大夏shell编程学习笔记（5）

正则表达式

今天终于要开始学习我个人觉得很头疼的一部分内容了，正则表达式在我看来永远都是那些编程很厉害的高中能够玩转的，为了提高自己的逼格，我也不得不触碰一下这个比较烦人的东西，也可能是我的数学思维能力比较弱的原因，每次一接触到正则表达式就头疼。我特意找了一本可以推荐给大家的参考书，自己也还在研习中，至于学习心得，等我看完以后再给大家分享吧。

下面言归正传，今天主要是针对在sed和gawk编辑器中正则表达式的应用来一起基础性的认识一下正则表达式。

---

①正则表达式是什么
正则表达式就是你定义的、Linux实用程序用来筛选文本的模式模板。Linux实用程序在输入数据时，将正则表达式模式和数据进行匹配，如果一致，它接受处理，如果不一致，它就拒绝。

②定义BRE模式
在Linux世界，常用的正则表达式引擎有两种：
★ 基本正则表达式引擎
★ 扩展正则表达式引擎

---

在纯文本中使用正则表达式要注意几点：
★ 正则表达式区分的大小写
★ 不必要局限于完整的单词，而且在字符串中可以包含空格
★ 使用 . * [ ] ^＄｛｝＼＋？｜（）的时候需要用＼进行转义

---

定位符
脱字符（＾）：定义从数据流中文本行开头开始的模式。注意^只能放在搜索的关键字之前，否则失效。
例如：

$ cat data
this is a boy
is this a boy
$ sed -n '/^this/p' data  
this is a boy  

定义结尾定位（$）:查找数据流行尾的模式。 注意$只能放在搜索的关键字之后，否则失效。而且必须输入完整的行尾单词，否则无法匹配。
例如：

$ sed -n '/bo$/p' data  

点字符（.）：用于匹配除换行符之外的任何单个字符。
★ 需要注意的是例如使用 .at 来匹配，那么在文本中寻找的话必须是含有三个字符的行，比如“hat”、” at”等，如果将at放在行首，那么将无法成功匹配。

字符类（[ ]）:在[ ]中定义可以包含的需要文本。
否定字符类（[^ ]）:匹配除了指定文本模式之外的任意字符。
例如：

$ cat data8
60633
4353
add
rdd
$ sed -n '/^[0123456][0123456][0123456][0123456]$/p' data8
4353
$ sed -n '/^[0-6][0-6][0-6][0-6]$/p' data8
4355
$ sed -n '[a-go-t]dd/p' data8
add
rdd

星号（*）：在某个字符之后加一个星号表示该字符必须在匹配模式的文本中不出现或者出现多次。
例如：

$ cat data9
this is a apple
$ sed -n '/is.*apple/p' data9
this is a apple

③扩展的正则表达式
gwak可以识别扩展的正则表达式，而sed无法识别扩展的正则表达式。

---

问号（？）：表示前面的字符可以出现一次或者不出现，但是不可以重复出现。
加号（+）：表示前面的字符可以出现一次或者多次，但是不可以不出现。
大括号（{ }）：指定对重复的正则表达式的限制，需要使用–re-interval命令选项。
管道（ | ）：使用逻辑or指定正则表达式检查数据流时使用两个或多个模式，只要有一个模式匹配就输出。
表达式分组（（ ））：将正则表达式模式分组，一个组合作为一个标准字符处理。
例如：

$ cat data10
beet
baet
bat
bet
beeeet
$ gawk '/b[ae]?t/{print $0}'
bat
bet
$ gawk --re-interval '/b[ae]{1,3}t/{print $0}'
beet
baet
bat
bet