Shell编程基础（十三）正则表达式

正则表达式

格式：^ 表达式 $
在不同的场景下，定义是一样，但使用要按照具体的命令去调用，中间的表达式都是通用的

元数据

普通元字符

所谓元数据，就是描述数据的数据，在这里就是描述正则的数据

• ^ 表示正则从字符串整行起始位置匹配
  ^abc 匹配 以abc开始的字符串
• $ 表示正则一直匹配到字符串整行结束位置
  abc$ 匹配以abc结尾的字符串

如果一个正则表达式不是^开始，表示不限制字符串前缀内容，如果不是$结束，则不限制字符串后缀内容，如果都没有，则表示任意位置匹配上都算成功

[root@origin ~]# grep ^root /etc/passwd
root:x:0:0:root:/root:/bin/bash
[root@origin ~]# cat /etc/passwd | grep ^root
root:x:0:0:root:/root:/bin/bash



[root@origin ~]# grep bash$ /etc/passwd
root:x:0:0:root:/root:/bin/bash
kalpana:x:1000:1000:kalpana:/home/kalpana:/bin/bash
zp:x:1001:1001::/home/zp:/bin/bash
[root@origin ~]# cat /etc/passwd | grep bash$
root:x:0:0:root:/root:/bin/bash
kalpana:x:1000:1000:kalpana:/home/kalpana:/bin/bash
zp:x:1001:1001::/home/zp:/bin/bash

• . 一个点，匹配一个任意字符

• " * " 星号，匹配左侧紧挨的那个字符 0次或多次；如 “123*”：匹配 12 和 12后面紧跟3的字符串（123，1233，1234.但是不匹配 124）
  **直觉上直接就是前缀匹配前面的固定字符，但实际还可以匹配 去掉*左侧紧挨的那个字符后的字符串

• .* 根据上面 星号的定义，可以得出 .* 可以匹配任意字符串

• [] 匹配括号内任意一个字符。 1[abc]2 可以匹配 1a2 1b2 1c2

• [^] 不匹配括号内所有字符。1[^ab]2 可以匹配除了 1a2 和 1b2 之外的字符串

• [-] 匹配一个连续的范围。[0-9] 匹配一个 0-9的字符

• \ 转义符，这在各种编程语言中都是存在的，其目的是去掉一些原本带有特殊含义的字符代表的特殊含义，使其变成字面意思。只作用在一个字符上

• ‘’ “” 单引号 / 双引号 也可以转义，但是他俩带有边界，可能影响原有字符串 引号的边界。‘’ 单引号为强引用，其内部所有字符均被转义； “” 双引号为弱引用，其内部部分字符被转义；比如空格被转义，但是可以使用 $获取变量

• \< 词首（空格隔开为一个词，词首可能不是整行第一个单词）匹配 <abc。匹配形如 abcxxx 或者 xxx abcxxx 的字符串

• \> 词尾（空格隔开为一个词）匹配 >abc。 匹配形如 xxxabc 或者 xxxabc xxx 的字符串

• () 将多个字符视为一个整体，用于后面匹配，替换等操作
  如：给匹配上的字符串增加一个前缀 s/(^bc)xx/\1de/ ；匹配 bcxx开头的字符串，然后 \1 的值就是前面^bc命中的字符串括号内的部分，然后把()内的字符串(也就是bc)取出来，并将后面的xx换成de。
  \1 代表前面第一个()内的内容
  \2 代表前面第二个()内的内容
  依次类推

  s/查找字符串/要替换的字符串/

• x{m} 匹配 前导字符 重复的次数。这里意味着匹配m * n个x（n 正整数）

• x{m,} 匹配 前导字符 重复次数大于等于 m

• x{m,n} 匹配 前导字符 重复次数大于等于 m 小于等于n

扩展元字符

grep 默认只支持普通元字符，要使用扩展元字符，要么使用 grep -E 选项 要么使用 egrep 命令

测试文本如下

a
ab
ac
abc
abbc
abbbc
abbbcc

• +
  匹配一个或多个前导字符，和 * 的区别在于 * 匹配的是0个或多个前导字符，而 + 是1个或多个。ab+c 匹配 abc abbc abbbc
  ab*c 匹配 ac abc abbc abbbc
  相当于 * 比 + 多了一种不包含前导字符的情况。

grep "ab*c" test_reg.txt
ac
abc
abbc
abbbc
abbbcc


grep -E "ab+c" test_reg.txt
abc
abbc
abbbc
abbbcc

egrep "ab+c" test_reg.txt
abc
abbc
abbbc
abbbcc

• ？
  匹配 0 或 1个 前导字符

• |
  匹配 | 分隔的任意一项

• ()
  将多个字符作为一个整体进行匹配。如果没有()分割，则会将原本分隔的地方前后的字符串当作一个字符串处理
  abc(de|aa)：这里就匹配 abcde 或者 abcaa
  如果不加()
  abcde|aa：则变成了 匹配 abcde 或者 aa

• \w
  字母数字

• \W
  符号（非字母数字）

• \b
  词首，词尾

• \s
  空格

总结

^ 和 < 的区别 以及 $ 和 > 的区别

上述2种区别都类似：
^ $ 匹配的是整个字符串的首尾
而 \< \> 匹配的是字符串中的词（整个字符串根据空格可以拆分成多个词）的首尾

* + ? {}的区别

• ’ * ’ ：星号代表的是 0 或者 多个 前导字符
  abc* 等同于 abc{0,}

• ’ + ’ ：代表匹配 1个 或者 多个 前导字符
  abc+ 等同于 abc{1,}

• ? 代表 0个 或者 1个 前导字符
  abc? 等同于 abc{0,1}