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.GREP和EGREP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 将 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 与 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x,m次。 x\{m,\} 重复字符x,至少m次。 |
范例:如:'o\{5\}'匹配包含5 个o的行。 如:'o\{5,\}'匹配至少有5 个o的行。 如:'o\{5,10\}'匹配5--10 个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) 或 (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 或 f 或 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(在 bash 当中,需要确定 LANG 与 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 ^ 在 [] 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) 或 (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。 |
如:'\<grep'匹配包含以grep开头的单词的行。 |
|
\> |
锚定单词的结束。 |
如:'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 个 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' 与 '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 或 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) 或 (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:]是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]或[[:alnum:]]。在linux 下的grep 除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(0-9,a-f,A-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\<和\>引用,就把表达式做为一个单词搜索。
--color 颜色标注。