linux 正则表达式和grep命令

在linux中，因为一切都是文件，所以文本操作占有很大的比重，正则表达式是一门处理文本的强大的工具。

正则表达式用来识别文本，和匹配文件或者路径名的shell通配符比较相似。许多命令行工具都能提供对正则表达式的支持，其中grep是用得最多的工具。

grep的用法

grep   search_phrase   filename  

在filename表示的文件中查找包含search_phrase的文件。grep的主要选项如下：

选项	作用
-i	忽略大小写，查询文本不区分大小写
-v	不匹配，反向作用。通常grep会打印包含查询文本的文件，加上改选项会打印不包含该文本的文件
-c	打印匹配文件的数量
-l	打印包含查询文本的文件名，而不是文本行，默认是文本行

注：grep是根据文件的内容进行查找，会对文件的每一行按照给定的模式(pattern)进行匹配查找。和find结合使用的时候grep也是在find命令的输出的文件的内容中查找。

正则表达式

正则表达式和shell通配符一样也包含许多特殊字符，除了这些特殊字符之外其余的全是原义字符。

特殊字符

字符	作用
^	1.^在字符串开头时表示文本开头 2.^在[]中的第一个位置时表示否定，其他位置时是普通字符
$	1.字符末尾 2.变量值获取
.	任意单个字符
[]	括号中的任意一个单个字符，特殊字符在[]中失去特殊含义（如\反斜），除了^和-在指定的位置时。]位于第一个位置时表示]是集合中的一个元素，不代表结束。
{}	匹配特定的次数（重复）。在bash中还可以表示命令集合或者目录分隔。
-	在[]中非第一个和最后一个位置时表示范围。具体的值和特定的语系有关。
?	表示0个或一次（重复）。在shell中代表一个任意的字符。
*	任意多次重复（重复）。在bash中代表任意长度的任意字符串。
+	至少一次的重复（重复）
()	分组符。在bash中表示子shell指定的命令。
|	逻辑或。在bash中表示管道。
\	转义字符，用于将元字符转义成普通字符和将普通字符转义成特殊字符。如： 换行符  \n 回车符  \r 制表符  \t

当我们在bash中传递包含元字符的正则表达式的时候，把特殊字符用单引号引起来至关重要，这样可以阻止 shell 试图展开它们。

下面就来解释一下语系与正则表达式[]范围的关系：

正则表达式是处理字串的表示方式，那么对字符的排序有影响的语系配置就会对正则表达式产生影响。

举例来说，英文和数字的编码顺序在en_US.utf8及C 这两种语系的输出结果分别如下：
LANG=C:0 1 2 3 4 ... A B C D ... Z a b c d ...z
LANG=en_US.utf8:0 1 2 3 4 ... a A b B c C d D ... z Z

从上面可以发现不同的语系中字符的排序是不一样的。如果你想要获取大写的字符而使用[A-Z] 时，会发现LANG=C(或者POSIX)时是连续的大写字符。

但是如果使用en_US.utf8时，会发现会取出除了小写a以外的所有字母。因为排序的顺序是【A b B c C d D ... z Z】。

所以，使用这则表达式时，需要特别留意当时环境的语境是什么，否则会发现获取的结果和别人是不一样的。

修改语系

在linux中可以使用locale查看语系环境，语系配置文件是/etc/default/locale（ubuntu）或者/etc/sysconfig/i18n（centos）

• 直接将LANG="POSIX" 或者LANG="C"(两者相同)
• 然后直接source 配置文件

由于不同的语系对正则表达式，所以需要一个统一的表示方法来表示，下面这个符号在各语系下是一致的：