Shell（12）正则表达式

Shell（11）正则表达式

前言

正则表达式，又称规则表达式。（英语：Regular Expression），在代码中常简写为 regex、regexp 或 RE），计算机科学的一个概念。正则表达式通被用来检索、替换那些符合某个模式(规则)的文本。

正则表达式不只有一种，而且 LINUX 中不同的程序可能会使用不同的正则表达式，如工具：grep sed awk。

LINUX 中常用的有两种正则表达式引擎

基础正则表达式：BRE

扩展正则表达式：ERE

一、正则表达式的组成

正则表达式—通常用于判断语句中，用来检查某一字符串是否满足某一格式
正则表达式是由普通字符与元字符组成。

普通字符包括大小写字母、数字、标点符号及一些其他符号。

元字符是指在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。

二、基础正则表达式（BRE）中元字符

支持的工具：grep、egrep、sed、awk

定位符	含义
^	匹配行首，则是匹配字符串的开始tux匹配以tux开头的行
$	匹配行尾，$则是匹配字符串的结尾tux$匹配以tux结尾的行

转义符	含义
\	转义符，将特殊字符进行转义，忽略其特殊意义a \ .b匹配a.b，但不能匹配ajb，.被转义为字符失去特殊意义
\n	匹配一个换行符
\r	匹配一个回车符
\t	匹配一个制表符（TAB键）

元字符	含义
.	匹配除换行符\r\n之外的任意单个字符
[ ]	匹配list列表中的一个字符 例： go[ola]d，[abc]、[a-z]、[a-z0-9]
[^]	匹配任意不在list列表中的一个字符 例： [ ^a-z]、[ ^0-9]、[ ^A-Z0-9]
*	匹配前面子表达式0次或者多次 例：goo*d、go.*d
\ {n\ }	匹配前面的子表达式n次，例:go\ {2\ }d、'[O-9]\ {2\ }'匹配两位数字
\ {n,\ }	匹配前面的子表达式不少于n次，例: go\ {2,}d、’ [0-9]\ {2,\ }'匹配两位及两位以上数字
\ {n,m\ }	匹配前面的子表达式n到m次，例: go\ {2,3\ )d、'[0-9]\ {2,3\ }'匹配两位到三位数字

注: egrep、awk使用{n}、{n, }、{n, m}匹配时“{}”前不用加“\”

egrep -E -n 'wo{2}d' 1.txt   #-E 用于显示文件中符合条件的字符
egrep -E -n 'wo{2,3}d' 1.txt  #查看1.txt文件中的包含2到3个o的wod字符串

三、扩展正则表达式（ERE）的元字符

支持的工具：egrep、awk。

通常情况下会使用基础正则表达式就已经足够了，但有时为了简化整个指令，需要使用 范围更广的扩展正则表达式。例如，使用基础正则表达式查询除文件中空白行与行首为“#”，而通常情况下会使用基础正则表达式就已经足够了，但有时为了简化整个指令，需要使用 范围更广的扩展正则表达式。例如，使用基础正则表达式查询除文件中空白行与行首为“#”。

与基础正则表达式类型相同，扩展正则表达式也包含多个元字符，常见的扩展正则表达 式的元字符主要包括以下几个：

元字符	含义
+	重复一个或者一个以上的前一个字符
？	零个或者一个的前一个字符
|	使用或者（or）的方式找出多个字符
()	查找“组”字符串
()+	辨别多个重复的组

四、元字符操作的案列

（1）查找特定字符

查找特定字符非常简单，如执行以下命令即可从1.txt 文件中查找出特定字符“b”所在位置。其中“-n”表示显示行号、“-i”表示不区分大小写。命令执行后，符合匹配标准的字符， 字体颜色会变为红色（本章中全部通过加粗显示代替）。

（2）利用中括号“[]”来查找集合字符

想要查找“shirt”与“short”这两个字符串时，可以发现这两个字符串均包含“sh”与“rt”。此时执行以下命令即可同时查找到“shirt”与“short”这两个字符串，其中“[]”中无论有几个字符， 都仅代表一个字符，也就是说“[io]”表示匹配“i”或者“o”。

若查找“o”前面不是“h”的字符串，只需要通过集合字符的反向选择“[^]”来实现该目的。

若不希望“o”前面存在小写字母，或者数字的话需要使用[ ^a-z]或[ ^0-9]来表示。

（3）查找行首“^”与行尾字符“$”

基础正则表达式包含两个定位元字符：“^”（行首）与“$”（行尾）。在上面的示例中， 查询“o”字符串时出现了很多包含“o”的行，如果想要查询以“o”字符串为行首的行，则可以通过“^”元字符来实现。

查询以小写字母开头的行可以通过“ ^ [a-z]”规则来过滤，查询大写字母开头的行则使用“^ [A-Z]”规则，若查询不以字母开头的行则使用“ [ ^a-zA-Z]”规则。

“^”符号在元字符集合“[]”符号内外的作用是不一样的，在“[]”符号内表示反向选择，在“[]” 符号外则代表定位行首。反之，若想查找以某一特定字符结尾的行则可以使用“$”定位符。例如，执行以下命令即可实现查询以小数点（.）结尾的行。因为小数点（.）在正则表达式中也是一个元字符（后面会讲到），所以在这里需要用转义字符“\”将具有特殊意义的字符转化成普通字符。

当查询空白行时，使用‘^$’正则表达式即可。

（4）查找任意一个字符“.”与重复字符“*”

前面提到，在正则表达式中小数点（.）也是一个元字符，代表任意一个字符。例如执行以下命令就可以查找“w???d”的字符串，即共有四个字符，以 w 开头 d 结尾。

在上述结果中，“world”字符串“w…d”匹配规则。若想要查询 oo、ooo、ooooo 等资料， 则需要使用星号（*）元字符。但需要注意的是，“ *”代表的是重复零个或多个前面的单字符。 “o *”表示拥有零个（即为空字符）或大于等于一个“o”的字符，因为允许空字符，所以执行“grep -n ‘o *’ 1.txt”命令会将文本中所有的内容都输出打印。如果是“oo *”，则第一个 o 必须存在， 第二个 o 则是零个或多个 o，所以凡是包含 o、oo、ooo、ooo，等的资料都符合标准。同理，若查询包含至少两个 o 以上的字符串，则执行“grep -n ‘ooo *’ 1.txt”命令即可。

执行以下命令即可查询以 w 开头 d 结尾，中间的字符可有可无的字符串。

（5）查找连续字符范围“{}”

在上面的示例中，使用了“.”与“*”来设定零个到无限多个重复的字符，如果想要限制一个范围内的重复的字符串该如何实现呢？例如，查找三到五个 o 的连续字符，这个时候就需要使用基础正则表达式中的限定范围的字符“{}”。因为“{}”在 Shell 中具有特殊意义，所以在使用“{}”字符时，需要利用转义字符“\”，将“{}”字符转换成普通字符。“{}”字符的使用方法如下所示。

① 查询两个 o 的字符。

② 查询以 w 开头以 d 结尾，中间包含 2～5 个 o 的字符串。

③ 查询以 w 开头以 d 结尾，中间包含 2 个或 2 个以上 o 的字符串。

END