正则表达式( Regular Expression,RE )

  1 什么是正则表达式:

  什么是正规表示式 ( Regular Expression, 底下简称 RE ) 呢?简单的说,在 Linux 的环境下,我们可以通过“字符串以及一些特殊字符的辅助“来进行文字的比对工作,好让使用者筛选自己所需要数据。

  这些特殊的字符与搭配使用的工具,就构成了正则表达式的基础!

一.GREPEGREP支持的正则表达式

正则表达式元字符集(基本集)

元字符

意义与范例

^

锚定行的开始,待查找字符串开头的行!

范例:grep -n '^#' regular_express.txt 查找

行首为 # 开始的那一行!

$

锚定行的结束,待查找字符串结尾的行!

范例:grep -n '!$' regular_express.txt

行尾为 ! 的那一行打印出来!

.

匹配任意一个非换行符的字符。

 一定是一个任意字符!

范例:grep -n 'e.e' regular_express.txt

查找的字符串可以是 (eve) (eae) (eee) (e e), 但不能仅有 (ee) !亦即 e e 中间『一定』仅有一个字符,而空格符也是字符!

\

跳脱字符,将特殊符号的特殊意义去除!

范例:grep -n \' regular_express.txt 查找

含有单引号 ' 的那一行!

*

匹配零个或多个先前字符。

范例:grep -n 'ess*' regular_express.txt

表示找出含有 (es) (ess) (esss) 等等的字符串,注意,因为 * 可以是 0 个,所以 es 也是符合带查找字符串。

另外,因为 * 为重复『前一个 RE 字符』的符号, 因此,在 * 之前必须要紧接着一个 RE 字符喔!例如任意字符则为『.*』!

x\{n,m\}

x\{m\}

x\{m,\}

x\{n,m\}    重复字符x,至少n次,不多于m次。

x\{m\}      重复字符xm次。

x\{m,\}      重复字符x,至少m次。

范例:如:'o\{5\}'匹配包含5 o的行。

如:'o\{5,\}'匹配至少有5 o的行。

如:'o\{5,10\}'匹配5--10 o的行。

[  ]

字符集合的 RE 特殊字符的符号

[list]

范例:grep -n 'g[ld]' regular_express.txt 查找含有 (gl) (gd) 的那一行~ 需要特别留意的是,在 [] 当中『谨代表一个待查找的字符』, 例如: a[afl]y 代表查找的字符串可以是 aay, afy, aly 亦即 [afl] 代表 a f l 的意思!

[ch1-ch2]

范例:grep -n '[0-9]' regular_express.txt 查找含有任意数字的那一行!需特别留意,在字符集合 [] 中的减号 - 是有特殊意义的,他代表两个字符之间的所有连续字符!但这个连续与否与 ASCII 编码有关, 因此,您的编码需要设定正确( bash 当中,需要确定 LANG LANGUAGE 的变量是否正确!) 例如所有大写字符则为 [A-Z]

[^]

 范例:grep -n 'oo[^t]' regular_express.txt 查找的字符串可以是 (oog) (ood) 但不能是 (oot) ,那个 ^ [] 内时, 代表的意义是『反向选择』的意思~例如,我不要大写字符,则为 [^A-Z] ~ 但是,需要特别注意的是,如果以 grep -n [^A-Z] regular_express.txt 来查找, 却发现该档案内的所有行都被列出,为什么?因为这个 [^A-Z] 是『非大写字符』的意思, 因为每一行均有非大写字符,例如第一行的 "Open Source" 就有 p,e,n,o.... 等等的小写字符, 以及双引号 (") 等字符,所以当然符合 [^A-Z] 的查找!

\(…\)

1.多个重复群组,如 'g\(la|oo\)d'  匹配 (glad) (good)

2.标记匹配字符,如 '\(love\)'love 被标记为1

格式:\(…\)…\n    n为数字。

范例:grep 'w\(es\)t.*\1'  filename

如果west被匹配,则es就被存储到内存中,并标记为1,然后搜索任意个字符(.*),这些字符后面紧跟着另外一个es\1),找到就显示该行。

常用于sed 命令中与 s(替换) 参数配合使用。

\<

锚定单词的开始。

:'\<grep'匹配包含以grep开头的单词的行。

\>

锚定单词的结束。

:'grep\>'匹配包含以grep结尾的单词的行。

\w

匹配文字和数字字符,也就是[A-Za-z0-9]

如:'G\w*p'匹配以G 后跟零个或多个文字或数字字符,然后是p

\W

\w的反置形式,匹配一个或多个非单词字符,如点号、句号等标点符号。

\b

单词锁定符,如: '\bgrepb\'只匹配grep

 

正则表达式元字符集(扩展集)

扩展正则表达式:   egrep = grep -E

元字符

意义与范例

+

匹配一个或多个先前的字符

范例:egrep -n 'go+d' regular_express.txt 搜寻 (god) (good) (goood)... 等等的字符串。

那个 o+ 代表『一个以上的 o 』所以,上面的执行成果会将第 1, 9, 13 行列出来。

?

『零个或一个』的前一个 RE 字符

范例:egrep -n 'go?d' regular_express.txt 搜寻 (gd) (god) 这两个字符串。

那个 o? 代表『空的或 1 o 』所以,上面的执行成果会将第 13, 14 行列出来。

这两个案例( 'go+d' 'go?d' )的结果集合与 'go*d' 相同。

|

用或( or )的方式找出数个字符串

范例:egrep -n 'gd|good' regular_express.txt

查找 gd good 这两个字符串。

注意:是“或”的关系。

( )

找出『群组』字符串

同标准正则表达式中的 \(…\ )egrep就不用"\"号进行转义。

范例:egrep -n 'g(la|oo)d' regular_express.txt

查找 (glad) (good) 这两个字符串。

还可以用来作为『多个重复群组』的判别

例: echo 'AxyzxyzxyzxyzC' | egrep 'A(xyz)+C'

找开头是 A 结尾是 C ,中间有一个以上的 "xyz" 字符串。

{…}

同标准正则表达式中的 \{…\}Egrep 就不用“\”号进行转义。

 POSIX 字符类

为了在不同国家的字符编码中保持一至,POSIX(The Portable Operating System Interface)增加了特殊的字符类,如[:alnum:]A-Za-z0-9的另一个写法。要把它们放到[]号内才能成为正则表达式,如[A- Za-z0-9][[:alnum:]]。在linux 下的grep fgrep外,都支持POSIX的字符类。

[:alnum:]             文字数字字符

[:alpha:]               文字字符

[:digit:]                数字字符

[:graph:]              非空字符(非空格、控制字符)

[:lower:]              小写字符

[:cntrl:]                控制字符

[:print:]                非空字符(包括空格)

[:punct:]              标点符号

[:space:]               所有空白字符(新行,空格,制表符)

[:upper:]              大写字符

[:xdigit:]               十六进制数字(0-9a-fA-F

Grep 命令选项

-a :表示以文本文件方式搜索。

-c :表示计算找到符合行的次数。(行数)

-i :表示忽略大小写。

-n :表示顺便输出行号。

-v :反向选择,即找到没有搜索字符串的行。

-l :显示出匹配字符串的文件名称。

-w :如果被\<\>引用,就把表达式做为一个单词搜索。

--color          颜色标注。