linux正则表达式基础记录
正则表达式
字符 | 描述 |
---|---|
\ | 将下一个字符标记为一个特殊字符、或一个原义字符。例如,“n”匹配字符“n”。“\n”匹配一个换行符。序列“\”匹配“\”而“(”则匹配“(”。 |
^ | 匹配输入字符串的开始位置。 注意:当^放到中括号内为排除字符,否则表示行首。 |
$ | 匹配输入字符串的结束位置。 |
{n} | n是一个非负整数。匹配确定的n次。例如,“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food”中的两个o。 |
{n,} | n是一个非负整数。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 |
{n,m} | m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
- | 匹配前面的子表达式零次或多次。例如,zo*能匹配“z”、“zo”以及“zoo”。*等价于{0,}。
- | 匹配前面的子表达式一次或多次。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等价于{1,}。
? | 匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。
? | 当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串“oooo”,“o+?”将匹配单个“o”,而“o+”将匹配所有“o”。
. | 匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符,请使用像“(.|\n)”的模式。
(pattern) | 匹配pattern并获取这一匹配的子字符串。该子字符串用于向后引用。要匹配圆括号字符,请使用“(”或“)”。
x|y | 匹配x或y。例如,“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz] | 字符集合(character class)。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。其中特殊字符仅有反斜线\保持特殊含义,用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符。脱字符^如果出现在首位则表示负值字符集合;如果出现在字符串中间就仅作为普通字符。连字符 - 如果出现在字符串中间表示字符范围描述;如果出现在首位则仅作为普通字符。
[^xyz] | 排除型(negate)字符集合。匹配未列出的任意字符。例如,“[^abc]”可以匹配“plain”中的“plin”。
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z] | 排除型的字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
优先级
运算符 | 说明 |
---|---|
\ | 转义符 |
() (? : ) (?=) [] | 括号 中括号 |
*、+、?、{n}、{n,}、{n,m} | 限定符 |
^、$、\任何元字符 | 定位点和序列 |
| | 选择 |
grep命令
用于打印输出文本中匹配的模式串,它使用正则表达式作为模式匹配的条件。
grep支持三种正则表达式引擎,分别用三个参数指定:
参数 | 说明 |
---|---|
-E | POSIX扩展正则表达式,ERE |
-G | POSIX基本正则表达式,BRE |
-P | Perl正则表达式,PCRE |
grep 参数
参数 | 说明 |
---|---|
-b | 将二进制文件作为文本来进行匹配 |
-c | 统计以模式匹配的数目 |
-i | 忽略大小写 |
-n | 显示匹配文本所在行的行号 |
-v | 反选,输出不匹配行的内容 |
-r | 递归匹配查找 |
-A n n为正整数,表示after的意思,除了列出匹配行之外,还列出后面的n行 | |
-B n n为正整数,表示before的意思,除了列出匹配行之外,还列出前面的n行 | |
–color=auto 将输出中的匹配项设置为自动颜色显示 |
//注意:其中\n为换行符
echo 'zero\nzo\nzoo' | grep 'z.*o' // 将匹配以'z'开头以'o'结尾的所有字符串
echo 'zero\nzo\nzoo' | grep 'z.o' //将匹配以'z'开头以'o'结尾,中间包含一个任意字符的字符串
echo 'zero\nzo\nzoo' | grep 'zo*' //将匹配以'z'开头,以任意多个'o'结尾的字符串
echo '1234\nabcd' | grep '[a-z]' //grep默认是区分大小写的,这里将匹配所有的小写字母
echo '1234\nabcd' | grep '[0-9]' //将匹配所有的数字
echo '1234\nabcd' | grep '[[:digit:]]' //将匹配所有的数字
echo '1234\nabcd' | grep '[[:lower:]]' //将匹配所有的小写字母
echo '1234\nabcd' | grep '[[:upper:]]' //将匹配所有的大写字母
echo '1234\nabcd' | grep '[[:alnum:]]' //将匹配所有的字母和数字,包括0-9,a-z,A-Z
echo '1234\nabcd' | grep '[[:alpha:]]' //将匹配所有的字母
特殊符号 | 说明 |
---|---|
[:alnum:] | 代表英文大小写字母及数字,亦即 0-9, A-Z, a-z |
[:alpha:] | 代表任何英文大小写字母,亦即 A-Z, a-z |
[:blank:] | 代表空白键与 [Tab] 按键两者 |
[:cntrl:] | 代表键盘上面的控制按键,亦即包括 CR, LF, Tab, Del… 等等 |
[:digit:] | 代表数字而已,亦即 0-9 |
[:graph:] | 除了空白字节 (空白键与 [Tab] 按键) 外的其他所有按键 |
[:lower:] | 代表小写字母,亦即 a-z |
[:print:] | 代表任何可以被列印出来的字符 |
[:punct:] | 代表标点符号 (punctuation symbol),亦即:" ’ ? ! ; : # $… |
[:upper:] | 代表大写字母,亦即 A-Z |
[:space:] | 任何会产生空白的字符,包括空白键, [Tab], CR 等等 |
[:xdigit:] | 代表 16 进位的数字类型,因此包括: 0-9, A-F, a-f 的数字与字节 |
sed流编辑器
sed工具在 man 手册里面的全名为"sed - stream editor for filtering and transforming text ",意即,用于过滤和转换文本的流编辑器。
在 Linux/UNIX 的世界里敢称为编辑器的工具,大都非等闲之辈,
比如前面的"vi/vim(编辑器之神)",
“emacs(神的编辑器)”,
"gedit"这些个编辑器。
sed与上述的最大不同之处在于它是一个非交互式的编辑器。
基本格式
参数 | 说明 |
---|---|
-n | 安静模式,只打印受影响的行,默认打印输入数据的全部内容 |
-e | 用于在脚本中添加多个执行命令一次执行,在命令行中执行多个命令通常不需要加该参数 |
-f filename | 指定执行filename文件中的命令 |
-r | 使用扩展正则表达式,默认为标准正则表达式 |
-i | 将直接修改输入文件内容,而不是打印到标准输出设备 |
/**
* sed 命令基本格式
* sed [参数]... [执行命令] [输入文件]...
**/
$ sed -i 's/sad/happy/' test //表示将test文件中的"sad"替换为"happy"
命令格式
/**
* sed执行命令格式
* [n1][,n2]command
* [n1][~step]command
**/
//其中一些命令可以在后面加上作用范围,形如:
$ sed -i 's/sad/happy/g' test //表示全局范围
$ sed -i 's/sad/happy/4' test // 4表示指定行中的第四个匹配字符串
/**其中n1,n2表示输入内容的行号,
它们之间为,逗号则表示从n1到n2行,
如果为~波浪号则表示从n1开始以step为步进的所有行
command为执行动作:**/
命令 | 说明 |
---|---|
s | 行内替换 |
c | 整行替换 |
a | 插入到指定行的后面 |
i | 插入到指定行的前面 |
p | 打印指定行,通常与-n参数配合使用 |
d | 删除指定行 |
//一些例子
// nl 差不多就是 cat -n
// /etc/passwd 最好 cp 一下
nl /etc/passwd | sed -n '2,5p' // 打印2-5行
nl /etc/passwd | sed -n '1~2p' //打印奇数行
sed -n 's/shiyanlou/hehe/gp' passwd
//将输入文本中"shiyanlou" 全局替换为"hehe",并只打印替换的那一行,注意这里不能省略最后的"p"命令
//删除第30行
nl passwd | grep "shiyanlou"
sed -i '30d' passwd
nl passwd | grep "shiyanlou"
sed 的模式空间和暂存空间
1、模式空间(pattern space)的定义:模式空间就是一个缓存区,保存sed刚刚从输入端读取的。
2、暂存空间(hold space)的定义:暂存空间就是在处理模式空间数据的时候,临时缓存数据用的。
g: 将hold space中的内容拷贝到pattern space中,原来pattern space里的内容清除
G: 将hold space中的内容append到pattern space\n后
h: 将pattern space中的内容拷贝到hold space中,原来的hold space里的内容被清除
H: 将pattern space中的内容append到hold space\n后
x: 交换pattern space和hold space的内容
sed '2,$G;h;$!d' test //test倒序输出
// 看 讲解一
sed -n 'h;{n;G};p' test
//奇偶交换
//先都移到暂存空间,{}内先执行 跳下一行 暂存添加到模式空间 清空输出输出
awk
AWK是一种优良的文本处理工具,
它允许您创建简短的程序,这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报表,还有无数其他的功能。
最简单地说,AWK是一种用于处理文本的编程语言工具。
awk所有的操作都是基于pattern(模式)—action(动作)对来完成的,如下面的形式:
pattern {action}
你可以看到就如同很多编程语言一样,它将所有的动作操作用一对{}花括号包围起来。
其中pattern通常是表示用于匹配输入的文本的“关系式”或“正则表达式”,action则是表示匹配后将执行的动作。
在一个完整awk操作中,这两者可以只有其中一个,如果没有pattern则默认匹配输入的全部文本,如果没有action则默认为打印匹配内容到屏幕。
awk处理文本的方式,是将文本分割成一些“字段”,然后再对这些字段进行处理,默认情况下,awk以空格作为一个字段的分割符,不过这不是固定的,你可以任意指定分隔符
以下两例子
vim test //创建一个文本 内容如下
I like linux
www.shiyanlou.com
awk '{print}' test // 打印文本到终端 省略了pattern
//以下 将test的第一行的每个字段单独显示为一行
awk '{
if(NR==1){
print $1 "\n" $2 "\n" $3
} else {
print}
}' test
//或者
awk '{
if(NR==1){
OFS="\n"
print $1, $2, $3
} else {
print}
}' test
/**
NR与OFS,这两个是awk内建的变量,NR表示当前读入的记录数,你可以简单的理解为当前处理的行数,OFS表示输出时的字段分隔符,默认为" "空格
然后是$N其中N为相应的字段号,这也是awk的内建变量
,它表示引用相应的字段,
因为我们这里第一行只有三个字段,所以只引用到了$3
。除此之外另一个这里没有出现的$0,它表示引用当前记录(当前行)的全部内容
**/
//以下 将test的第二行的以点为分段的字段换成以空格为分隔
awk -F'.' '{
if(NR==2){
print $1 "\t" $2 "\t" $3
}}' test
或者
awk '
BEGIN{
FS="."
OFS="\t" # 如果写为一行,两个动作语句之间应该以";"号分开
}{
if(NR==2){
print $1, $2, $3
}}' test
/**
说明:
这里的-F参数,前面已经介绍过,它是用来预先指定待处理记录的字段分隔符。
我们需要注意的是除了指定OFS我们还可以在print 语句中直接打印特殊符号如这里的\t,
print打印的非变量内容都需要用""一对引号包围起来。
上面另一个版本,展示了实现预先指定变量分隔符的另一种方式,即使用BEGIN,就这个表达式指示了,其后的动作将在所有动作之前执行,
这里是FS赋值了新的"."点号代替默认的" "空格
**/
变量名 | 说明 |
---|---|
FILENAME | 当前输入文件名,若有多个文件,则只表示第一个。如果输入是来自标准输入,则为空字符串 |
$0 | 当前记录的内容 |
$N | N表示字段号,最大值为NF变量的值 |
FS | 字段分隔符,由正则表达式表示,默认为" "空格 |
RS | 输入记录分隔符,默认为"\n",即一行为一个记录 |
NF | 当前记录字段数 |
NR | 已经读入的记录数 |
FNR | 当前输入文件的记录数,请注意它与NR的区别 |
OFS | 输出字段分隔符,默认为" "空格 |
ORS | 输出记录分隔符,默认为"\n" |