正则表达式

目录

一、正则表达式

1.1 正则符

1.2 通配符

二、正则三剑客

2.1 grep

2.2 sed

2.3 awk

---

一、正则表达式

1.1 正则符

在使用正则表达式的时候，当前环境的语系十分重要，不同的语系会导致不同的选取结果。为了避免编码造成的英文和数据选取问题，因此有些特殊符号定义如下表：

特殊符号	代表意义
[:alnum:]	表示英文大小写字符和数字；即a-z，A-Z，0-9
[:alpha:]	表示英文大小写字符；即a-z，A-Z
[:digit:]	表示数字；即0-9
[:lower:]	表示小写字符；即a-z
[:upper:]	表示大写字符；即A-Z

 

正则表达式特殊字符归纳如下表所示：

基础正则表达式
正则符	说明
.	表示一个任意字符。
*	表示重复前一个字符任意次。可以是零次，此时表示空字符。
.*	表示零个或多个任意字符。
\	转义符，表示取消特殊符号的特殊意义。
^	表示行首。在中括号内表示取反。
$	表示行尾。 在Windows中，使用的断行字符为 '^M$' （即 CR、LF）；在LInux中，使用的断行字符为 '$' （即 LF）。
[xyz]	中括号内无论几个字符，都代表一个待查找的字符。
[n1-n2]	中括号内的'-'是有特殊含义的，表示两个字符之间所有连续的字符都是待查找的字符。
[^xyz]	中括号内的'^'是有特殊含义的，表示反向选择。
\{n,m\}	连续n到m个的前一个字符。\{n\}：连续n个的前一个字符。\{n,\}：连续n个以上的前一个字符。
扩展正则表达式
+	重复一个或多个前一个字符。
？	重复零个或一个前一个字符。
|	用 ‘或’ 的方式查出数个字符串。
(x)	找出 “组” 字符串。
(x)+	多个重复组的判别。

 

1.2 通配符

在Linux的bash操作环境下有一个常用功能，叫做通配符，常用通配符如下表所示：

符号	说明
*	表示零个到无穷多个任意字符。
？	表示一定有一个任意字符。
[abc]	表示一定有一个在中括号内的字符。（示例 '[abc]' 的含义：选取 a、b、c中的一个字符）
[a-c]	表示在编码顺序内的所有字符，都会被选取。（示例 '[a-c]' 的含义：选取 a、b、c中的一个字符）
[^abc]	表示反向选取中括号内的字符。（示例 '[^abc]' 的含义：选取 a、b、c以外的所有字符）

看起来正则符与通配符相差不大，但是实际上并不相同，不能弄混淆了，更不能相互乱用。例如，通配符中的 '*' 表示零个到无穷多个任意字符，而正则符中的 '*' 表示重复前一个字符任意次。

 

二、正则三剑客

2.1 grep

grep：主要是分析一行数据，满足我们所需的，就取出该行；grep默认支持基础正则表达式语法；若要支持扩展型正则表达式语法，需要使用egrep（或grep  -E）。

指令格式：grep  [-cinv]   '查找字符串'   filename
参数	说明
-c	计算找到 “查找字符串” 的次数。
-i	在查找的时候，忽略大小写的不同。
-n	顺便输出行号。
-v	反向选择。
-An	后面接数字，除了列出当前行，还列出后面 n 行。
-Bn	后面接数字，除了列出当前行，还列出前面 n 行。
--color=auto	将找到的关键字，着色显示。

示例：

 

2.2 sed

sed ：以行为单位进行数据的替换、删除、新增、选择。

指令格式：sed  [-nefr]  [动作]
参数	说明
-n	表示只有经过sed特殊处理的那一行才会被列出来。不使用该参数，则所有数据会全部列出来。
-e	直接在命名行模式下进行sed的动作编辑。
-f	直接将sed的动作编辑，写在一个文件内。
-r	表示支持扩展型正则表达式的语法。不使用该参数，则默认使用基础正则表达式语法。
-i	直接修改、读取文件的内容，而不是由屏幕输出。
动作说明：'[n1[, n2]]Function'
Function	代表含义
a	新增，a的后面可以接字符串，这些字符串会出现在新的一行（目前的下一行）。
c	替换，c的后面可以接字符串，这些字符串可以替换n1到n2之间的行。
d	删除，d的后面不用接字符串。
i	插入，i的后面可以接字符串，这些字符串会出现在新的一行（目前的上一行）。
p	打印，将某个选项的数据打印出来，通常p会与 ‘-n’ 参数一起使用。
s	替换，可以直接进行替换的工作，通常搭配正则表达式一起使用。

示例：

 

2.3 awk

awk ：处理每一行的字段内的数据，默认的字段分隔符为 “空格键” 或 “Tab键” 。

指令格式：awk  '条件1  {动作1}  条件2  {动作2}  ...'   filename
变量名称	代表含义
$0	在每一行的每个字段都有变量名称，$0代表一整行数据的意思。
$1、$2、$3	表示以分隔符分隔的第一、第二、第三字段。
NF	每一行（$0）拥有的字段总数。
NR	当前所处理的是第几行数据。
FS	目前的分隔符，默认是空格。
BEGIN	最先处理动作的条件。可以预先设置分隔字符。
END	最后处理动作的条件。

示例：