先说问题，统计一个日志文件中去重之后的ip地址的个数。其实这是一个非常常见也比较简单的问题，其中我个人认为最主要的应该是匹配ip地址是这个问题的核心。剩下的就是对linux命令的熟练程度的问题了。
首先这里我说一下我解决这个问题用到的命令是

  • grep 用来检索出日志文件中的ip地址；
  • uniq 用来将检索出的ip地址进行去重；
  • wc 用来统计ip地址的个数；

下面我们主要介绍grep如何匹配出ip地址

grep作为linux中使用频率非常高的一个命令，和cut命令一样都是管道命令中的一员。并且其功能也是对一行数据进行分析，从分析的数据中取出我们想要的数据。也就是相当于一个检索的功能。当然了，grep的功能要比cut强大的多了。grep检索的条件是多种多样的，甚至还可以和正则表达式合作来检索。这里我们主要就是用它的正则表达式。

其中我们主要用到grep的下面几个选项

  • -i 不区分大小写匹配；
  • -o 只显示匹配的字符串
  • -E 指定正则表达式

对于Ip地址，取值范围为 0.0.0.0-255.255.255.255。所以说我们可以先匹配 0-255，然后将该正则表达式重复四次即可。

下面先看一下匹配0-255的正则表达式。

(2[0-5]{2}|(1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))

这里我们分解一下这个正则表达式，首先对于第一位可能是2的情况:200-255。所以可以用正则表达式:2[0-5]{2}。然后是匹配 100-199的情况，那第一位肯定就是判断是否为1了。但是到了这里就要分情况来讨论了一下了，如果是三位的，那就是100-199；如果是两位的话，那就是匹配10-99，如果是一位的话，那就是匹配0-9。所以这里对于第一位1可以是可选择的，然后后面将1是否存在作为条件来判断是否是匹配100-199。所以我们还需要一个条件子组

下面我们看一下正则表达式

((1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))

如果1被捕获，那条件(?(\2)为真，那么后面就跟着是[0-9]{2}；否则(?(\2)为假，就走else-pattern，用一个可选路径([1-9][0-9]|[0-9]) 就可以匹配10-99或者0-9。

所以综合起来就是

(2[0-5]{2}|(1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))

然后再在前面加上点并重复3次

(\.(2[0-5]{2}|(1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))){3}

最后连起来整个正则表达式就是

(2[0-5]{2}|(1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))(\.(2[0-5]{2}|(1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))){3}

通过grep加上面的正则表达式匹配出所有的ip地址；然后通过uniq命令进行去重；最后再用wc进行统计。整个命令如下

$ grep -ioE '(2[0-5]{2}|(1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))(\.(2[0-5]{2}|(1)?(?(\2)[0-9]{2}|([1-9][0-9]|[0-9])))){3}' | uniq -c | wc -l

上面这个问题只是grep利用正则表达式的一个应用。也可以有很多的变形问题，比如统计IP地址访问次数之后进行一个排序，找出访问次数前十的ip地址 等等。

正则表达式实际中用途很广，有兴趣的可以点击 正则表达式