正则表达式

正则表达式

注意要区别通配符 —— 正则一般配合字符提取命令，进行关键词精确匹配、过滤

概述

• 通配符在 Linux 中用来查询指定名称的文件名 —— 模糊查询
• 正则表达式则是对字符串和文件内容进行匹配 —— 精确查询

基础正则表达式

可结合 grep 行过滤命令实现精确匹配

基础正则表达式

元字符	作用
*	前一个字符匹配 0 次或任意多次
.	匹配除了换行符外任意一个字符
^	匹配行首。例如 ^hello 会匹配以 hello 开头的行
$	匹配行尾。例如 hello$ 会匹配以 hello 结尾的行
[]	匹配中括号中指定的任意一个字符，只匹配一个字符
[^]	匹配除中括号的字符以外的任意一个字符，表示取反
\	转义符。用于取消特殊符号的作用
\{n\}	表示前面的字符恰好出现 n 次
\{n,\}	表示前面的字符出现不小于 n 次
\{n,m\}	表示其前面的字符至少出现 n 次，最多出现 m 次

补充：在 vim 编辑器的命令模式中输入 “/^root” 搜索以 “root” 开头的行

元字符匹配

• “.” —— 匹配换行符以外的任意一个字符
  • 正则表达式 “.” 只能匹配一个字符，但可以是任意字符
• “[]” —— 匹配中括号中任意一个字符，注意只能匹配一个字符
  • 比如 [ao] 要么匹配一个 a 字符，要么匹配一个 o 字符
  • [0-9]、[a-z]、[A-Z]、[a-Z] 类似都可以 —— 指定匹配的范围
  • [^0-9] 匹配除了数字以外的任意一个字符

次数匹配 —— 字符数量

• “*” —— 前一个字符匹配任意多次
  • 如果正则表达式写成 “aa*”，代表匹配至少包含有一个 a 的行
• “\?” —— 匹配前一个字符出现 0 次或者 1 次
  • \{n\} —— 表示前面的字符恰好出现 n 次
  • \{n,\} —— 表示其前面的字符出现不小于 n 次
  • \{n,m\} —— 匹配其前面的字符出现不小于 n 次，最多出现 m 次

位置匹配

• “^” —— 匹配行首
• “$” —— 匹配行尾
  • “^$” —— 匹配空白行
  • ^[a-Z] —— 不以字母开头的行

整体匹配

• \(字符串\) —— 将括号内的内容当作一个整体
  • (dog)* —— 用来匹配出现任意次数的 dog 字符串
  • (dog)? —— 用来匹配 dog 字符串出现一次或者不出现

注：把多个字符当作一个整体用 “()” 括起

扩展正则表达式

扩展正则表达式

扩展元字符	作用
+	前一个字符匹配 1 次或任意多次
?	前一个字符匹配 0 次或 1 次
|	匹配两个或多个分支选择，配合 () 使用 —— (|)
()	匹配其整体为一个字符，即模式单元。可以理解为多个单个字符组成的大字符
{}	匹配前一个字符出现的次数 —— 自定义次数

注：正则表达式可以直接和 grep 结合使用，但扩展正则表达必须使用 grep -E 或 egrep 命令才能生效

扩展正则

• ? —— 匹配前一个字符出现或不出现，0 次或 1 次
• + —— 匹配前一个字符出现一次或任意次数，至少一次
• () —— 将括起来的字符串当作一个整体进行匹配
• | —— 分支匹配符号
• {} —— 匹配前一个字符出现次数（自定义次数）
  • {n,m} —— 匹配前一个字符出现至少 n 次，最多 m 次 —— {0,1} = ?
  • {n,} —— 匹配前一个字符出现至少 n 次，最多不设上限 —— {1,} = +、{0,} = *
  • {n} —— 匹配一个字符出现 n 次的字符串
  • {,m} —— 匹配前一个字符出现最多 m 次，最少不设下限

注：\{n,m\} —— 在标准正则中使用该符号时，需要用转义符

正则表达式练习

使用正则符号，对字符进行精确查询

• 编写一个文件，a.txt，对如下字符进行进行过滤测试

  abcrootxyz
  root
  

• 使用 grep 命令对 “root” 进行过滤 —— 模糊查询

  grep "root" /tmp/a.txt		# 包含 "root" 的两行都会被输出
  

• 加入正则表达式，对 “root” 进行精确过滤 —— 精确匹配

  grep "^root$" /tmp/a.txt	# 加入 "^$"，意味着只有 root 符合条件
  

说明：“^$” 表示开头结尾，是对字符精确的过滤，只有 “root” 符合条件，多一个字符都不符合条件

例1：编辑一个文件 b.txt，使用正则表达式进行字符过滤，测试

• b.txt

  abcrootzxc
  root
  # 空白行
   					# 前面是 tab，空格
  root
  rooot
  roooot
  rooooooooooooooxcvxcvt
  rootrooot
  rt
  

• “^$” —— 过滤空白行

  grep -n "^$" /tmp/b.txt			# 仅过滤出行号 4:，不包含任意字符
  

• “.” —— 表示任意一个字符，注意仅表示一个字符

  grep "r..t" /tmp/b.txt			# root 两行符合条件都过滤输出
  grep "r.t"	/tmp/b.txt			# . 仅能表示一个字符，不存在符合条件的字符
  

• “[]” —— 中括号内可写字符范围，匹配符合条件的一个字符

  grep -n "r[a-z][a-z]t" /tmp/b.txt	# 两行 abcrootzxc、root 都符合条件
  grep -n "r[a-z]t" /tmp/b.txt		# [a-z] 仅能表示 a-z 的一个字符
  grep -n "r[aoe][a-z]t" /tmp/b.txt	# [aoe] 表示 a、o、e 其中一个字符
  

• “*” —— 匹配前一个字符或字符串出现任意次数的一行 —— 包括 0 次

  grep -n "r.*t" /tmp/b.txt			# 输出任意字符开头任意数量的行，rt 同样符合条件
  

例2：扩展正则 —— 必须使用 grep -E，或 egrep 进行使用

• ? —— 匹配前一个字符出现或不出现，只能匹配一次

  egrep -n "rooo?t" /tmp/b.txt
  

• + —— 匹配前一个字符出现一次或任意次数

  egrep -n "rooo+t" /tmp/b.txt
  

• {} —— 规定前面的字符出现次数

  egrep -n "ro{2,3}t" /tmp/b.txt			# 最少两次，最多三次，root、rooot
  egrep -n "ro{2,3}"	/tmp/b.txt			# 去掉 t，就会包含2个、3个、以及三个上，不规定t结尾
  # 先判断是否包含 3个o，然后还会继续判断是否还包含 2个o，rootrooot也会符合条件
  

• () —— 将括号内的字符当作一个整体，一个字符

  cat /tmp/b.txt		#--》rootrootroot \n rootroot
  egrep "(root){2}" /tmp/b.txt			# 输出 rootroot、rootrootroot
  

• | —— “r(o|x){4}t”，匹配出现四次 o 或四次 x 的字符串

  egrep "r(o|x){4}t" /tmp/b.txt			# 匹配 o或x 出现4次的字符串，o或x必须连续
  egrep "ro|x{4}t" /tmp/b.txt				# 必须加 () 才能当作整体进行匹配
  

补充

• 匹配手机号
• 匹配 ip
• 匹配邮箱

匹配 IP 地址

• x.x.x.x —— 范围 0-255，先想办法匹配其中一个 0-255
• 注意不能使用 egrep “[0-255]”，[0-255] 只能匹配出 0、1、2、5 这四个数字

思路

• 从个位数 --》到双位数 --》再到三位数 --》三位数再细分范围

• 0-9、10-99、100-199、200-249、250-255

• [0-9]、[1-9][0-9]、1[0-9][0-9]、2[0-4][0-9]、25[0-5]

  egrep "^([0-9]|[1-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])$" num.txt   #匹配一个255
  

注：“[]” 中只能表示单个字符的范围，所以不能直接使用 “[0-255]” 的方式去过滤 IP 地址，需要按每一位的数字进行细分

实现

• 写一个文件 —— ip.txt

  a.b.c.d
  a.192.168.88.110
  192.168.47.1
  0.0.0.0
  255.255.255.255
  300.300.300.300
  

• 代码实现过滤，匹配 —— “^(x)(.x){3}$”

  egrep "^([0-9]|[1-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])(\.([0-9]|[1-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5])){3}$" /tmp/ip.txt
  

注：实际一般只需要过滤到某个网段而已，不必四位数都写