   19.  -l, --files-with-matches               
               不显示平常一般的输出结果，只显示符合的档案名称。

   20.  --mmap               
               如果可能，使用mmap系统呼叫去读取输入，而不是预设的read系统呼叫。 
               在某些状况，--mmap 能产生较好的效能。 然而，--mmap 
               如果运作中档案缩短，或I/O 错误发生时，
               可能造成未定义的行为(包含core dump)，。
               
   21.  -n, --line-number
               在显示行前，标上行号。
               
            ex:  $ grep -n  panda file  
                显示结果相似於下:
                行号:符合行的内容

   22.  -q, --quiet, --silent 
               不显示任何的一般输出。请参阅-s或--no-messages

   23.  -r, --recursive
       递地，读取每个资料夹下的所有档案，此相当於 -d recsuse 参数。

   24.  -s, --no-messages
       不显示关於不存在或无法读取的错误讯息。
     
 小: 不像GNU grep，传统的grep不符合POSIX.2协定，
       因为缺乏-q参数，且他的-s 参数表现像GNU grep的 -q 参数。
       Shell Script倾向将传统的grep移植，避开-q及-s参数，
       且将输出限制到/dev/null。
    
POSIX: 定义UNIX及UNIX-like系统需要提供的功能。              
    
   25.  -V, --version
  显示出grep的版本号到标准错误。
  当您在回报有关grep的bugs时，grep版本号是必须要包含在内的。

   26.  -v, --invert-match
  显示除搜寻样式行之外的全部。
                   
   27.  -w, --word-regexp
          将搜寻样式视为一个字去搜寻，完全符合该"字"的行才会被列出。

   28.  -x, --line-regexp
  将搜寻样式视为一行去搜寻，完全符合该"行"的行才会被列出。