Shell编程之正则表达式与文本处理器
前言
正则表达式是对字符串操作的一种逻辑公式,通常被用来检索、替换那些符合某个规则的文本,在我们的实际工作中尤为重要。
一、概述
- 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
- 正则表达式是由普通字符与元字符组成
- 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
二、基础正则表达式
常配合使用的工具:grep、sed、awk(Linux三剑客)
元字符 | 作用 |
---|---|
\ | 转义字符,用于取消特殊符号的的含义例:!,\n,$等 |
^ | 匹配字符串开始的位置例:a,the,#,[a-z] |
$ | 匹配字符串结束的位置例:wordKaTeX parse error: Expected group after '^' at position 2: ,^̲匹配空行 |
. | 匹配除\n之外的任何一个字符例:go.d , g…d |
* | 匹配前面子表达式0次或者多次例:goo*d,go.*d |
[list] | 匹配list列表中的一个字符例:go[loa]d,[a-z],[0-9]匹配任意一位数字 |
[^list] | 匹配任意非list列表中的一个字符例:[0-9],[a-z]匹配任意一位非小写字母 |
{n} | 匹配前面子表达式n次例:go{2}d,'[0-9]{2}'匹配两位数字 |
{n,} | 匹配前面子表达式不少于n次例:go{2,}d,'[0-9]{2,}'匹配两位及两位以上的数字 |
{n,m} | 匹配前面子表达式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“{}”前面不用加“\”
egrep -E -n ‘wo{2}d’ test.txt1/-E用于显示文件中符合条件的字符
egrep -E -n ‘wo{2,3}d’ test.txt
三、扩展正则表达式
元字符 | 作用 |
---|---|
+ | 匹配前面子表达式一次以上例:go+d,将匹配至少一个o,如god,good,goood等 |
? | 匹配前面子表达式0次或一次例:go?d,匹配将为gd或者god |
() | 将括号内的字符创作为一个整体例:g(oo)+d,将匹配oo整体一次以上 |
| | 以或的方式匹配字符条串例:g(oo |
定位符
- ^ 匹配输入字符串开始的位置
- $匹配输入字符串结尾的位置
非打印字符
- \n匹配一个换行符
- \r匹配一个回车符
- \t匹配一个制表符
四、grep命令
grep命令使用正则表达式来搜索文本,并且把匹配的文本打印出来
格式:
grep [options] pattern [file]
option表示选项,pattern表示匹配的模式。file表示一系列文件名。
-c | 只打印匹配的文本行的次数,不显示文本内容。 |
---|---|
-i | 匹配时忽略字母大小写 |
-h | 当搜索多个文件,不显示匹配文件名前缀。 |
-l | 只列出含义匹配的文本行的文件的文件名,不显示其具体匹配的内容。 |
-n | 列出所有匹配的文本行,并显示行号 |
-s | 不显示关于不存在或无法读取文件的错误信息 |
-v | 只显示不匹配的文本行,反向选择,显示与搜索字符串不相符的行。 |
-w | 匹配整个单词 |
-x | 匹配整个文本行 |
-r | 递归搜索,不仅搜索当前目录,还有各级子目录 |
-E | 开启扩展(extend)的正则表达式 |
–color=auto | 可以将找到的关键词部分加上颜色的显示 |
- 统计包含某个字符的文本行的行数
- 不区分大小写查找指定字符所在行
- 将非空行行写入到文件中
- 过滤IP地址
五、元字符操作案例
(1)查找特定字符,显示行号
(2)查找特定集合字符
“[]”中无论有几个字符, 都仅代表一个字符,也就是说“[sh]”表示匹配“s”或者“h”其中任意一个字符。
- 查找单个重复字符
- 查找oo前不是r的字符串
- 查找包含数字的行
(3)查找行首与行尾字符
- 过滤出以root开头的行
- “^”符号在元字符集合“[]”符号内外的作用是不一样的,在“[]”符号内表示反向选择,在“[]” 符号外则代表定位行首
- 可以使用“$”定位符查找以某一特定字符结尾的行
- 查询空白行
(4)查找任意字符与重复字符
- 查找w开头d结尾的任意一个四位字符串
- 查找“w”开头“d”结尾,且包含0个以上“o”的字符串
- 查找“w”开头“d”结尾,包含任意字符的字符串
(5)查找连续字符范围
- 查找带有固定个数以上的某字符的字符串
- 查找带有范围数量某字符的字符串
四、cut、sort、uniq、tr
(1)cut列截取工具
- 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
- cut只擅长于处理单个字符为间隔的文本,-b只能分割字母,-c既可以分割字母也可以分割中文
-b | 按字节截取 |
---|---|
-c | 按字符截取,常用于中文 |
-d | 指定分隔符截取。默认为制表符 |
-f | 通常和-d一起使用 |
-
打印指定列
-
查看指定位置字节
- 查看指定位置字符
(2)sort排序工具
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。例如数据和字符的排序就不一样。
格式:sort [选项] 参数
-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 |
-f | 忽略大小写,会将小写的字母都转换为大写字母来进行比较 |
-b | 忽略每行前面的空格 |
- 按字母排序
不加选项默认是字母排序,按a-z顺序排序
- 按数字排序
- 反向排序
-
不输出结果,输出到指定文件
-
去掉文件中重复的行
(3)uniq去重工具
主要用于去除连续的重复行
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
-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 |
- 统计连续的重复行的次数
- 结合sort使用过滤出重复行
- 过滤出不重复的行
- 结合sort使用,去重(与sort -u相同)
(4)tr修改工具
- 它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。
- 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。
格式:tr [选项]… SET1 [SET2]
-d | 删除字符 |
---|---|
-s | 删除所有重复出现的字符,只保留第一个 |
- 将所有小写改成大写
- 一一替换出现的对应字母
- 可以使用特殊字符替换,也可以替换多个
- 当遇到单引号,使用双引号
- 删除所有o
- 删除出换行符
- 去重字符o,只保留一个
- 去除空行
(5)常用的组和用法
- 查看登录用户
- 查看登陆过系统的用户
- 查看登录ip和使用者个数
- 查看客户端和监听服务个数
总结
- 基础正则表达式的用法
- 扩展正则表达式的用法
- grep命令的使用方法
- cut、sort、uniq、tr文本处理器的常用方式