2. 正则表达式与模式匹配
2.1 正则表达式
正则表达式(Regular Expression,RE)是一种字符模式,用于在查找过程中匹配指定的字符。
正则表达式元字符(通配符)
元字符/通配符 | 功能 | 例子 | 匹配对象 |
^ | 行首定位符 | /^hello/ | 匹配以hello开头的 |
$ | 行尾定位符 | /hello$/ | 匹配以hello结束的行 |
. | 匹配单个字符 | /l..e/ | 匹配以l开头,中间2字符并以e结尾的词 |
* | 匹配0或多个正好在它之前的那个字符。例如正则表达式 .* 意味着能够匹配任意数量的任何字符。 | /.*/ | 匹配任意字符 |
[] | 匹配任意一组任意字符 | /[Hh]ello/ | Hello或hello |
[x-y] | 匹配从x-y范围字符 | /a[a-c]c/ | aac,abc,acc |
[^] | 匹配不在指定组内字符 | [^1-9] | 不在1-9之间的字符 |
\ | 转义字符 | /hello\./ | hello. |
以下的在vi、grep支持 | |||
\< | 词首定位符 | /\<love/ | 匹配包含love开头的行 |
\> | 词尾定位符 | /\>love/ | 匹配包含love结尾的行 |
\(..\) |
|
|
|
x\{m\} | 字符x重复出现m次 | x\{3\} | xxxa aaaxxxb ddxxxee |
x\{m,\} | 字符x至少重复出现m次 | x\{3,\} | xxxa xxxxa |
x\{m,n\} | 字符x重复m次到n次 | x\{3,5\} | xxxa xxxxa xxxxxa |
3. grep
3.1 grep 简介
命令格式:
grep [-bchilnsvw] limited-regular-expression [filename...]
grep (global search regular expression(RE) and print out the line,全面搜索正则表达式并把行打印出来)是一种强大的文本搜索工具,它能使用正则表达式搜索文本,并把匹配的行打印出来。Unix的grep家族包括grep、egrep和fgrep。egrep和fgrep的命令只跟grep有很小不同。egrep是grep的扩展,支持更多的re元字符, fgrep就是fixed grep或fast grep,它们把所有的字母都看作单词,也就是说,正则表达式中的元字符表示回其自身的字面意义,不再特殊。linux使用GNU版本的grep。它功能更强,可以通过-G、-E、-F命令行选项来使用egrep和fgrep的功能。
grep的工作方式是这样的,它在一个或多个文件中搜索字符串模板。如果模板包括空格,则必须被引用,模板后的所有字符串被看作文件名。搜索的结果被送到屏幕,不影响原文件内容。
grep可用于shell脚本,因为grep通过返回一个状态值来说明搜索的状态,如果模板搜索成功,则返回0,如果搜索不成功,则返回1,如果搜索的文件不存在,则返回2。我们利用这些返回值就可进行一些自动化的文本处理工作。
3.2 grep正则表达式元字符集
grep 正则表达式的原字符集与上文的正则表达式的原字符集基本一致,这里只补充grep的正则表达式元字符集。
元字符/通配符 | 功能 | 例子 | 说明 |
\w | 匹配文字和数字字符,即[A-Za-z0-9] | 'G\w*p' | 匹配以G后跟零个或多个文字或数字字符,然后是p |
\W | \w的反置形式,匹配一个或多个非单词字符 |
|
|
\b | 单词锁定符 | '\bgrep\b' | 只匹配grep |
3.3 Grep命令选项
选项 | 功能 |
-b | 打印匹配行前面打印该行所在的块号码 |
-c | 只打印匹配的行数,不显示匹配的内容 |
-h | 当搜索多个文件时,不显示匹配文件名前缀 |
-i | 忽略大小写差别 |
-l | 打印匹配模板的文件清单 |
-n | 在匹配的行前面打印行号 |
-s | 不显示关于不存在或者无法读取文件的错误信息 |
-v | 反检索,只显示不匹配的行 |
-w | 如果被\<和\>引用,就把表达式做为一个单词搜索 |
3.4 实例
$ ls -l | grep '^a' 通过管道过滤ls -l输出的内容,只显示以a开头的行
$ grep 'test' d* 显示所有以d开头的文件中包含test的行
$ grep 'test' aa bb cc 显示在aa,bb,cc文件中匹配test的行
$ grep '[a-z]\{5\}' aa 显示所有包含每个字符串至少有5个连续小写字符的字符串的行
$ grep 'w\(es\)t.*\1' aa 如果west被匹配,则es就被存储到内存中,并标记为1,然后搜索任意个字符(.*),这些字符后面紧跟着另外一个es(\1),找到就显示该行。如果用egrep或grep -E,就不用"\"号进行转义,直接写成'w(es)t.*\1'就可以了