一文轻松入门 Linux 三剑客与正则表达式 | 测试利器 Shell 教程（一）
本文适合 Shell 入门学习演练，作者为霍格沃兹测试学院实习生 MrDong，建议在 Web 端阅读并按教程执行命令操作。
为什么使用三剑客？
Linux 给人的印象是黑乎乎的神秘窗口，文本操作和数据处理似乎没有 Windows 窗口界面直观方便。其实不然，Linux 也有自己的法宝，称之为三剑客：grep，awk 和 sed。你可以用这三件法宝很方便的处理数据 ：查找，分段，修改，而这三个功能对应着我们今天的主角：grep，awk，sed。
形象一点比喻，如果把数据比作人群，那么 grep 就是照妖镜，用来找出妖精；awk 就是尺子，给人群分门别类；而 sed 就是宝剑，用来除掉妖精。当你明白为什么要用三剑客时，就更容易拿这三把剑去斩妖除魔。
下面我会分别介绍这三剑客，你需要做的，是拿出电脑和我一同演练剑术。
第一剑客：grep
grep 是一种强大的文本搜索工具，它能使用 正则表达式 搜索文本，并把匹配的行打印出来。这把剑可以分辨妖魔，从人群中找出害人的妖精。这可是非常强大的重武器，请一定要尝试着掌控它。
curl https://testerhome.com \
| grep -o 'http://[a-zA-Z0-9\.\-]*'
首先，我们的人群从哪里来？从 curl 中来，上面的 curl https://testerhome.com 表示展示 TesterHome 社区的 html 信息，我把这些信息比做茫茫人群：
友情链接
WeTest 腾讯质量开放平台 /
InfoQ /
测试之道 /
测试窝 /
百度测试吧 /
IT 大咖说
这是我截取的部分内容，你会看到许多信息，如果想找出妖精（所有的链接），你可以用 grep 的 -o参数，打印匹配到的部分，你可以理解为妖精现形，其后的 http://[a-zAZ0-9\.\-]* 是正则表达式，它匹配以 http:// 开头，其后跟着字母 (a-zA-Z) 或数字 (0-9) 或 .(\.) 或-(\-)，这里不懂的不要紧，后面我会介绍正则表达式这个强大的工具。
这里正则表达式的意思很明显，妖精的样子是以 http:// 开头的链接。
因为上面的连接以 " 结尾，比如 href="http://wetest.qq.com/?from=links_testerhome"，当遇到 " 时，会跳出匹配，
请跟着我敲出上面的命令，以下面是它匹配到的内容：
http://wetest.qq.com
http://www.infoq.com
http://www.testtao.com
http://tieba.baidu.com
http://www.itdks.com
就像本例子一样，妖精的长相千奇百怪，不光是链接，还有可能是一段文本，一句话，甚至是一个单词，要想掌握 grep，你还要了解下面表格中的信息，表格是剑术手册，至关重要：
命令
解释
-A n
追加显示结果行后面 n 行
-B n
追加显示结果行前面 n 行
-C n
追加显示结果行前后 n 行，默认 -C 2，表示 -A 2 -B 2
-c, --count
显示搜索结果数量
-o
只打印匹配结果部分
-E
使用扩展版正则表达式匹配，相当于执行 egrep
-F
使用静态字符串匹配，相当于执行 fgrep
-z
先解包再搜索，相当于执行 zgrep
-e pattern
表示后续字符串为目标正则表达式，主要用于同时使用多个 -e 匹配多个模式，也用于正则表达式开头为 - 的场合（消除歧义）
-v
反向搜索，打印不匹配搜索模式的结果
-q,--quiet,--silent
非贪婪式搜索，搜到一个结果时停止继续搜索该文件
--exclude,--exclude-dir pattern
排除非目标搜索文件或目录，高优先级
--include,--include-dir pattern
仅搜索目标文件或目录，低优先级
-f file
指定搜索某个文件
-H,-h
打印、不打印文件名
-n
显示行号，从 1 开始
-I
忽略二进制文件
-i
忽略大小写，默认大小写敏感
-L
仅列出打印不含目标搜索结果的文件
-l
仅列出打印包含目标搜索结果的文件
-m n
仅显示前 n 个结果
-R
递归扫描子文件夹
-S
递归扫描时，追踪扫描符号链接文件、目录，默认不追踪（等同于指定 -p）
-s
静默模式，忽略错误文件
-w,-x
正则模式作为单个完整单词、完整行进行搜索
这些信息是掌握第一剑客 grep 的重要资料，当然你需要多加练习才能更好的使用它，表格供你不明时进行查询。
除此之外，如果你想查看更多有关 grep 的内容，可以用：
grep --help
第二剑客：awk
如果为三剑客排个地位，那么 awk 绝对是 老大，他甚至可以代替 grep，awk 不光支持正则，还可以对字段进行分段处理，它的功能是辨认妖精和给妖精分类。
echo $PATH | awk 'BEGIN{RS=":"}{print $0}' \
| awk -F/ '{print $1,$2}'
不同于上面的 curl 命令， echo $PATH 打印本地的环境变量，这是一个新人群：
/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin
现在人群太乱了，它们都堆在一排，根本没法操作，需要用法宝 awk 把他们分行 awk'BEGIN{RS=":"}{print $0}'，其中 RS 的意思是用:作为记录分割符，将上面的内容 分行， BEGIN 的意思是 初始化代码块，在对每一行进行处理之前，先执行 BEGIN 中的内容，这就是施法前摇????：
/usr/local/sbin
/usr/local/bin
/usr/sbin
/usr/bin
/sbin
/bin
这样看起来舒服很多，大家都被分门别类，现在我发现了妖精，符号 / 太累赘，想阻挡我们的去路，于是用 awk 去掉这个拦路虎 awk-F/'{print $1,$2}' 命令用 -F/表示用 / 作为分隔符， $1 和 $2 表示提取每行前 2 个内容， print 进行打印:
usr
usr
usr
usr
sbin
bin
有的同学很迷惑，为啥每行只提取出一个字符（usr），而不是两个（usr locl），这是因为 $1 是指 / 前的字符 ，比如 /usr/local/sbin，第一个 / 前是空白，第二个 /前是 usr，因此打印只显示了 空白 usr
其实参数 FS与 F的使用相同，上面的剑客也可以这么用：
echo $PATH | awk 'BEGIN{RS=":"}{print $0}' \
| awk 'BEGIN{FS="/"}{print $1,$2}'
就像本例子一样，人群会很复杂，你要先精简人群，才能找出妖精，要想掌握 awk，你还要了解下面表格中的信息，表格是剑术手册，至关重要：
awk 的语法是这样的：
awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file
意思可以对照下面的表格：
选项
解释
[-F|-f|-v]
-F 指定分隔符，-f 调用脚本，-v 定义变量 var=value
' '
引用代码块
BEGIN
初始化代码块，在对每一行进行处理之前，初始化代码，主要是引用全局变量，设置 FS 分隔符
//
匹配代码块，可以是字符串或正则表达式
{}
命令代码块，包含一条或多条命令
；
多条命令使用分号分隔
END
结尾代码块，在对每一行进行处理之后再执行的代码块，主要是进行最终计算或输出结尾摘要信息
还有常见的其他命令：
其他命令
解释
$0
表示整个当前行
$1
每行第一个字段
NF
字段数量变量
NR
每行的记录号，多文件记录递增
FNR
与 NR 类似，不过多文件记录不递增，每个文件都从 1 开始
\t
制表符
\n
换行符
FS
BEGIN 时定义分隔符
RS
输入的记录分隔符， 默认为换行符 (即文本是按一行一行输入)
~
匹配，与 == 相比不是精确比较
!~
不匹配，不精确比较
==
等于，必须全部相等，精确比较
!=
不等于，精确比较
&&
逻辑与
||
逻辑或
+
匹配时表示 1 个或 1 个以上
/[0-9][0-9]+/
两个或两个以上数字
/[0-9][0-9]*/
一个或一个以上数字
FILENAME
文件名
OFS
输出字段分隔符， 默认也是空格，可以改为制表符等
ORS
输出的记录分隔符，默认为换行符 , 即处理结果也是一行一行输出到屏幕
-F'[:#/]'
定义三个分隔符
除此之外，如果你想查看更多有关 awk 的内容，可以用：
awk --help
拓展阅读：RS、ORS、FS、OFS 的区别和联系
https://www.jb51.net/article/52891.htm
第三剑客：sed
这是最后的剑客 sed，如果说 grep 用来分辨妖精，awk 用来规则人群，那么 sed 就是大杀器， 用来斩除妖精。
严格来说：sed 是一种流编辑器，它是文本处理中非常有用的工具，能够完美的配合正则表达式使用，功能不同凡响。
echo $PATH | awk 'BEGIN{RS=":"}{print $0}' \
| sed 's#/ #----#g'
本次将同时使用两件法宝：awk 和 sed。人群依旧是 echo $PATH：
/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin
用第二件法宝 awk 进行分割后如下（不懂的可以往上看）：
/usr/local/sbin
/usr/local/bin
/usr/sbin
/usr/bin
/sbin
/bin
接下来我要做的，是摆平拦路虎 / ，将 / 替换成 ---- sed's#/ #----#g'。
其中的 s 表示进行替换，注意到其后有三个#，# 之间的内容分别是要替换的内容 /，替换成什么 ----，开启法宝后如下：
----usr----local----sbin
----usr----local----bin
----usr----sbin
----usr----bin
----sbin
----bin
你会发现， \全部被替换成了 ----。
就像本例子一样，斩除的功能不言而喻，要想掌握 sed，你还要了解下面表格中的信息，表格是剑术手册，至关重要。
sed 的命令格式如下：
sed [options] 'command' file(s)
sed [options] -f scriptfile file(s)
选项
参数
完整参数
说明
-e
script --expression=script
以选项中的指定的 script 来处理输入的文本文件
-f
script --files=script
以选项中的指定的 script 文件来处理输入的文本文件
-h
--help
显示帮助
-n
--quiet --silent
仅显示 script 处理后的结果
-V
--version
显示版本信息
命令
命令
说明
d
删除，删除选择的行
D
删除模板块的第一行
s
替换指定字符
h
拷贝模板块的内容到内存中的缓冲区
H
追加模板块的内容到内存中的缓冲区
g
获得内存缓冲区的内容，并替代当前模板块中文本
G
获得内存缓冲区的内容，并追加到当前模板块文本的后面
l
列表不能打印字符的清单
n
读取下一个输入行，用下一个命令处理新的行而不是第一个命令
N
追加下一个输入行到模板块后面并在二者间嵌入一个新行，改变当前行号码
p
打印模板块的行
P
打印模板块的第一行
q
退出 sed
b label
分支到脚本中带有标记的地方，如果分支不存在则分支到脚本的末尾
r file
从 file 中读行
t label
if 分支，从最后一行开始，条件一旦满足或者 T，t 命令，将导致分支到带有标号的命令处，或者到脚本的末尾
T label
错误分支，从最后一行开始，一旦发生错误或者 T，t 命令，将导致分支到带有标号的命令处，或者到脚本的末尾
w file
写并追加模板块到 file 末尾
W file
写并追加模板块的第一行到 file 末尾
!
表示后面的命令对所有没有被选定的行发生作用
=
打印当前行号
#
把注释扩展到第一个换行符以前
替换
命令
说明
g
表示行内全面替换
p
表示打印行
w
表示把行写入一个文件
x
表示互换模板块中的文本和缓冲区中的文本
y
表示把一个字符翻译为另外的字符（但是不用于正则表达式）
\1
子串匹配标记
&
已匹配字符串标记
扩展：
sed 处理数据时，把当前处理的行存储在临时缓冲区中，称为『模式空间』（pattern space），接着用 sed 命令处理 缓冲区 中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾。文件内容并没有改变，除非你使用重定向存储输出。sed 主要用来自动编辑一个或多个文件，简化对文件的反复操作，编写转换程序等。
更多用例请参考：http://www.runoob.com/linux/linux-comm-sed.html
除此之外，如果你想查看更多有关 awk 的内容，可以用：
awk --help
扩展内容：正则表达式
大家使用三剑客时，会看到 基本正则 和 扩展正则，他们的区别还是非常大的，基本正则的许多符号需要使用转义字符 \，比如 | 要改成 \|，因此建议大家使用 扩展正则！
P.S. 限于篇幅关系，关于正则表达式的内容，在下一篇文章中做详细讲解。（end）