正則表達式( Regular Expression,RE )
1 什麼是正則表達式:
什麼是正規表示式 ( Regular Expression, 底下簡稱 RE ) 呢?簡單的說,在 Linux 的環境下,我們可以通過“字符串以及一些特殊字符的輔助“來進行文字的比對工作,好讓使用者篩選自己所需要數據。
這些特殊的字符與搭配使用的工具,就構成了正則表達式的基礎!
一.GREP和EGREP支持的正則表達式
正則表達式元字符集(基本集)
元字符 |
意義與範例 |
^ |
錨定行的開始,待查找字符串開頭的行! |
範例:grep -n '^#' regular_express.txt 查找 行首爲 # 開始的那一行! |
|
$ |
錨定行的結束,待查找字符串結尾的行! |
範例:grep -n '!$' regular_express.txt 將 行尾爲 ! 的那一行打印出來! |
|
. |
匹配任意一個非換行符的字符。 一定是一個任意字符! |
範例:grep -n 'e.e' regular_express.txt 查找的字符串可以是 (eve) (eae) (eee) (e e), 但不能僅有 (ee) !亦即 e 與 e 中間『一定』僅有一個字符,而空格符也是字符! |
|
\ |
跳脫字符,將特殊符號的特殊意義去除! |
範例:grep -n \' regular_express.txt 查找 含有單引號 ' 的那一行! |
|
* |
匹配零個或多個先前字符。 |
範例:grep -n 'ess*' regular_express.txt 表示找出含有 (es) (ess) (esss) 等等的字符串,注意,因爲 * 可以是 0 個,所以 es 也是符合帶查找字符串。 另外,因爲 * 爲重複『前一個 RE 字符』的符號, 因此,在 * 之前必須要緊接着一個 RE 字符喔!例如任意字符則爲『.*』! |
|
x\{n,m\} x\{m\} x\{m,\} |
x\{n,m\} 重複字符x,至少n次,不多於m次。 x\{m\} 重複字符x,m次。 x\{m,\} 重複字符x,至少m次。 |
範例:如:'o\{5\}'匹配包含5 個o的行。 如:'o\{5,\}'匹配至少有5 個o的行。 如:'o\{5,10\}'匹配5--10 個o的行。 |
|
[ ] |
字符集合的 RE 特殊字符的符號 |
[list] 範例:grep -n 'g[ld]' regular_express.txt 查找含有 (gl) 或 (gd) 的那一行~ 需要特別留意的是,在 [] 當中『謹代表一個待查找的字符』, 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 或 f 或 l 的意思! [ch1-ch2] 範例:grep -n '[0-9]' regular_express.txt 查找含有任意數字的那一行!需特別留意,在字符集合 [] 中的減號 - 是有特殊意義的,他代表兩個字符之間的所有連續字符!但這個連續與否與 ASCII 編碼有關, 因此,您的編碼需要設定正確(在 bash 當中,需要確定 LANG 與 LANGUAGE 的變量是否正確!) 例如所有大寫字符則爲 [A-Z] [^] 範例:grep -n 'oo[^t]' regular_express.txt 查找的字符串可以是 (oog) (ood) 但不能是 (oot) ,那個 ^ 在 [] 內時, 代表的意義是『反向選擇』的意思~例如,我不要大寫字符,則爲 [^A-Z] ~ 但是,需要特別注意的是,如果以 grep -n [^A-Z] regular_express.txt 來查找, 卻發現該檔案內的所有行都被列出,爲什麼?因爲這個 [^A-Z] 是『非大寫字符』的意思, 因爲每一行均有非大寫字符,例如第一行的 "Open Source" 就有 p,e,n,o.... 等等的小寫字符, 以及雙引號 (") 等字符,所以當然符合 [^A-Z] 的查找! |
|
\(…\) |
1.多個重複羣組,如 'g\(la|oo\)d' 匹配 (glad) 或 (good)。 2.標記匹配字符,如 '\(love\)',love 被標記爲1。 |
格式:\(…\)…\n n爲數字。 範例:grep 'w\(es\)t.*\1' filename 如果west被匹配,則es就被存儲到內存中,並標記爲1,然後搜索任意個字符(.*),這些字符後面緊跟着另外一個es(\1),找到就顯示該行。 常用於sed 命令中與 s(替換) 參數配合使用。 |
|
\< |
錨定單詞的開始。 |
如:'\<grep'匹配包含以grep開頭的單詞的行。 |
|
\> |
錨定單詞的結束。 |
如:'grep\>'匹配包含以grep結尾的單詞的行。 |
|
\w |
匹配文字和數字字符,也就是[A-Za-z0-9] |
如:'G\w*p'匹配以G 後跟零個或多個文字或數字字符,然後是p。 |
|
\W |
\w的反置形式,匹配一個或多個非單詞字符,如點號、句號等標點符號。 |
\b |
單詞鎖定符,如: '\bgrepb\'只匹配grep。 |
正則表達式元字符集(擴展集)
擴展正則表達式: egrep = grep -E
元字符 |
意義與範例 |
+ |
匹配一個或多個先前的字符 |
範例:egrep -n 'go+d' regular_express.txt 搜尋 (god) (good) (goood)... 等等的字符串。 那個 o+ 代表『一個以上的 o 』所以,上面的執行成果會將第 1, 9, 13 行列出來。 |
|
? |
『零個或一個』的前一個 RE 字符 |
範例:egrep -n 'go?d' regular_express.txt 搜尋 (gd) (god) 這兩個字符串。 那個 o? 代表『空的或 1 個 o 』所以,上面的執行成果會將第 13, 14 行列出來。 這兩個案例( 'go+d' 與 'go?d' )的結果集合與 'go*d' 相同。 |
|
| |
用或( or )的方式找出數個字符串 |
範例:egrep -n 'gd|good' regular_express.txt 查找 gd 或 good 這兩個字符串。 注意:是“或”的關係。 |
|
( ) |
找出『羣組』字符串 |
同標準正則表達式中的 \(…\ )。egrep就不用"\"號進行轉義。 範例:egrep -n 'g(la|oo)d' regular_express.txt 查找 (glad) 或 (good) 這兩個字符串。 還可以用來作爲『多個重複羣組』的判別 例: echo 'AxyzxyzxyzxyzC' | egrep 'A(xyz)+C' 找開頭是 A 結尾是 C ,中間有一個以上的 "xyz" 字符串。 |
|
{…} |
同標準正則表達式中的 \{…\}。Egrep 就不用“\”號進行轉義。 |
POSIX 字符類
爲了在不同國家的字符編碼中保持一至,POSIX(The Portable Operating System Interface)增加了特殊的字符類,如[:alnum:]是A-Za-z0-9的另一個寫法。要把它們放到[]號內才能成爲正則表達式,如[A- Za-z0-9]或[[:alnum:]]。在linux 下的grep 除fgrep外,都支持POSIX的字符類。
[:alnum:] 文字數字字符
[:alpha:] 文字字符
[:digit:] 數字字符
[:graph:] 非空字符(非空格、控制字符)
[:lower:] 小寫字符
[:cntrl:] 控制字符
[:print:] 非空字符(包括空格)
[:punct:] 標點符號
[:space:] 所有空白字符(新行,空格,製表符)
[:upper:] 大寫字符
[:xdigit:] 十六進制數字(0-9,a-f,A-F)
Grep 命令選項
-a :表示以文本文件方式搜索。
-c :表示計算找到符合行的次數。(行數)
-i :表示忽略大小寫。
-n :表示順便輸出行號。
-v :反向選擇,即找到沒有搜索字符串的行。
-l :顯示出匹配字符串的文件名稱。
-w :如果被\<和\>引用,就把表達式做爲一個單詞搜索。
--color 顏色標註。