shell(5) 正则表达式.doc

regular expression engine

描述匹配模式的特殊字符和一般字符组成；

 

BRE POSIX 基本正则表达式， ERE 扩展正则表达式； gawk 支持 ERE ， sed 不支持。

 

1） 正则表达式模式：

l         区分大小写

l         空格作为普通字符处理

l         工具或语言中的使用模式常为 /pattern/

 

特殊字符： .*[]^${}/+?|()

 

BRE

“ / ” 转义 escape 字符

正斜扛也需要转义，虽然它不是特殊字符——因为 / 被用作表示模式？

 

“ ^ ”，定位符，从头开始

如 sed -n '/^abc/p' ； ^ 必须放到正则表达式的最前，否则作为普通字符

 

“ $ ”，定位符，查找末尾

sed -n '/abc$/p' ；

eg: 查找整行 , '/^this$/p' ；查找空行 '/^$/d';

 

“ . ”

匹配换行符外的任何单字符，必须有一个字符；

 

“ [] ”，字符类

character class （几个字符之一），如 sed -n '/[Yy]es/p'

否定字符类，使用 [^] ，如 [^ch] ，表示不含这几个字符，但是仍然需要一个字符；

定义字符范围，如 [0-9] ， [a-z] ，［ a-cx-z ］定义多个范围

 

BRE 的特殊字符类：

[[:alpha:]]       任意字母字符，大小写

[[:alnum:]]      任意字母、数字

[[:blank:]]      空格或制表符

[[:digit:]]        数字

[[:lower:]]      任意小写

[[:print:]]       任意可打印

[[:punct:]]      标点符号

[[:space:]]      任意空白字符， 包括垂直制表符， 如空格， lt ， nl ， CR 等

[[:upper:]]      任意大写

[[:cntrl:]]       ASCII 控制字符

[[:graph:]]       非控制非空格

[[:xdigit:]]       16 进制数字

 

“ * ”

* 前的字符可不出现或多次出现， /colou*r/

“ .* ”，出现在一行文本上任意位置的单词

* 用于字符类：

eg: $echo "bt" | sed -n '/b[ac]*t/p'              #TBD ： ac 可任意出现？

 

ERE

“ ? ”

同 * 的不同：不出现或仅出现一次，也可与字符类连用

 

“ + ”

同 * 的不同：必须出现一次或多次

 

“ {} ”

对可重复字符出现次数进行限制 (interval) ， {m} 或 {m,n} ， /{min,max/} ，｛ m, ｝表示最少 m 次

be{1}t    # 等价于 bet ？

gawk 中需指定参数 --re-interval ，

eg:

echo "bt"|gawk --re-interval '/be{1}t/{print $0}'

用于字符类：

gawk --re-interval "/b[ae]{1,2}t"

 

“ | ”

逻辑 or ，指定多个正则表达式， gawk '/cat|dog/'

 

“ () ”

分组，一个组合作为一个标准字符处理， eg:

gawk '/sat(urday)?/        # 要求 urday 出现 0 到 1 次；

gawk '/(c|b)a(b/t)/'               #TBD ：等价于 '[cb]a[bt]'??