shell脚本之正则表达式与文本处理器

1. 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。正则表达式不只有一种，而且 LINUX 中不同的程序可能会使用不同的正则表达式，如：工具：grep sed awk egrep

2.正则表达式---通常用于判断语句中，用来检查某一字符串是否满足某一格式。
3.正则表达式是由普通字符与元字符组成。
4.普通字符包括大小写字母、数字、标点符号及一些其他符号。
5.元字符是指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。

LINUX中常用的有两种正则表达式引擎：

基础正则表达式：BRE
扩展正则表达式：ERE

1.2 grep

（1）格式

grep [选项]… 查找条件 目标文件

（2）常用选项

-E ：开启扩展（Extend）的正则表达式
 
-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
 
-o ：只显示被模式匹配到的字符串
 
-v ：反向选择，亦即显示出没有 '搜寻字符串' 内容的那一行！（反向查找，输出与查找条件不相符的行）
 
--color=auto ：可以将找到的关键词部分加上颜色的显示喔！
 
-n ：顺便输出行号

（3）案列

统计root字符总行数；再用cat /etc/passwd | grep root 进行查看是否正确。

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

将test.txt文件中的非空行写入到666.txt文件中。

1.3.基础正则表达式以及常见元字符

(支持的工具：grep、egrep、sed、awk)

（1）特殊字符

\：转义符，将特殊字符进行转义，忽略其特殊意义a\.b匹配a.b，但不能匹配ajb，.被转义为特殊意义\\\\
 
^：匹配行首，^则是匹配字符串的开始^tux匹配以tux开头的行^^^^
 
$：匹配行尾，$则是匹配字符串的结尾tux$匹配以tux结尾的行$$$$ 
 
.：匹配除换行符\r\n之外的任意单个字符
 
[list]：匹配list列表中的一个字符 例： 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 例： [^a-z]、[^0-9]、[^A-Z0-9]
 
*：匹配前面子表达式0次或者多次 例：goo*d、go.*d
 
\{n\} :匹配前面的子表达式n次，例:go\{2\}d、'[O-9]\{2\}'匹配两位数字
 
\{n,\}:匹配前面的子表达式不少于n次，例: go\{2,\}d、' [0-9]\{2,\}'匹配两位及两位以上数宁
 
\{n,m\}﹔匹配前面的子表达式n到m次，例: go\{2,3\)d、'[0-9]\{2,3\}'匹配两位到三位数字
 
注: egrep、awk使用{n}、{n, }、{n, m}匹配时“{}"前不用加"\”

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

（2）案例

显示文件test.txt的内容：

-E 用于显示文件中符合条件的字符：

1.4.扩展正则表达式

（支持的工具：egrep、awk）

通常情况下会使用基础正则表达式就已经足够了，但有时为了简化整个指令，需要使用范围更广的扩展正则表达式。例如，使用基础正则表达式查询除文件中空白行与行首为“#”之外的行（通常用于查看生效的配置文件），执行“grep -v‘^$’test.txt | grep -v‘^#’”即可实现。这里需要使用管道命令来搜索两次。如果使用扩展正则表达式，可以简化为“egrep -v ‘^$|^#’ test.txt”，其中，单引号内的管道符号表示或者（or）。
此外，grep 命令仅支持基础正则表达式，如果使用扩展正则表达式，需要使用 egrep 或 awk 命令。awk 命令在后面的小节进行讲解，这里我们直接使用 egrep 命令。egrep 命令与 grep 命令的用法基本相似。egrep 命令是一个搜索文件获得模式，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。

与基础正则表达式类型相同，扩展正则表达式也包含多个元字符，常见的扩展正则表达式的元字符主要包括以下几个：

+	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
 
|	作用：使用或者（or）的方式找出多个字符
示例：执行“egrep -n 'of|is|on' test.txt”命令即可查询"of"或者"if"或者"on"字符串
 
()	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“|”分隔，即可查询"tast"或者"test"字符串
 
()+	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

（1）案例：

查询"wood" "woood" "woooooood"等字符串。

查询“bet”“best”这两个字符串。

查询"of"或者"if"或者"on"字符串

查询"tast"或者"test"字符串。

查询开头的"A"结尾是"C"，中间有一个以上的"xyz"字符串。

1.5.元字符操作的案列

（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（本章中全部通过加粗显示代替）。

案例：
查找有the的行

若反向选择，如查找不包含“the”字符的行，则需要通过 grep 命令的“-v”选项实现，并配合“-n”一起使用显示行号。

（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。

查找包含数字的行可以通过“grep -n ‘[0-9]’test.txt”命令来实现

（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）

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（后面会讲到），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“*”

前面提到，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

在上述结果中，“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。

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

查询以 w 开头 d 结尾，中间包含至少一个 o 的字符串，执行以下命令即可实现

查询以 w 开头 d 结尾，中间的字符可有可无的字符串

（5）查找连续字符范围“{}”

使用了“.”与“*”来设定零个到无限多个重复的字符，如果想要限制一个范围内的重复的字符串该如何实现呢？例如，查找三到五个 o 的连续字符，这个时候就需要使用基础正则表达式中的限定范围的字符“{}”。因为“{}”在 Shell 中具有特殊意义，所以在使用“{}”字符时，需要利用转义字符“\”，将“{}”字符转换成普通字符。“{}”字符的使用方法如下所示。

查询两个 o 的字符

查询以 w 开头以 d 结尾，中间包含 2～5 个 o 的字符串

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

二、文本处理器

2.1.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。

注意：cut只擅长于处理单个字符为间隔的文本。

（1）常用选项

-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

（2）案例

截取passwd文件的第一例

截取passwd文件的第一例和第三例

截取passwd文件的第一例到第三例。

2.2.sort（排序工具）

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。

（1）常用选项

-t：指定分隔符，默认使用[Tab]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

（2）案例

sort passwd.txt    //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
 
sort -n -t: -k3 passwd.txt    //以冒号为分隔符，以数字大小对第三列排序（升序）
 
sort -nr -t: -k3 passwd.txt   //以冒号为分隔符，以数字大小对第三列排序（降序）
 
sort -nr -t: -k3 passwd.txt -o passwd.bak    //将输结果不在屏幕上输出而是输出到passwd.bak文件

2.3.uniq(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

（1）常用选项

-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；

（2）案例

创建一个文件，一共9行内容

统计重复行的次数，不连续的重复行他不算做重复行

2.4.tr(替换工具)

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

（1）语法结构

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。

（2）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

（3）案列

创建一个文件，查看

将文件中的小写a-g字母替换成大写的A-G

删除所有a

对e字符去重，只保留第一个

H unter

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫