- 正规表示法就是处理字串的方法,他是以行为单位来进行字串的处理行为;
- 正规表示法透过一些特殊符号的辅助,可以让使用者轻易的达到『搜寻/删除/取代』某特定字串的处理程序;
- 只要工具程序支持正规表示法,那么该工具程序就可以用来作为正规表示法的字串处理之用;
- 正规表示法与万用字节是完全不一样的东西!通配符 (wildcard) 代表的是 bash 操作介面的一个功能, 但正规表示法则是一种字串处理的表示方式!
通配符 | 代表意义 |
* | 匹配任意长度的任意字符,可以是0个 |
? | 匹配任意单个字符,必须是1个 |
[ ] | 匹配指定字符范围内的任意单个字符 |
[a-z,A-Z,0-9] | 匹配所有数字字母,可以不加逗号 |
[a-z] | 表示a-z,A-Y,表示a,A,b,B.....a。不包含Z |
[A-Z] | 表示A,b,B.....z,Z。不包含a |
[a-Z] | 表示所有大小写字母 |
[:upper:] | 所有大写字母 |
[:lower:] | 所有小写字母 |
[:alpha:] | 所有字母,大小写 |
[:digit:] | 所有数字 |
[:alnum:] | 所有数字+字母 |
[:blank:] | 水平空白字符 |
[:space:] | 水平或垂直空白字符 |
[:punct:] | 标点符号 |
[:print:] | 可打印字符 |
[:cntrl:] | 控制(非打印)字符 |
[:graph:] | 图形字符 |
[:xdigit:] | 十六进制字符 |
[^] | 匹配指定字符范围外的任意单个字符 |
[^0-9] | 相当于[^[:digit:]] |
[^a-z] | 表示Z + 其他 |
[^A-Z] | 表示a + 其他 |
- 使用 grep 或其他工具进行正规表示法的字串比对时,因为编码的问题会有不同的状态,因此, 你最好将 LANG 等变量配置为 C 或者是 en 等英文语系!
- grep 与 egrep 在正规表示法里面是很常见的两支程序,其中, egrep 支持更严谨的正规表示法的语法;
-
一、查找字符串 grep -n 'the' filename #查找特定字符串 grep -vn 'the' filename #反向选择,查找没有特定字符串的行 grep -in 'the' filename #不区分大小写 二、[]的用法,查找集合字符 grep -n 't[ae]st' filename #查找有tast或者test的行,[ae]代表a或者e中的一个字母 grep -n '[^g]oo' filename #查找有oo但是oo前面没有g的行,[^ ]为反向选择 grep -n '[^a-z]oo' filename #查找有oo但是oo前面没有小写字母的行 #大写英文[A-Z][:upper:] 小写英文[a-z][:lower:] 数字[0-9][:digit:] 三者集合[a-zA-Z0-9] 三、行首^ 行尾$ grep -n '^the' filename #查找行首为the的行 grep -n '^[a-z]' filename #查找行首为小写字母的行 grep -n '^[^a-zA-Z]' filename #查找行首不是英文字母的行,^在[]内是反向选择,外是行首 grep -n '/.$' filename #查找行尾不是.的行,/为转义符 grep -n '^$' filename #查找空白行 grep -v '^$' filename | grep -v '^#' #不显示空白行和行首为#的行 四、任意一个字符.与重复字符* # .代表【一定有一个任意字符】的意思 # *代表【重复前一个字符,0到无穷次】的意思 grep -n 'g..d' filename #查找有g??d的行,g和d直接有两个任意字符 grep -n 'goo*d' filename #查找g和d之间有一个以上o的行 grep -n 'g.*g' filename #查找g开头g结尾的行,.*代表零个或多个任意字符 grep -n '[0-9][0-9]*' filename #查找有任意数字的行 五、限定连续RE字符范围{} #{ 和 }两个符合有特殊意义,需要使用\转义 grep -n 'o\{2\}' filename #查找两个o的字符串 grep -n 'go\{2,5\}' filename #查找g后面有2-5个o的行 grep -n 'go\{2,\}' filename #查找g后面有2个以上o的行
特殊符号 代表意义 [:alnum:] 代表英文大小写字节及数字,亦即 0-9, A-Z, a-z [:alpha:] 代表任何英文大小写字节,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:] 代表小写字节,亦即 a-z [:print:] 代表任何可以被列印出来的字节 [:punct:] 代表标点符号 (punctuation symbol),亦即:" ' ? ! ; : # $... [:upper:] 代表大写字节,亦即 A-Z [:space:] 任何会产生空白的字节,包括空白键, [Tab], CR 等等 [:xdigit:] 代表 16 进位的数字类型,因此包括: 0-9, A-F, a-f 的数字与字节 RE 字符 意义与范例 ^word 意义:待搜寻的字串(word)在行首!
范例:搜寻行首为 # 开始的那一行,并列出行号grep -n '^#' regular_express.txt
word$ 意义:待搜寻的字串(word)在行尾!
范例:将行尾为 ! 的那一行列印出来,并列出行号grep -n '!$' regular_express.txt
. 意义:代表『一定有一个任意字节』的字符!
范例:搜寻的字串可以是 (eve) (eae) (eee) (e e), 但不能仅有 (ee) !亦即 e 与 e 中间『一定』仅有一个字节,而空白字节也是字节!grep -n 'e.e' regular_express.txt
\ 意义:跳脱字符,将特殊符号的特殊意义去除!
范例:搜寻含有单引号 ' 的那一行!grep -n \' regular_express.txt
* 意义:重复零个到无穷多个的前一个 RE 字符
范例:找出含有 (es) (ess) (esss) 等等的字串,注意,因为 * 可以是 0 个,所以 es 也是符合带搜寻字串。另外,因为 * 为重复『前一个 RE 字符』的符号, 因此,在 * 之前必须要紧接著一个 RE 字符喔!例如任意字节则为 『.*』 !grep -n 'ess*' regular_express.txt
[list] 意义:字节集合的 RE 字符,里面列出想要撷取的字节!
范例:搜寻含有 (gl) 或 (gd) 的那一行,需要特别留意的是,在 [] 当中『谨代表一个待搜寻的字节』, 例如『 a[afl]y 』代表搜寻的字串可以是 aay, afy, aly 即 [afl] 代表 a 或 f 或 l 的意思!grep -n 'g[ld]' regular_express.txt
[n1-n2] 意义:字节集合的 RE 字符,里面列出想要撷取的字节范围!
范例:搜寻含有任意数字的那一行!需特别留意,在字节集合 [] 中的减号 - 是有特殊意义的,他代表两个字节之间的所有连续字节!但这个连续与否与 ASCII 编码有关,因此,你的编码需要配置正确(在 bash 当中,需要确定 LANG 与 LANGUAGE 的变量是否正确!) 例如所有大写字节则为 [A-Z]grep -n '[A-Z]' regular_express.txt
[^list] 意义:字节集合的 RE 字符,里面列出不要的字串或范围!
范例:搜寻的字串可以是 (oog) (ood) 但不能是 (oot) ,那个 ^ 在 [] 内时,代表的意义是『反向选择』的意思。 例如,我不要大写字节,则为 [^A-Z]。但是,需要特别注意的是,如果以 grep -n [^A-Z] regular_express.txt 来搜寻,却发现该文件内的所有行都被列出,为什么?因为这个 [^A-Z] 是『非大写字节』的意思, 因为每一行均有非大写字节,例如第一行的 "Open Source" 就有 p,e,n,o.... 等等的小写字grep -n 'oo[^t]' regular_express.txt
\{n,m\} 意义:连续 n 到 m 个的『前一个 RE 字符』
意义:若为 \{n\} 则是连续 n 个的前一个 RE 字符,
意义:若是 \{n,\} 则是连续 n 个以上的前一个 RE 字符! 范例:在 g 与 g 之间有 2 个到 3 个的 o 存在的字串,亦即 (goog)(gooog)grep -n 'go\{2,3\}g' regular_express.txt
- 由於编码系统的不同,不同的语系 (LANG) 会造成正规表示法撷取数据的差异。因此可利用特殊符号如 [:upper:] 来替代编码范围较佳;
- 由於严谨度的不同,正规表示法之上还有更严谨的延伸正规表示法;
- 基础正规表示法的特殊字符有: *, ?, [], [-], [^], ^, $ 等!
- 常见的正规表示法工具有: grep , sed, vim 等等
-
sed为管道命令,可以分析标准输入,可以进行数据替换、删除、新增、选取 例: nl filename | sed '2,5d' #列出文件内容,并删除2~5行 nl filename | sed '2d' #列出文件内容,并删除2行 nl filename | sed '3,$d' #列出文件内容,并删除3到最后一行 nl filename | sed '2a drinktea' #列出文件内容,并在第2行后面加drinktea字符 nl filename | sed '2i drinktea' #列出文件内容,并在第2行前面加drinktea字符 nl filename | sed '2i drinktea\ drinkbeer' #列出文件内容,并在第2行前面加多行字符,在每行后加\换行 nl filename | sed '2,5c no 2-5 number' #将2-5行的内容替换为no 2-5 number nl filename | sed -n '5,7p' #列出文件的5-7行,sed -n 仅列出特殊处理的一行 sed 's/要被替换的字符/新的字符/g'
扩展正则表达式
RE 字符 | 意义与范例 |
+ | 意义:重复『一个或一个以上』的前一个 RE 字符 范例:搜寻 (god) (good) (goood)... 等等的字串。 那个 o+ 代表『一个以上的 o 』所以,底下的运行成果会将第 1, 9, 13 行列出来。 |
? | 意义:『零个或一个』的前一个 RE 字符 范例:搜寻 (gd) (god) 这两个字串。 那个 o? 代表『空的或 1 个 o 』所以,上面的运行成果会将第 13, 14 行列出来。 有没有发现到,这两个案例( 'go+d' 与 'go?d' )的结果集合与 'go*d' 相同? 想想看,这是为什么喔! ^_^ |
| | 意义:用或( or )的方式找出数个字串 范例:搜寻 gd 或 good 这两个字串,注意,是『或』! 所以,第 1,9,14 这三行都可以被列印出来喔!那如果还想要找出 dog 呢? |
() | 意义:找出『群组』字串 范例:搜寻 (glad) 或 (good) 这两个字串,因为 g 与 d 是重复的,所以, 我就可以将 la 与 oo 列於 ( ) 当中,并以 | 来分隔开来,就可以啦! |
()+ | 意义:多个重复群组的判别 范例:将『AxyzxyzxyzxyzC』用 echo 叫出,然后再使用如下的方法搜寻一下! 上面的例子意思是说,我要找开头是 A 结尾是 C ,中间有一个以上的 "xyz" 字串的意思~ |
- printf 可以透过一些特殊符号来将数据进行格式化输出;
- awk 可以使用『栏位』为依据,进行数据的重新整理与输出;
- 文件的比对中,可利用 diff 及 cmp 进行比对,其中 diff 主要用在纯文字文件方面的新旧版本比对
- patch 命令可以将旧版数据升级到新版 (主要亦由 diff 创建 patch 的补丁来源文件)