十二、正则表达式

十二、正则表达式

正则表达式又称规则表达式。正则表达式通常被用来检索、替换那些符合某个模式的文本。

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。工具：grep、sed、awk、egrep

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

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

grep [选项] … 查找条件 目标文件

-E：开展扩展（Extend）的正则表达式

-c：计算找到“搜寻字符串”的次数

-i：忽略大小写的不同，所以大小写视为相同

-o：只显示被模式匹配到的字符串

-v：反向选择，亦即显示出没有 “搜寻字符串”内容的那一行！（反向查找，输出与查找条件下不相符的行）

–color=auto ：可以将找到的关键词部分加上颜色的显示

-n：顺被输出行号

grep -c root /etc/passwd  #统计root字符总行数；或cat /etc/passwd | grep root
grep -i "IPADDR" ifcfg-ens33   #不区分大小写查找IPADDR所有的行
grep -v root /etc/passwd    #将/etc/passwd ,将没有出现root的行取出来
grep -v '^$' > test.txt     #将非空行写入到test.txt文件中
[[email protected] opt]# ifconfig ens33 | grep -o "[0-9]\+\.[0-9]\+\.[0-9]\+\.[0-9]\+" | head -1
20.0.0.57                   #过滤出IP

基础正则表达式常见元字符：（支持的工具：grep、egrep、sed、awk）

特殊字符

\:转义符，将特殊符进行转义，忽略其特殊意义a \ .b匹配a.b,但不能匹配ajb，.被转义为特殊意义

^：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

. :匹配除换行符\r\n之外的任意单个字符

[ list ] :匹配list列表中的一个字符

[ list ] :匹配任意不在list列表中的一个字符

* :匹配前面子表达式0次或者多次

\{n\}:匹配前面的子表达式n次

\{n,\}:匹配前面的子表达式不少于n次

\{n,m\}:匹配前面的子表达式n到m次
注：egrep、awk使用{n}、{n，}、{n，m}匹配时“{}”前不用加“\”
egrep -E -n 'wo{2}d' test.txt  #-E用于显示文件中符合条件的字符
egrep -E -n 'wo{2，3}d' test.txt

定位符

^匹配输入字符串开始的位置

$匹配输入字符串结尾的位置

非打印字符

\n 匹配一个换行符

\r 匹配一个回车符

\t 匹配一个制表符

扩展正则表达式（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“#”之外的行，执行“grep -v ‘^KaTeX parse error: Expected group after '^' at position 24: …xt” | grep -v '^̲#' test.txt即可实现… | ^#’ test.txt”,其中，单引号内的管道符号表示或者（or）。

+     作用：重复一个或一个以上的前一个字符
?     作用：零个或者一个的前一个字符
|     作用：使用或者（or）的方式找出多个字符
()    作用：查找“组”字符串
“egrep -n 't(a|e)st' test.txt”查询tast或test字符串
()+   作用：辨别多个重复的组
“egrep -n 'A(xyz)+C' test.txt” 查询开头的“A”结尾是“C”，中间有一个以上的“xyz”字符串的意思

元字符操作的案例

（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 test.txt 文件中查找出特定字符“the”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）。
grep -n 'the' test.txt
若反向选择，如查找不包含“the”字符的行，则需要通过 grep 命令的“-v”选项实现，并配合“-n”一起使用显示行号。
grep -vn 'the' test.txt

(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”。

grep -n 'sh[io]rt' test.txt

若要查找包含重复单个字符“oo”时，只需要执行以下命令即可。

grep -n 'oo' test.txt

若查找“oo”前面不是“w”的字符串，只需要通过集合字符的反向选择“[^]”来实现该目的。例如执行“grep -n‘[^w]oo’test.txt”命令表示在 test.txt 文本中查找“oo”前面不是“w”的字符串。

grep -n '[^w]oo' test.txt

在上述命令的执行结果中发现“woood”与“wooooood”也符合匹配规则，二者均包含“w”。其实通过执行结果就可以看出，符合匹配标准的字符加粗显示，而上述结果中可以得知， “#woood #”中加粗显示的是“ooo”，而“oo”前面的“o”是符合匹配规则的。同理“#woooooood #”也符合匹配规则。
若不希望“oo”前面存在小写字母，可以使用“grep -n‘[^a-z]oo’test.txt”命令实现，其中
“a-z”表示小写字母，大写字母则通过“A-Z”表示。

grep -n '[^a-z]oo' test.txt

查找包含数字的行可以通过“grep -n ‘[0-9]’test.txt”命令来实现。

grep -n '[0-9]' test.txt

(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“the”字符串时出现了很多包含“the”的行，如果想要查询以“the”字符串为行首的行，则可以通过“^”元字符来实现。

[[email protected] ~]# grep -n '^the' test.txt

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。

[[email protected] ~]# grep -n '^[a-z]' test.txt

“^”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。

[[email protected] ~]# grep -n '\.$' test.txt

当查询空白行时，执行“grep -n‘^$’test.txt”命令即可。

[[email protected] ~]# grep -n '^$' test.txt

(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。

[[email protected] ~]# grep -n 'w..d' test.txt

在上述结果中，“wood”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*' test.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*' test.txt”命令即可。

[[email protected] ~]# grep -n 'ooo*' test.txt

查询以 w 开头 d 结尾，中间包含至少一个 o 的字符串，执行以下命令即可实现。

[[email protected] ~]# grep -n 'woo*d' test.txt

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。

[[email protected] ~]# grep -n 'w.*d' test.txt

执行以下命令即可查询任意数字所在行。

[[email protected] ~]# grep -n '[0-9][0-9]*' test.txt

（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。

[[email protected] ~]# grep -n 'o\{2\}' test.txt

② 查询以 w 开头以 d 结尾，中间包含 2～5 个 o 的字符串。

[[email protected] ~]# grep -n 'wo\{2,5\}d' test.txt

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。

[[email protected] ~]# grep -n 'wo\{2,\}d' test.txt

总结：元字符

^	匹配输入字符串的开始位置。除非在方括号表达式中使用，表示不包含该字符集合。要匹配“^” 字符本身，请使用“^”
$	匹配输入字符串的结尾位置。如果设置了RegExp 对象的 Multiline 属性，则“KaTeX parse error: Undefined control sequence: \n at position 6: ”也匹配‘\̲n̲’或‘\r’。要匹配“”字符本身，请使用“$”
.	匹配除“\r\n”之外的任何单个字符
\	反斜杠，又叫转义字符，去除其后紧跟的元字符或通配符的特殊意义
*	匹配前面的子表达式零次或多次。要匹配“*”字符，请使用“*”
[]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”
[^]	赋值字符集合。匹配未包含的一个任意字符。例如，“[^abc]”可以匹配“plin”中任何一个字母
[n1-n2]	字符范围。匹配指定范围内的任意一个字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意一个小写字母字符。 注意：只有连字符（-）在字符组内部，并且出现在两个字符之间时，才能表示字符的范围；如果出现在字符组的开头，则只能表示连字符本身
{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“oo”
{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