如何在grep和sed命令中使用扩展的正则表达式

对于grep，可以使用egrep命令来替代，那么就支持扩展的正则表达式了。

对于sed，只要加上参数-r就可以支持扩展的正则表达式了。

由于平时写python用的正则表达式大部分都是扩展的正则表达式，所以，出于习惯，我喜欢更自由的扩展的正则表达式，使用起来不用去考虑是否支持的问题。

以下是使用的例子，假设有一堆文件，内容都是诸如：

snme0001 今天心情不错！

stta0001 明天是周五。

seef0001 能把你的IPAD借给我玩玩吗？

我们想把这些文件中不含有英文的句子合并到一个大文件中，我使用如下命令：

egrep '[[:alpha:]]{4}[[:digit:]]{4}' $'\t' * | cut -d ":" -f2 | sed -e 'y/ABCDEFGHIJKLMNOPQRSTUVWXYZ/abcdefghijklmnopqrstuvwxyz/' - | sed -r -e '/\t.*[a-zA-Z]/!w ../M1.txt'

1. 首先把这些文件中符合句子ID格式的句子都抓出来。对于tab，egrep没有特别好的方法来匹配，必须用$'\t'来表示，而且由于$是个特殊符号，所以得把tab专门抽出来，而不能和其他的字符或者模式放到一个模式里。另外，*表示当前文件夹下的所有文件。

2. 抓取ID和句子。之所以用cut，因为egrep抓出来的句子的前边有文件名和冒号。所以，正好用cut，获取以冒号来分割的第二部分。

3. 由于有些句子的ID是大写字母，这里要全部转为小写字母。tr命令这里实在是不好用，因为它只能对文件进行处理。又不太会用awk，所以就用了sed的这个替换功能。y表示替换命令，然后要替换字符对前后来写，所以ABCD..和abcd的数目要相同。

4. 这里用到了!，这个表示符号条件的就不执行命令，不符合的才执行。也就是说，凡是在tab后出现了英文字母的句子，就不写到某个文件内。在sed里，是可以用\t来表示tab的，比较好。