之前有写过两篇关于sed、awk的文章，但是内容太过简单了。近期打算就这方面话题写一个系列，系统介绍一些与shell script有关的内容。
因为即将介绍的一系列内容都将与正则表达式有关联，所以作为这个系列的开篇之作，先详细介绍一下正则表达式的使用。关于正则表达式的文章相信已经数不胜数了，我之所以再写一篇，一方面结合自己学习的心得用自己的话来组织一下，希望对刚接触正则的朋友有所帮助；另一方面也是自己再做个总结写个笔记加深理解。
进入正题吧。首先要解决的一系列问题是：正则是什么，哪些场合用到正则，正则能解决什么问题？（注：我下面要给出的一系列定义都未必是各大书籍的经典定义，而是我自己理解自己组织的语言）
正则表达式描述了特殊的字符序列，也就是，正则表达式的结果就是一系列字符，不论它有多复杂或是多简单。我们接下来要讨论的正则表达式（或称Regular Expression，简称RE）都是指linux/unix系统中grep、ed、sed工具中所使用的RE（使用RE的并非只有这些工具，例如php、perl都使用RE，但是他们不在我们讨论的范围之内）。为什么不提egrep和awk呢？因为他们使用的RE和grep、sed所使用的有些很小的区别，他们将在本文的后半部分提到。
还是举点例子吧，晦涩的文字太不直观了！我们下面的大多数例子都将以grep工具来讲，因为grep是linux/unix系统最常用最简单而且要使用RE的工具！既然要拿grep来举例，还是先介绍一下grep吧。grep命令的作用是在一个或多个文件中搜索特定的字符串，语法为：
grep pattern file(s)
每个文件中符合模式pattern的字符串所在的行都将显示在终端上。（注意，这里的pattern将广泛使用在grep、sed、awk中，事实上RE就是使用在pattern中的！）最简单的一个例子:
grep ‘root’ /etc/passwd
上面这个grep命令中，root就是一个最简单的RE！整条命令的意思就是：在文件/etc/passwd中搜索包含字符串root的行，并把它（们）显示出来。（这里的单引号’’要讨论起来过于复杂，我们将在其他的文章中重点讨论，记得先这么用吧grep ‘xxxx’ file）
为什么root也是一个RE呢？别把RE看得过于复杂，在不使用特殊字符（在RE中称为元字符）的情况下，RE就是一个一个的字符而已！记住： RE都只是处理单个字符的！root这个pattern到底是怎么工作的呢？很简单，就是在每一行先找r字符，如果找到了，再依次找oot。换句话说，就是要找到r后面紧跟着o再紧跟着o再紧跟着t的，才把该行显示出来。再复杂的RE也都是这样工作的！那RE岂不是很简单？它难在哪里呢？难就难在它最强大的地方，模糊匹配，也就是下面要讲的元字符。（如果没有元字符，都像’root’这样，也就没必要搞什么RE了，pattern里写个单词不就得了）
重点难点的元字符来了啊！很多书和文章都会一鼓脑儿把元字符列一张表，让学习者去理解或者背下来。这样的效果是，那张表不结合实例看三遍以上是理解不了的！结合我以前学习的心得，我把元字符分成2类来介绍。其实元字符总共也没几个，分类是为了便于理解。
第一类：可以单独使用的元字符。这类字符有(下面列出来的字符都请一个一个的看，不要连起来，因为他们都是独立存在就有意义的)
. ^ $
.代表任意单个字符
^作为RE的第一个字符，代表行的开始；在其他位置是普通字符
$作为RE的最后一个字符，代表行的结束；在其他位置是普通字符
举例：
$cat file
11111.1
2222^2
3333$3
注意这是一个空行
$grep ‘.’ file
11111.1
2222^2
3333$3
为什么会显示三行呢？因为命令中的.是元字符，而不是普通的点。元字符.代表任何单个字符，所以只要有字符的行，这条grep命令都会把它显示出来。
$grep ‘^’ file
11111.1
2222^2
3333$3
注意这里的空行也显示了
为什么没有^符号的行也显示呢？因为这个RE中^是在第一个字符位置，这里的^代表行首，只要有行首的行都显示（任何行哪怕是空行都有行首和行尾）同样的道理grep ‘$’ file也会显示所有行。
$grep ‘.^’ file
2222^2
这个命令中的^前面有个元字符，所以这里的^不表示行首，而是个普通字符；.^表示一个任意字符后面紧跟字符^，这里匹配的内容就是2^，于是这一行被显示。
$grep ‘$.’ file
3333$3
这个命令中的$后面有一个元字符，所以不表示行尾，$.匹配的是$3，于是该行被显示。
$grep ‘^$’ file
这里显示了一个空行
^$匹配行首和行尾之间没有字符的行，也即是空行了。^$表示空行，而^ $（中间有个空格哦）表示只有一个空格的行。
好了，第一类元字符介绍完了，简单吧，只有三个而已。
第二类，用来修饰其他字符（普通字符或第一类元字符）的元字符，这一类元字符要多一些，一个一个来吧。
常用的匹配单个字符的还有[]，[…]匹配括号中的字符之一。下面列举一些常见的使用方式：
[abc] 匹配单个字符a或b或c
[123] 匹配单个字符1或2或3
[a-z] 匹配小写字母a-z之一
[a-zA-Z] 匹配任意英文字母之一
[0-9a -zA-Z]匹配任意英文字母或数字之一
注意上面标红色的单个和之一了吧，不管[]里面多复杂，它的结果都是一个字符！
在[]里面的字符值得注意的有几个特例：
- ^ [ ] （也请分开一个一个看）
-在上面的例子已经提到了，表示范围。但是注意：如果-符号出现在[]里面的首尾位置是普通字符。例如：
[-abc-] 匹配字符-abc之一
-符号虽然出现了2次，这里和一个-是同样的意义，试想aa之一和aaa之一有区别吗？
^符号如果出现在[]的起始位置表示否定，但是在其他位置是普通字符。
[^ab^c] 匹配不是a或b或^或c的任意字符
$cat file
Aaaaabc
Bbbbbbc^
cccccbc33
$grep ‘[^ab^c]’ file
cccccbc33
只有第三行的3满足了匹配要求，所以只显示这一行。
$grep ‘[x^]’ file
Bbbbbbc^
[x^]匹配字符x或^
如果[]中要包含字符[和]该怎么办呢，[][]应该怎么理解呢？[[]]又怎么理解呢？有一个原则：字符]和[放在[]中，只有紧跟在[后面的]和紧贴于]前面的[是普通字符。还有一个更好理解的方式，就是用反斜杠转义[]中的[和]，如[\[\]],当然这看起来同样不那么舒服。
除了[]之外，还有很多第二类元字符，先来整体认识一下他们吧（这次不是一个一个看了，以空格为分界来分段看吧）
* \ \? \+ \{n,m\}
* 用于修饰前导字符，表示前导字符出现任意多次
\? 用于修饰前导字符，表示前导字符出现0或1次
\+ 用于修饰前导字符，表示前导字符出现1或多次
\{n,m\} 用于修饰前导字符，表示前导字符出现n至m次 （n和m都是整数，且n<m）
\ 用于转义紧跟其后的单个特殊字符，使该特殊字符成为普通字符
注：以上“前导字符”表示紧贴于元字符前面的单个普通字符或第一类元字符。举例吧：
a* 匹配连续的任意（也包括0）个a
.* 匹配连续的任意（也包括0）个任意字符，传说中的万能匹配！
a\? 匹配0或1个a
a\+ 匹配1或多个a
a\{3,5\} 匹配3至5个连续的a
\.* 匹配0或多个连续的. \.表示普通字符句点.
注意到没有，* \? \+ \{n,m\}这几种元字符完成类似的功能，都是匹配连续出现的前导字符，只是出现的次数不一样罢了，不是很难吧。
\{n,m\}还有其他几种形式：
\{n\} 连续的n个前导字符
\{n,\} 连续的至少n个前导字符
发现没有，\?等价于\{0,1\} *等价于\{0,\} \+等价于\{1,\}
特别提一下，你可能会在很多地方看到?和+,而不是这里说的\?和\+。这个问题我在开篇有所提及。grep/sed用的是\?和\+，普通正则RE；egrep/awk用的是?和+，扩展正则ERE。仅这点区别而已，RE和ERE大部分是相同的。
还有一组元字符也是常用的，但是相对比较难理解，拿到这里单独说一下：
\( \)
这里的\(和\)一定是成对出现的,这对带反斜杠的小括号的意义是：将小括号中匹配的字符串存储到下一个寄存器中(1-9)。\( \)在sed的s///替换中经常使用，其实它并不限于应用在sed中，举例：
^\(.\) 行中第一个字符存到1号寄存器中（为什么是行中第一个字符？回上面复习一下吧
^\(.\)\1行首两个字符，且他们相同
^\(.\).*\1$ 行首尾两个字符相同
\1的意思就是取1号寄存器的内容，这是固定格式\n（1≤n≤9）
$cat file
aaaaabc
bc^b
1234
gdfdd
$ grep '^\(.\)\1' file
aaaabc
$ grep '^\(.\).*\1$' file
bc^b
正则表达式理论方面的就介绍到这里了，下面再补充一些更常用也更长一点的RE例子。
[0-9a -z?,.;:’”]
这个表达式将匹配“任意单个字符，可以是数字、小写字母、问好、逗号、句号、分号、冒号、单引号或双引号
[0-9]\{2\} 连续的两位数字
[0-1][0-9][-/][0-3][0-9][-/][0-9]\{2\}
这个表达式能够用来表示时间格式MM-DD-YY或MM/DD/YY,方括号[]中的-放在第一个位置，确保它在[]中不被解释为范围，而是普通字符-
还有一点要注意的，就是\{2\}仅是用来修饰前面的单个字符的，别忘了[0-9]也是单个字符
gep ‘<.*>’ file 将匹配所有带有<>标记的行
can[ no’]*t 将匹配cant、can t、cannt、cannot、cann’t、cannnnnnt等等。。。
80[234]\ ?86将匹配8086、80286、80386、80486
^$ 匹配空行
^.*$和.*都匹配任意行（包括空行）
[0-9][0-9]*\.\{5,\}[0-9][0-9]*
匹配“至少一位数字紧跟至少5个句点紧跟至少一位数字。这个正则应该分段来看：
[0-9]是一位数字；[0-9]*是0或多位数字；[0-9][0-9]*就是“至少一位数字”，相当于[0-9]\+
\.\{5,\}中的.被转义了，表示普通的. 于是\.\{5,\}就表示”至少5个句点”
先举这些例子吧，更多的例子以后再更新了
