Linux学习笔记(4)——正则表达式

正则表达式

在Linux当中，我们常常用到文本处理工具实现诸多功能，比如文本过滤工具grep等等，而此时往往需要正则表达式的辅助。
　　正则表达式：由一类特殊字符及文本字符所编写的模式，其中有些字符（元字符）不表示字符字面意义，而表示控制或通配的功能。
　　
　　正则表达式分类：基本正则表达式、扩展正则表达式

元字符分类：字符匹配、匹配次数、位置锚定、分组

正则表达式

1、基本正则表达式元字符

（a）字符匹配

• . 匹配任意单个字符
• [] 匹配指定范围内的任意单个字符
• [^] 匹配指定范围外的任意单个字符
• [:alnum:] 字母和数字
• [:alpha:] 代表任何英文大小写字符，亦即 A-Z, a-z
• [:lower:] 小写字母 [:upper:] 大写字母
• [:blank:] 空白字符（空格和制表符）
• [:space:] 水平和垂直的空白字符（比[:blank:]包含的范围广）
• [:cntrl:] 不可打印的控制字符（退格、删除、警铃…）
• [:digit:] 十进制数字 [:xdigit:]十六进制数字
• [:graph:] 可打印的非空白字符
• [:print:] 可打印字符
• [:punct:] 标点符号

（b）匹配次数

• ＊匹配前面的字符任意次，包括0次（贪婪模式：尽可能长的匹配）
• ．＊任意长度的任意字符
• ＼?匹配其前面的字符0或1次
• ＼+匹配其前面的字符至少1次
• ＼{n＼} 匹配前面的字符n次
• ＼{m,n＼} 匹配前面的字符至少m次，至多n次
• ＼{,n＼} 匹配前面的字符至多n次
• ＼{n,＼} 匹配前面的字符至少n次

（c）位置锚定

• ^ 行首锚定，用于模式的最左侧
• $ 行尾锚定，用于模式的最右
• ^PATTERN$ 用于模式匹配整行
• ^$ 空行
• ^[[:space:]]*$ 空白行
• < 或 \b 词首锚定，用于单词模式的左侧
• \> 或 \b 词尾锚定；用于单词模式的右侧
• 匹配整个单词

（d）分组

\(\) 将一个或多个字符捆绑在一起，当作一个整体进行处理
　　如： \(string1\+\(string2\)\)，此处括号把string2作为一个分组，string1\+\(string2\)**作为一个大的分组。

分组括号中的模式匹配到的内容会被正则表达式引擎记录于内部的变量中，这些变量的命名方式为: \1, \2, \3, ...
　　\1 表示从左侧起第一个左括号以及与之匹配右括号之间的模式所匹配到的字符，一次类推
　　还是上面的例子： \(string1\+\(string2\)\)
　　\1： string1\+\(string2\)
　　\2： string2
　　后向引用：引用前面的分组括号中的模式所匹配字符， 而非
模式本身
　　或者： |
　　示例： a|b: a或b C|cat: C或cat (C|c)at:Cat或cat

2、扩展正则表达式

egrep = grep -E
　　egrep [OPTIONS] PATTERN [FILE...]

（a）字符匹配

• ．任意单个字符
• [] 指定范围的字符
• [^] 不在指定范围的字符

（b）匹配次数

• *：匹配前面字符任意次
• ?: 0或1次
• +： 1次或多次
• {m}：匹配m次
• {m,n}：至少m，至多n次

（c）位置锚定

• ^ :行首
• $ :行尾
• ＼<, \b :语首
• ＼>, \b :语尾

（d）分组

• ()
  后向引用： \1, \2, ...
• 或者：
  a|b：a或b
  C|cat：C或cat
  (C|c)at：Cat或cat