Linux Command Line and....ch20（正则表达式）

本章内容：

• 定义正则表达式
• 正则表达式基础
• 扩展正则表达式
• 创建正则表达式

---

20.1 什么是正则表达式

20.1.1 定义
正则表达式是定义的模式模板（pattern template），Linux工具可以用它来过滤文本。

===
20.1.2 正则表达式的类型

两种正则表达式引擎
- POSIX基础正则表达式（BRE）引擎
- POSIX扩展正则表达式（ERE）引擎

sed只支持BRE引擎，出于速度方面的考虑。

---

20.2 定义BRE模式

20.2.1 纯文本

注意正则表达式区分大小写，在正则表达式中可以使用空格和数字。

$ echo "This is a test" | sed -n '/test/p'
This is a test
$ echo "This is a test" | sed -n '/trial/p'
$

20.2.2 特殊字符

正则表达式识别的特殊字符包括：
.*[]^${}+?|()

如果要使用特殊字符，必须在前面加上反斜线，做转义

$ cat data2
The cost is $4.00
$ sed -n '/\$/p' data2
The cost is $4.00

$ echo "\ is a special character" | sed -n '/\\/p'
\ is a special character

$ echo "3 / 2" | sed -n '/\//p' 3/2

===
20.2.3 锚字符

限制文本匹配发生的位置，如果不是在指定的位置出现，则不进行匹配

1.锁定在行首
无输出的情况：

$ echo "The book store" | sed -n '/^book/p'
$
$ echo "The book store" | sed -n '/^The/p'
The book store

2.锁定在行尾

$ echo "This is a good book" | sed -n '/book$/p'
This is a good book
$ echo "This book is good" | sed -n '/book$/p'
$

===
20.2.4 点号字符

点号字符可以用来匹配换行符之外的任意单个字符。

    $ cat data6
    This is a test of a line.
    The cat is sleeping.
    That is a very nice hat.
    This test is at line four.
    at ten o'clock we'll go home.
    $ sed -n '/.at/p' data6
    The cat is sleeping.
    That is a very nice hat.
    This test is at line four.

第四行也会匹配，因为在正则表达式中，空格也是字符

===
20.2.5 字符组

$ sed -n '/[ch]at/p' data6
The cat is sleeping.
That is a very nice hat.

$ echo "yEs" | sed -n '/[Yy][Ee][Ss]/p'
yEs

===
20.2.6 排除型字符组

$ sed -n '/[^ch]at/p' data6 This test is at line four.

===
20.2.7 区间

$ echo "a8392" | sed -n '/^[0-9][0-9][0-9][0-9][0-9]$/p'
$

===
20.2.8 特殊的字符组

===
20.2.9 星号

在字符后面放置星号表明该字符必须在匹配模式的文本中出现0次或多次。

$ echo "ik" | sed -n '/ie*k/p'
ik
$ echo "iek" | sed -n '/ie*k/p'
iek
$ echo "ieek" | sed -n '/ie*k/p'
ieek

---

20.3 扩展正则表达式

ERE模式。gawk程序能够识别ERE。

20.3.1 问号

问号前面的字符可以出现0次或1次。

$ echo "bet" | gawk '/be?t/{print $0}'
bet
$ echo "beet" | gawk '/be?t/{print $0}'
$

===
20.3.2 加号

加号前的字符至少出现一次。

===
20.3.3 花括号

m: 正则表达式准确出现m次
m, n:正则表达式至少出现m次，至多n次

默认情况下 gawk不会识别正则表达式中的间隔，所以要加上 –re-interval

$ echo "beet" | gawk --re-interval '/be{1,2}t/{print $0}'
beet
$ echo "beeet" | gawk --re-interval '/be{1,2}t/{print $0}'
$

===
20.3.4 管道符号

逻辑or，只要满足其一即通过匹配

 $ echo "The cat is asleep" | gawk '/cat|dog/{print $0}'
 The cat is asleep

===
20.3.5 表达式分组

$ echo "Sat" | gawk '/Sat(urday)?/{print $0}'
Sat
$ echo "Saturday" | gawk '/Sat(urday)?/{print $0}'
Saturday

$ echo "cat" | gawk '/(c|b)a(b|t)/{print $0}'
cat
$ echo "cab" | gawk '/(c|b)a(b|t)/{print $0}'
cab

---

20.4 正则表达式实战

20.4.1 目录文件计数

先用空格替代冒号，将目录文件用空格分割，然后再利用for函数（以空格为间隔分辨元素）

    $ cat countfiles
    #!/bin/bash
    # count number of files in your PATH
    mypath=$(echo $PATH | sed 's/:/ /g')
    count=0
    for directory in $mypath
    do
       check=$(ls $directory)
       for item in $check
       do
             count=$[ $count + 1 ]
      done
      echo "$directory - $count"
      count=0
    done
    $ ./countfiles /usr/local/sbin - 0
    /usr/local/bin - 2
    /usr/sbin - 213
    /usr/bin - 1427
    /sbin - 186
    /bin - 152
    /usr/games - 5
    /usr/local/games – 0
    $

===
20.4.2 验证电话号码

^\(?[2-9][0-9]{2}\)?(| |-|\.)[0-9]{3}( |-|\.)[0-9]{4}$

===
20.4.3 解析邮件地址

username可用字母，数字，字符，点号，单破折线，加号，下划线

^([a-zA-Z0-9_\-\.\+]+)@

顶级域名