shell——正则表达式（grep、egrep、sed、awk、sort、uniq、tr）

一、正则表达式概述

1.1 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。在代码中常简写为 regex、regexp 或 RE。正则表达式是使用单个字符串来描述、匹配一系列符合某个句法规则的字符串，简单来说， 是一种匹配字符串的方法，通过一些特殊符号，实现快速查找、删除、替换某个特定字符串。正则表达式是由普通字符与元字符组成的文字模式。模式用于描述在搜索文本时要匹 配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。其中普通字符包括大小写字母、数字、标点符号及一些其他符号，元字符则是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符 前面的字符）在目标对象中的出现模式。
正则表达式一般用于脚本编程与文本编辑器中。很多文本处理器与程序设计语言均支持正则表达式，例如 Linux 系统中常见的文本处理器（grep、egrep、sed、awk）。正则表达式具备很强大的文本匹配功能，能够在文本海洋中快速高效地处理文本。
正则表达式的字符串表达方法根据不同的严谨程度与功能分为基本正则表达式与扩展正则表达式。基础正则表达式是常用正则表达式最基础的部分。在 Linux 系统中常见的文件处理工具中 grep 与 sed 支持基础正则表达式，而 egrep 与 awk 支持扩展正则表达式。

1.2 正则表达式用途

正则表达式对于系统管理员来说是非常重要的，系统运行过程中会产生大量的信息，这些信息有些是非常重要的，有些则仅是告知的信息。身为系统管理员如果直接看这么多的信息数据，无法快速定位到重要的信息，如“用户账号登录失败”“服务启动失败”等信息。这时可以通过正则表达式快速提取“有问题”的信息。如此一来，可以将运维工作变得更加简单、方便。

二、正则表达式

2.1 基础正则表达式grep

1. 查找特定字符

grep -n ‘the’ test.txt //“-n”表示显示行号
grep -in ‘the’ test.txt // “-n”表示显示行号、“-i”表示不区分大小写
grep -vn ‘the’ test.txt // 反向选择，“-v”选项实现，配合“-n”一起使用显示行号

2.利用中括号“[]”来查找集合字符

grep -n ‘sh[io]rt’ test.txt // 查找“shirt”与“short”，“[io]”表示匹配“i”或者“o”
grep -n ‘oo’ test.txt // 查找包含重复单个字符“oo”
grep -n ‘[^w]oo’ test.txt // 查找“oo”前面不是“w”的字符串，反向选择“[^]”。woood加粗显示的是“ooo”符合
grep -n ‘[^a-z]oo’ test.txt // 不希望“oo”前面存在小写字母。“a-z”表示小写字母，大写字母则通过“A-Z”
grep -n ‘[0-9]’ test.txt //查找包含数字的行

3.查找行首“^”与行尾字符“$”

“^”（行首）与“$”（行尾）

grep -n ‘^the’ test.txt //查询以“the”字符串为行首的行

grep -n ‘^ [ a-z ]’ test.txt//查询以小写字母开头的行可以通过“^ [a-z]”规则来过滤

grep -n ‘^ [ A-Z ]’ test.txt//查询大写字母开头的行则使用“^ [A-Z]”规则

grep -n ‘^ [ ^a-zA-Z]’ test.txt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
若想查找以某一特定字符结尾的行则可以使用“$”定位符。

grep -n ‘.$’ test.txt //查询以小数点（.）结尾的行,需要用转义字符“\”将具有特殊意义的字符转化成普通字符。

grep -n ‘^$’ test.txt //查询空白行

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
grep -n ‘w…d’ test.txt //查找“w??d”的字符串
“ * ”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
grep -n ‘o*’ test.txt //会将文本中所有的内容都输出打印
“oo*”，第一个 o 必须存在， 第二个 o 则是零个或多个 o, o、oo、ooo、ooo都符合标准
grep -n ‘ooo*’ test.txt //查询包含至少两个 o 以上的字符串
grep -n ‘woo*d’ test.txt//查询以 w 开头 d 结尾，中间包含至少一个 o 的字符串
grep -n ‘w.d’ test.txt//查询以 w 开头 d 结尾，中间的字符可有可无的字符串
grep -n '[0-9][0-9]’ test.txt //查询任意数字所在行

5.查找连续字符范围

“{}” 限定范围的字符“{}”,“{}”在 Shell 中具有特殊意义，使用“{}”字符时，需要利用转义字符“\”，将“{}”字符转换成普通字符
grep -n ‘o{2}’ test.txt //① 查询两个 o 的字符。
grep -n ‘wo{2,5}d’ test.txt //② 查询以 w 开头以 d 结尾，中间包含 2～5 个 o 的字符串。
grep -n ‘wo{2,}d’ test.txt //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

6.元字符总结

^	匹配输入字符串的开始位置。除非在方括号表达式中使用，表示不包含该字符集合。要匹配“ ^” 字符本身，请使用“\ ^”
$	匹配输入字符串的结尾位置。如果设置了RegExp 对象的 Multiline 属性，则“KaTeX parse error: Undefined control sequence: \n at position 6: ”也匹配‘\̲n̲’或‘\r’。要匹配“”字符本身，请使用“$”
.	匹配除“\r\n”之外的任何单个字符
\	反斜杠，又叫转义字符，去除其后紧跟的元字符或通配符的特殊意义
*	匹配前面的子表达式零次或多次。要匹配“*”字符，请使用“*”
[]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”
[^]	赋值字符集合。匹配未包含的一个任意字符。例如，“[^abc]”可以匹配“plin”中任何一个字母
[n1-n2]	字符范围。匹配指定范围内的任意一个字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意一个小写字母字符。注意：只有连字符（-）在字符组内部，并且出现在两个字符之间时，才能表示字符的范围；如果出现在字符组的开头，则只能表示连字符本身
{n}	n 是一个非负整数，匹配确定的 n 次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的“oo”
{n,}	n 是一个非负整数，至少匹配 n 次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”
{n,m}	m 和 n 均为非负整数，其中 n<=m，最少匹配 n 次且最多匹配m 次

2.2 扩展正则表达式——egrep命令

使用该命令可以搜索文件中的任意字符串和符号，也可以搜索一个或多个文件的字符串，一个提示符可以是单个字符、一个字符串、一个字或一个句子。
扩展正则表达式常见元字符

+	作用：重复一个或者一个以上的前一个字符
示例：执行“egrep -n ‘wo+d’ test.txt”命令，即可查询"wood" “woood” "woooooood"等字符串
？	作用：零个或者一个的前一个字符
示例：执行“egrep -n ‘bes?t’ test.txt”命令，即可查询“bet”“best”这两个字符串
管道符号	作用：使用或者（or）的方式找出多个字符
示例：执行“egrep -n 'of	is
()	作用：查找“组”字符串
示例：“egrep -n 't(a	e)st’ test.txt”。“tast”与“test”因为这两个单词的“t”与“st”是重复的，所以将“a”与“e”列于“()”符号当中，并以“
()+	作用：辨别多个重复的组
示例：“egrep -n ‘A(xyz)+C’ test.txt”。该命令是查询开头的"A"结尾是"C"，中间有一个以上的"xyz"字符串的意思

2.3 sed（Stream EDitor） 工具——文本解析转换工具

可读取文本；
根据指定的条件对文本内容进行编辑（删除、替换、添加、移动等）；
最后输出所有行或者仅输出处理的某些行；
sed 也可以在无交互的情况下实现相当复杂的文本处理操作；
sed 的工作流程主要包括读取、执行和显示三个过程。

• 读取：sed 从输入流（文件、管道、标准输入）中读取一行内容并存储到临时的缓冲区中（又称模式空间，pattern space）。
• 执行：默认情况下，所有的 sed 命令都在模式空间中顺序地执行，除非指定了行的地址，否则 sed 命令将会在所有的行上依次执行。
• 显示：发送修改后的内容到输出流。在发送数据后，模式空间将会被清空。
  在所有的文件内容都被处理完成之前，上述过程将重复执行，直至所有内容被处理完。
  注意：默认情况下所有的 sed 命令都是在模式空间内执行的，因此输入的文件并不会发生任何变化，除非是用重定向存储输出。

1.sed 命令常见用法

调用 sed 命令有两种格式，“参数”是指操作的目标文件， 当存在多个操作对象时用，文件之间用逗号“，”分隔；而 scriptfile 表示脚本文件，需要用“-f” 选项指定，当脚本文件出现在目标文件之前时，表示通过指定的脚本文件来处理输入的目标文件。

sed [选项] '操作' 参数
sed [选项] -f scriptfile 参数

常见的 sed 命令选项主要包含以下几种。

-e 或--expression=：表示用指定命令或者脚本来处理输入的文本文件。
-f 或--file=：表示用指定的脚本文件来处理输入的文本文件。
-h 或--help：显示帮助。
-n、--quiet 或 silent：表示仅显示处理后的结果。
-i：直接编辑文本文件。

“操作”用于指定对文件操作的动作行为，也就是 sed 的命令。通常情况下是采用的“[n1[,n2]]”操作参数的格式。n1、n2 是可选的，代表选择进行操作的行数，如操作需要在 5～ 20 行之间进行，则表示为“5，20 动作行为”。常见的操作包括以下几种。

a：增加，在当前行下面增加一行指定内容。
c：替换，将选定行替换为指定内容。
d：删除，删除选定的行。
i：插入，在选定行上面插入一行指定内容。
p：打印，如果同时指定行，表示打印指定行；如果不指定行，则表示打印所有内容；如果有非打印字符，则以 ASCII 码输出。其通常与“-n”选项一起使用。
s：替换，替换指定字符。
y：字符转换。

2.用法示例

（1）输出符合条件的文本（p 表示正常输出）

sed -n 'p' test.txt      //输出所有内容,等同于 cat test.txt
sed -n '3p' test.txt //输出第 3 行
sed -n '3,5p' test.txt //输出 3~5 行
sed -n 'p;n' test.txt //输出所有奇数行,n 表示读入下一行资料
sed -n 'n;p' test.txt //输出所有偶数行,n 表示读入下一行资料
sed -n '1,5{p;n}' test.txt //输出第 1~5 行之间的奇数行(第 1、3、5 行) 
sed -n '10,${n;p}' test.txt//输出第 10 行至文件尾之间的偶数行.在执行“sed -n‘10,${n;p}’test.txt”命令时，读取的第 1 行是文件的第 10 行，读取的第 2行是文件的第 11 行，依此类推，所以输出的偶数行是文件的第 11 行、13 行直至文件结尾， 其中包括空行。
sed 命令结合正则表达式时，格式略有不同，正则表达式以“/”包围
sed 命令与正则表达式结合
sed -n '/the/p' test.txt //输出包含the 的行
sed -n '4,/the/p' test.txt //输出从第 4 行至第一个包含 the 的行(第四行一直打印到第一个有the的行)
sed -n '/the/=' test.txt //输出包含the 的行所在的行号,等号(=)用来输出行号
sed -n '/^PI/p' test.txt //输出以PI 开头的行
sed -n '/[0-9]$/p' test.txt //输出以数字结尾的行
sed -n '/\<wood\>/p' test.txt //输出包含单词wood 的行,\<、\>代表单词边界,是单词不是字符串

（2）删除符合条件的文本（d）

nl 命令用于计算文件的行数
nl test.txt | sed '3d'  //删除第 3 行
nl test.txt | sed '3,5d' //删除第 3~5 行
nl test.txt |sed '/cross/d' //删除包含 cross 的行,原本的第 8 行被删除；如果要删除不包含 cross 的行,用!符号表示取反操作, 如'/cross/！d'
 sed '/^[a-z]/d' test.txt //删除以小写字母开头的行
 sed '/\.$/d' test.txt  //删除以"."结尾的行
 sed '/^$/d' test.txt  //删除所有空行 

（3）替换符合条件的文本 s

sed 's/the/THE/' test.txt     //将每行中的第一个the 替换为 THE
sed 's/l/L/2' test.txt  //将每行中的第 2 个 l 替换为 L
sed 's/the/THE/g' test.txt //将文件中的所有the 替换为 THE
sed 's/o//g' test.txt  //将文件中的所有o 删除(替换为空串)
sed 's/^/#/' test.txt  //在每行行首插入#号
sed '/the/s/^/#/' test.txt //在包含the 的每行行首插入#号
sed 's/$/EOF/' test.txt //在每行行尾插入字符串EOF
sed '3,5s/the/THE/g' test.txt //将第 3~5 行中的所有 the 替换为 THE
sed '/the/s/o/O/g' test.txt //将包含the 的所有行中的 o 都替换为 O

（4）迁移符合条件的文本

H:复制到剪贴板；
g、G:将剪贴板中的数据覆盖/追加至指定行；
w：保存为文件；
r：读取指定文件；
a：追加指定内容。
sed '/the/{H;d};$G' test.txt//将包含the 的行迁移至文件末尾,{;}用于多个操作
sed '1,5{H;d};17G' test.txt //将第 1~5 行内容转移至第 17 行后
sed '/the/w out.file' test.txt //将包含the 的行另存为文件 out.file
sed '/the/r /etc/hostname' test.txt//将文件/etc/hostname 的内容添加到包含 the 的每行以后
sed '3aNew' test.txt //在第 3 行后插入一个新行,内容为New
sed '/the/aNew' test.txt //在包含the 的每行后插入一个新行,内容为 New
sed '3aNew1\nNew2' test.txt //在第 3 行后插入多行内容,中间的\n 表示换行

（5）使用脚本编辑文件

 使用sed 脚本将多个编辑指令存放到文件中（每行一条编辑指令），通过“-f”选项来调用
sed '1,5{H;d};17G' test.txt //将第 1~5 行内容转移至第 17 行后
以上操作可以改用脚本文件方式：
[root@localhost ~]# vi opt.list
1,5H
1,5d
17G
[root@localhost ~]# sed -f opt.list test.txt

（6）sed 直接操作文件示例

编写一个脚本，用来调整 vsftpd 服务配置，要求禁止匿名用户，但允许本地用户（也允许写入）。
[root@localhost ~]# vim local_only_ftp.sh
#!/bin/bash
# 指定样本文件路径、配置文件路径
SAMPLE="/usr/share/doc/vsftpd-3.0.2/EXAMPLE/INTERNET_SITE/vsftpd.conf " 
CONFIG="/etc/vsftpd/vsftpd.conf"
# 备份原来的配置文件,检测文件名为/etc/vsftpd/vsftpd.conf.bak 备份文件是否存在, 若不存在则使用 cp 命令进行文件备份
[ ! -e "$CONFIG.bak" ] && cp $CONFIG $CONFIG.bak 
# 基于样本配置进行调整,覆盖现有文件
sed -e '/^anonymous_enable/s/YES/NO/g' $SAMPLE > $CONFIG
sed -i -e '/^local_enable/s/NO/YES/g' -e '/^write_enable/s/NO/YES/g' $CONFIG 
grep "listen" $CONFIG || sed -i '$alisten=YES' $CONFIG
# 启动vsftpd 服务,并设为开机后自动运行
systemctl restart vsftpd systemctl enable vsftpd
[root@localhost ~]# chmod +x local_only_ftp.sh

2.4 awk 工具

逐行读取输入文本，根据指定的匹配模式进行查找，对符合条件的内容进行格式化输出或者过滤处理，可以在无交互的情况下实现相当复杂的文本操作

1.awk 常见用法

单引号加上大括号“{}”用于设置对数据进行的处理动作
awk 可以直接处理目标文件，也可以通过“-f”读取脚本对目标文件进行处理

awk 选项 '模式或条件 {编辑指令}' 文件 1 文件 2 … //过滤并输出文件中符合条件的内容
awk   -f   脚本文件 文件 1 文件 2 … //从脚本中调用编辑指令,过滤并输出内容

awk 比较倾向于将一行分成多个“字段”然后再进行处理,默认情况下字段的分隔符为空格或 tab 键
awk 执行结果可以通过 print 的功能将字段数据打印显示
使用 awk 命令的过程中,可以使用逻辑操作符“&&”表示“与”、“||” 表示“或”、“！”表示“非”
还可以进行简单的数学运算，如+、-、*、/、%、^分别表示加、减、乘、除、取余和乘方
awk -F ‘:’ ‘{print $1,$3,$4}’ /etc/passwd //查找出/etc/passwd 的用户名、用户 ID、组 ID 等列
awk 从输入文件或者标准输入中读入信息,信息的读入也是逐行读取的
awk 将文本文件中的一行视为一个记录，而将一行中的某一部分（列）作为记录中的一个字段（域）
awk用$1、$2、$3…顺序地表示行（记录）中的不同字段
awk 用$0 表示整个行（记录）
不同的字段之间是通过指定的字符分隔,awk 默认的分隔符是空格
awk 允许在命令行中用“-F 分隔符”的形式来指定分隔符

awk 包含几个特殊的内建变量（可直接用）如下所示：
FS：指定每行文本的字段分隔符，默认为空格或制表位。
NF：当前处理的行的字段个数。
NR：当前处理的行的行号（序数）。
$0：当前处理的行的整行内容。
$n：当前处理行的第 n 个字段（第 n 列）。
FILENAME：被处理的文件名。
RS：数据记录分隔，默认为\n，即每行为一条记录。

2.用法示例

（1）按行输出文本

awk '{print}' test.txt   //输出所有内容,等同于 cat test.txt
awk '{print $0}' test.txt  //输出所有内容,等同于 cat test.txt
awk 'NR==1,NR==3{print}' test.txt //输出第 1~3 行内容
awk '(NR>=1)&&(NR<=3){print}' test.txt//输出第 1~3 行内容
awk 'NR==1||NR==3{print}' test.txt //输出第 1 行、第 3 行内容
awk '(NR%2)==1{print}' test.txt //输出所有奇数行的内容
awk '(NR%2)==0{print}' test.txt //输出所有偶数行的内容
awk '/^root/{print}' /etc/passwd //输出以root 开头的行
awk '/nologin$/{print}' /etc/passwd //输出以 nologin 结尾的行
awk 'BEGIN{RS=""};END{print NR}' /etc/squid/squid.conf//统计以空行分隔的文本段落数

（2）按字段输出文本

awk '{print $3}' test.txt //输出每行中(以空格或制表位分隔)的第 3 个字段
awk '{print $1,$3}' test.txt //输出每行中的第 1、3 个字段
awk -F ":" '$2==""{print}' /etc/shadow //输出密码为空的用户的shadow 记录
awk 'BEGIN {FS=":"}; $2==""{print}' /etc/shadow//输出密码为空的用户的shadow 记录
awk -F ":" '$7~"/bash"{print $1}' /etc/passwd//输出以冒号分隔且第 7 个字段中包含/bash 的行的第 1 个字段
awk '($1~"nfs")&&(NF==8){print $1,$2}' /etc/services//输出包含 8 个字段且第 1 个字段中包含 nfs 的行的第 1、2 个字段
awk -F ":" '($7!="/bin/bash")&&($7!="/sbin/nologin"){print}' /etc/passwd//输出第 7 个字段既不为/bin/bash 也不为/sbin/nologin 的所有行

（3）通过管道、双引号调用 Shell 命令

awk -F: '/bash$/{print | "wc -l"}' /etc/passwd//调用wc -l 命令统计使用 bash 的用户个数,等同于 grep -c "bash$" /etc/passwd
awk 'BEGIN {while ("w" | getline) n++ ; {print n-2}}'//调用w 命令,并用来统计在线用户数
awk 'BEGIN { "hostname" | getline ; print $0}'//调用hostname,并输出当前的主机名

2.5 sort 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
sort 命令的语法为“sort [选项] 参数”

常用的选项
-f：忽略大小写；
-b：忽略每行前面的空格；
-M：按照月份进行排序；
-n：按照数字进行排序；
-r：反向排序；
-u：等同于 uniq，表示相同的数据仅显示一行；
-t：指定分隔符，默认使用[Tab]键分隔；
-o <输出文件>：将排序后的结果转存至指定文件；
-k：指定排序区域。
sort /etc/passwd  将/etc/passwd //文件中的账号进行排序。
sort -t ':' -rk 3 /etc/passwd //将/etc/passwd 文件中第三列进行反向排序。
sort -t ':' -k 3 /etc/passwd -o user.txt //将/etc/passwd 文件中第三列进行排序，并将输出内容保存至 user.txt 文件中    cat user.txt 

2.6 uniq 工具

报告或者忽略文件中的重复行
语法格式为：uniq [选项] 参数

-c：进行计数；
-d：仅显示重复行；
-u：仅显示出现一次的行。
uniq testfile//删除 testfile 文件中的重复行
uniq -c testfile//删除 testfile 文件中的重复行，并在行首显示该行重复出现的次数。
uniq -d testfile//查找 testfile 文件中的重复行。

2.7 tr工具

对来自标准输入的字符进行替换、压缩和删除
可以将一组字符替换之后变成另一组字符
编写优美的单行命令，作用很强大
tr 具体的命令语法格式为：
tr [ 选项 ] [ 参数 ]

常用选项
-c：取代所有不属于第一字符集的字符；
-d：删除所有属于第一字符集的字符；
-s：把连续重复的字符以单独一个字符表示；
-t：先删除第一字符集较第二字符集多出的字符。


echo "KGC" | tr 'A-Z' 'a-z'//将输入字符由大写转换为小写。
echo "thissss is a text linnnnnnne." | tr -s 'sn'//压缩输入中重复的字符。
echo 'hello world' | tr -d 'od'//删除字符串中某些字符。