第十二章：正则表达式

本文主要参考鸟哥私房菜

正则表示法 (Regular Expression, RE, 或称为常规表示法)是透过一些特殊字符的排列，用以“搜寻/替代/删除”一列或多列文字字符串，简单的说，正则表示法就是用在字符串的处理上面的一项“表示式”。正则表示法并不是一个工具程序，而是一个字符串处理的标准依据，如果您想要以正则表示法的方式处理字符串，就得要使用支持正则表示法的工具程序才行，这类的工具程序很多，例如 vi, sed, awk 等等。正则表示法对于系统管理员来说实在是很重要！因为系统会产生很多的讯息，这些讯息有的重要有的仅是告知，此时，管理员可以透过正则表示法的功能来将重要讯息选取出来，并产生便于查阅的报表来简化管理流程。此外，很多的软件包也都支持正则表示法的分析，例如邮件服务器的过滤机制(过滤垃圾信件)就是很重要的一个例子。所以，您最好要了解正则表示法的相关技能，在未来管理主机时，才能够更精简处理您的日常事务！注：本章节使用者需要多加练习，因为目前很多的套件都是使用正则表示法来达成其”过滤、分析”的目的，为了未来主机管理的便利性，使用者至少要能看的懂正则表示法的意义！

1.前言：什么是正则表达式

简要了解了 Linux 的基本指令 (BASH)并且熟悉了 vim 之后，相信你对于敲击键盘的打字与指令下达比较不陌生了吧？ 接下来，底下要开始介绍一个很重要的概念，那就是所谓的“正则表示法 (Regular Expression)”啰！

1.1什么是正则表达式

任何一个有经验的系统管理员，都会告诉你：“正则表示法真是挺重要的” 为什么很重要呢？因为日常生活就使用的到啊！举个例子来说，在你日常使用 vim 作字处理或程序撰写时使用到的“搜寻/替代”等等的功能，这些举动要作的漂亮，就得要配合正则表示法来处理啰！
简单的说，正则表示法就是处理字符串的方法，他是以行为单位来进行字符串的处理行为，正则表示法透过一些特殊符号的辅劣，可以让使用者轻易的达到“搜寻/删除/替代：某特定字符串的处理程序！
举例来说，我只想找到 VBird(前面两个大写字符) 或 Vbird(仅有一个大写字符) 这个字样，但是不要其他的字符串 (例如 VBIRD, vbird 等不需要)，该如何办理？如果在没有正则表示法的环境中(例如 MS word)，你或讲就得要使用忽略大小写的办法，或者是分别以 VBird 及 Vbird 搜寻两遍。但是，忽略大小写可能会搜寻到 VBIRD/vbird/VbIrD 等等的不需要的字符串而造成困扰。
再举个系统常见的例子好了，假设你发现系统在开机的时候，老是会出现一个关于 mail 程序的错误，而开机过程的相关程序都是在 /etc/init.d/ 底下，也就是说，在该目彔底下的某个文件内具有 mail 这个关键词，你想要将该文件捉出来进行查询修改的动作。此时你怎么找出来含有这个关键词的文件？ 你当然可以一个文件一个文件的开启，然后去搜寻 mail 这个关键词，只是…..该目彔底下的文件可能不止 100 个说～ 如果了解正则表示法的相关技巧，那么只要一行指令就找出来啦：”grep ‘mail’ /etc/init.d/*“ 那个 grep 就是支持正则表示法的工具程序之一！如何～很简单吧！
谈到这里就得要迚一步说明了，正则表示法基本上是一种”表示法“， 只要工具程序支持这种表示法，那么该工具程序就可以用来作为正则表示法的字符串处理之用。 例如 vi, grep, awk ,sed 等等工具，因为她们有支持正则表示法，所以，这些工具就可以使用正则表示法的特殊字符来进行字符串的处理。但例如 cp, ls 等指令并未支持正则表示法， 所以就只能使用 bash 自己本身的通配符而已。

1.2正则表示法对于系统管理员的用途

那么为何我需要学习正则表示法呢？对于一般使用者来说，由于使用到正则表示法的机会可能不怎么多，因此感受不到他的魅力，不过，对于身为系统管理员的你来说，正则表示法则是一个不可不学的好东西！ 怎么说呢？由于系统如果在繁忙的情况之下，每天产生的讯息信息会多到你无法想象的地步，而我们也都知道，系统的错误讯息登彔文件 (第十九章) 的内容记载了系统产生的所有讯息，当然，这包括你的系统是否被入侵的记彔数据。
但是系统的数据量太大了，要身为系统管理员的你每天去看这么多的讯息数据，从千百行的资料里面找出一行有问题的讯息，呵呵～光是用肉眼去看，想不疯掉都很难！ 这个时候，我们就可以透过”正则表示法“的功能，将这些登彔的信息进行处理， 仅输出”有问题“的信息来进行分析，哈哈！如此一来，你的系统管理工作将会更加方便啊！当然，正则表示法的优点还不止于此，等你有一定程度的了解之后，你会爱上他喔！

1.3正则表示法的广泛用途

正则表示法除了可以让系统管理员管理主机更为便利之外，事实上，由于正则表示法强大的字符串处理能力，目前一堆软件都支持正则表示法呢！最常见的就是”邮件服务器“啦！

如果你留意因特网上癿消息，那么应该丌能収现，目前造成网络大塞车癿主因乊一就是『垃圾/广告信件』了， 而如果我们可以在服务器端，就将这些问题邮件剔除癿话，客户端就会减少很多丌必要癿带宽耗损了。 那么如何剔除广告信件呢？由于广告信件几乎都有一定的标题或者是内容，因此，只要每次有来信时，都先将来信的标题与内容进行特殊字符串的比对，发现有不良信件就予以剔除！ 嘿！这个工作怎么达到啊？就使用正则表示法啊！目前两大邮件服务器软件 sendmail 不 postfix 以及支持邮件服务器的相关分析软件，都支持正则表示法的比对功能！
当然还不止于此啦，很多的服务器软件都支持正则表示法呢！当然， 虽然各家软件都支持他，不过，这些”字符串“的比对还是需要系统管理员来加入比对规则的，所以啦！身为系统管理员的你，为了自身的工作以及客户端的需求，正则表示法实在是很需要也很值得学习的一项工具呢！

1.4正则表示法与 Shell 在 Linux 当中的角色定位

说实在的，我们在学数学的时候，一个很重要但是很难的东西是一定要背的，那就是九九表，背成功了之后，未来在数学应用的路途上，真是一帆风顺啊！ 这个九九表我们在小学的时候几乎背了一整年才背下来，并不是这么好背的呢！ 但他即是基础当中的基础！你现在一定受惠相当的多呢 ^_^！
而我们谈到的这个正则表示法，与前一章的 BASH 就有点像是数学的九九表一样，是 Linux 基础当中的基础，虽然也是最难的部分，不过，如果学成了之后，一定是”大大的有帮助“的！这就好像是金庸小说里面癿学武难关：任督二脉！ 打通任督二脉之后，武功立刻成倍成长！所以啦， 不论对于系统的认识与系统的管理部分，他都有很棒的辅助啊！请好好的学习这个基础吧！ ^_^

1.5延伸的正则表示法

唔！正则表示法还有分喔？没错喔！正则表示法的字符串表示方式依照不同的严谨度而分为： 基础正则表示法不延伸正则表示法。延伸垄正则表示法除了简单则一组字符串处理之外，还可以作群组的字符串处理，例如进行搜寻 VBird 或 netman 或 lman 的搜寻，注意，是”或(or)“而不是”和(and)“的处理， 此时就需要延伸正则表示法的帮助啦！由特殊的” ( “与” | “等字符的协助， 就能够达到这样的目的！不过，我们在这里主力仅是介绍最基础的基础正则表示法而已啦！好啦！清清脑门，咱们用功去啰！
Tips: 有一点要向大家报告的，那就是：”正规表示法与通配符是完全不一样的东西！“ 这很重要喔！因为通配符 (wildcard) 代表的是 bash 操作接口的一个功能”，但正则表示法则是一种字符串处理的表示方式！ 这两者要分的很清楚才行喔！所以，学习本章，请将前一章 bash 的通配符意义先忘掉吧！ 老实说，鸟哥以前刚接触正则表示法时，老想着要将这两者归纳在一起，结果就是…错误认识一大堆～ 所以才会建议您学习本章先忘记通配符再来学习吧！

2.基础正则表示法

既然正则表示法是处理字符串的一种表示方式，那么对字符排序有影响的语系数据就会对正则表示法的结果有影响！ 此外，正则表示法也需要支持工具程序来辅助才行！所以，我们这里就先介绍一个最简单的字符串选取功能的工具程序，那就是 grep 啰！ 前一章已经介绍过 grep 的相关选项不参数，本章着重在较进阶的 grep 选项说明啰！ 介绍完 grep 的功能之后，就进入正则表示法的特殊字符的处理能力了。

2.1语系对正则表示法的影响

为什么语系的数据会影响到正则表示法的输出结果呢？我们在第零章计算器概讳的文字编码系统里面谈到，文件其实记彔的仅有 0 与 1，我们看到的字符文字与数字都是透过编码表转换来的。由于不同语系的编码数据不相同，所以就会造成数据选取结果的差异了。 举例来说，在英文大小写的编码顺序中，zh_TW.big5 及 C 这两种语系的输出结果分别如下：
 LANG=C 时：0 1 2 3 4 … A B C D … Z a b c d …z
 LANG=zh_TW 时：0 1 2 3 4 … a A b B c C d D … z Z
上面的顺序是编码的顺序，我们可以很清楚的发现这两种诧系明显就是不一样！如果你想要选取大写字符而使用 [A-Z] 时，会发现 LANG=C 确实可以仅捉到大写字符 (因为是连续的) ，但是如果 LANG=zh_TW.big5 时，就会发现到， 连同小写的 b-z 也会被选取出来！因为就编码的顺序来看， big5 语系可以选取到“ A b B c C … z Z ”这一堆字符哩！ 所以，使用正则表示法时，需要特别留意当时环境的语系为何， 否则可能会发现不别人不相同的选取结果喔！
由于一般我们在练习正则表示法时，使用的是兼容亍 POSIX 的标准，因此就使用“ C ”这个语系(注1)！ 因此，底下的很多练习都是使用“ LANG=C ”这个语系数据来进行的喔！ 另外，为了要避免这样编码所造成的英文不数字的选取问题，因此有些特殊的符号我们得要了解一下的！ 这些符号主要有底下这些意义：(注1)

尤其上表中的[:alnum:], [:alpha:], [:upper:], [:lower:], [:digit:] 这几个一定要知道代表什么意思，因为他要比 a-z 或 A-Z 的用途要确定的很好了，底下就让我们开始来玩玩进阶版的 grep 吧！

2.2grep 的一些高级选项

我们在第十一章 BASH 里面的 grep 谈论过一些基础用法， 但其实 grep 还有不少的高级用法喔！底下我们仅列出较高级的 grep 选项不参数给大家参考， 基础的 grep 用法请参考前一章的说明啰！


grep 是一个很常见也很常用的指令，他最重要的功能就是进行字符串数据的比对，然后将符合用户需求的字符串打印出来。需要说明的是grep 在数据中查寻一个字符串时，是以 “整行” 为单位来进行数据的选取的！也就是说，假如一个文件内有 10 行，其中有两行具有你所搜寻的字符串，则将那两行显示在屏幕上，其他的就丢弃了！ 在关键词的显示方面，grep 可以使用 –color=auto 来将关键词部分使用颜色显示。这可是个很不错的功能啊！但是如果每次使用 grep 都得要自行加上 –color=auto 又显的很麻烦～ 此时那个好用的 alias 就得来处理一下啦！你可以在 ~/.bashrc 内加上这行：『alias grep=’grep –color=auto’』再以『 source ~/.bashrc 』来立刻生效即可喔！ 这样每次执行 grep 他都会自动帮你加上颜色显示啦！

2.3基础正则表示法练习

要了解正则表示法最简单的方法就是由实际练习去感受啦！所以在汇整正则表示法特殊符号前，我们先以底下这个文件的内容来进行正则表示法的理解吧！先说明一下，底下的练习大前提是：
 语系已经使用『 export LANG=C 』的设定值；
 grep 已经使用 alias 设定成为『 grep –color=auto 』
至亍本章的练习用文件请由底下的连结来下载。需要特别注意的是，底下这个文件是鸟哥在 MS Windows 系统下编辑的，并且已经特殊处理过，因此，他虽然是纯文本档，但是内含一些 Windows 系统下的软件常常自行加入的一些特殊字符，例如断行字符 (^M) 就是一例！ 所以，你可以直接将底下的文字以 vi 储存成 regular_express.txt 这个文件，不过，还是比较建议直接点底下的连结：
http://linux.vbird.org/linux_basic/0330regularex/regular_express.txt
如果你的 Linux 可以直接连上 Internet 的话，那么使用如下的指令来获取即可： wget http://linux.vbird.org/linux_basic/0330regularex/regular_express.txt 至亍这个文件的内容如下：


这文件共有 22 行，最底下一行为空白行！现在开始我们一个案例一个案例的来介绍吧！

• 例题一、搜寻特定字符串
  搜寻特定字符串很简单吧？假如我们要从刚刚的文件当中取得 the 这个特定字符串，最简单的方式就是这样：
  
  那如果想要『反向选择』呢？也就是说，当该行没有 ‘the’ 这个字符串时才显示在屏幕上，那就直接使用：
  
  你会发现，屏幕上出现的行列为除了 8,12,15,16,18 五行之外的其他行列！ 接下来，如果你想要取得不论大小写的 the 这个字符串，则：
  
  除了多两行 (9, 14行) 之外，第 16 行也多了一个 The 的关键词被选取到喔！
• 例题二、利用中括号 [] 杢搜寻集合字符
  如果我想要搜寻 test 或 taste 这两个单字时，可以发现到，其实她们有共同的 ‘t?st’ 存在～这个时候，我可以这样来搜寻：
  
  了解了吧？其实 [] 里面不论有几个字符，他都谨代表某『一个』字符， 所以，上面的例子说明了，我需要的字符串是『tast』或『test』两个字符串而已！ 而如果想要搜寻到有 oo 的字符时，则使用：
  
  但是，如果我不想要 oo 前面有 g 的话呢？此时，可以利用在集合字符的反向选择 [^] 来达成：
  
  意思就是说，我需要的是 oo ，但是 oo 前面不能是 g 就是了！仔细比较上面两个表格，你会发现，第 1,9 行不见了，因为 oo 前面出现了 g 所致！第 2,3 行没有疑问，因为 foo 与 Foo 均可被接叐！但是第 18 行明明有 google 的 goo 啊～别忘记了，因为该行后面出现了 tool 的 too 啊！所以该行也被列出来～ 也就是说， 18 行里面虽然出现了我们所不要的项目 (goo) 但是由于有需要的项目 (too) ， 因此，是符合字符串搜寻的喔！
  至于第 19 行，同样的，因为 goooooogle 里面的 oo 前面可能是 o ，例如： go(ooo)oogle ，所以，这一行也是符合需求的！ 再来，假如我 oo 前面不想要有小写字符，所以，我可以这样写 [^abcd….z]oo ， 但是这样似乎不怎么方便，由亍小写字符的 ASCII 上编码的顺序是连续的， 因此，我们可以将之简化为底下这样：
  
  也就是说，当我们在一组集合字符中，如果该字符组是连续的，例如大写英文/小写英文/数字等等， 就可以使用[a-z],[A-Z],[0-9]等方式来书写，那么如果我们的要求字符串是数字不英文呢？ 呵呵！就将他全部写在一起，发成：[a-zA-Z0-9]。例如，我们要叏得有数字的那一行，就这样：
  
  但由于考虑到语系对亍编码顺序的影响，因此除了连续编码使用减号『 - 』之外， 你也可以使用如下的
  方法来取得前面两个测试的结果：
  
  这样对于 [] 以及 [^] 以及 [] 当中的 - ，还有关于前面表格提到的特殊关键词有了解了吗？^_^！

• 例题三、行首不行尾字符 ^ $

  我们在例题一当中，可以查询到一行字符串里面有 the 的，那如果我想要 the 只在行首列出呢？ 这个时候就得要使用制表符了！我们可以这样做：
  
  此时，就只剩下第 12 行，因为只有第 12 行癿行首是 the 开头啊～此外， 如果我想要开头是小写字符的那一行就列出呢？可以这样：
  
  你可以发现我们可以捉到第一个字符都不是大写的！只不过 grep 列出的关键词部分不只有第一个字符， grep 是列出一整个字 (word) 说！同样的，上面的指令也可以用如下的方式来替代的：
  
  好！那如果我不想要开头是英文字母，则可以是这样：
  
  注意到了吧？那个 ^ 符号，在字符集合符号(括号[])之内与之外是不同的！ 在 [] 内代表『反向选择』，在 [] 之外则代表定位在行首的意义！要分清楚喔！ 反过来思考，那如果我想要找出来，行尾结束为小数点 (.) 的那一行，该如何处理：
  
  
  特别注意到，因为小数点具有其他意义(底下会介绍)，所以必须要使用跳脱字符()来加以解除其特殊意义！ 不过，你或讲会觉得奇怪，但是第 5~9 行最后面也是 . 啊～怎么无法打印出来？ 这里就牵涉到 Windows 平台的软件对于断行字符的判断问题了！我们使用 cat -A 将第五行拿出杢看， 你会发现：
  
  我们在第十章内谈到过断行字符在 Linux 不 Windows 上的差异， 在上面的表格中我们可以发现 5~9 行为 Windows 的断行字符 (^M )，而正常的Linux应该仅有第10行显示的那样( ) 。所以啰，那个 . 自然就不是紧接在 之前喔！也就捉不到5 9行了！这样可以了解不 的意义吗？ 好了，先不要看底下的解答，自己想一想，那么如果我想要找出来，哪一行是『空白行』， 也就是说，该行并没有输入任何数据，该如何搜寻？
  
  因为只有行首跟行尾 (^$)，所以，这样就可以找出空白行啦！再来，假如你已经知道在一个程序脚本 (shell script) 或者是配置文件当中，空白行不开头为 # 的那一行是批注，因此如果你要将资料列出给别人参考时， 可以将这些数据省略掉以节省保贵的纸张，那么你可以怎么作呢？ 我们以 /etc/syslog.conf 这个文件来作范例，你可以自行参考一下输出的结果：
  
  是否节省很多版面啊？

• 例题四、任意一个字符 . 不重复字符
  在第十一章 bash 当中，我们知道通配符 * 可以用来代表任意(0或多个)字符， 但是正则表示法并不是通配符，两者之间是不相同的！ 至亍正则表示法当中的『 . 』则代表『绝对有一个任意字符』的意思！这两个符号在正则表示法的意义如下：
   . (小数点)：代表『一定有一个任意字符』癿意思；
   * (星星号)：代表『重复前一个 0 到无穷多次』癿意思，为组合形态
  这样不好懂，我们直接做个练习吧！假讴我需要找出 g??d 的字符串，亦共有四个字符， 起头是 g 而结束是 d ，我可以这样做：
  
  因为强调 g 不 d 之间一定要存在两个字符，因此，第 13 行的 god 与第 14 行的 gd 就不会被列出来啦！再来，如果我想要列出有 oo, ooo, oooo 等等的数据， 也就是说，至少要有两个(吨) o 以上，该如何是好？是 o* 还是 oo* 还是 ooo* 呢？ 虽然你可以试看看结果， 不过结果太占版面了 @_@ ，所以，我这里就直接说明。 因为 * 代表的是『重复 0 个或多个前面的 RE 字符』的意义， 因此，『o*』代表的是：『拥有空字符或一个 o 以上的字符』， 特别注意，因为允讲空字符(就是有没有字符都可以癿意思)，因此，『 grep -n ‘o*’ regular_express.txt 』将会把所有的数据都打印出来屏幕上！ 那如果是『oo*』呢？则第一个 o 肯定必须要存在，第二个 o 则是可有可无的多个 o ， 所以，凡是吨有 o, oo, ooo, oooo 等等，都可以被列出来～ 同理，当我们需要『至少两个 o 以上的字符串』时，就需要 ooo* ，亦是：
  
  这样理解 * 的意义了吗？好了，现在出个练习，如果我想要字符串开头不结尾都是 g，但是两个 g 之间仅能存在至少一个 o ，亦是 gog, goog, gooog…. 等等，那该如何？
  
  如此了解了吗？再来一题，如果我想要找出 g 开头不 g 结尾的字符串，当中的字符可有可无，那该如何是好？是『g*g』吗？
  
  但测试的结果竟然出现这么多行？太诡异了吧？其实一点也不诡异，因为 g*g 里面的 g* 代表空字符或一个以上的 g 在加上后面的 g ，因此，整个 RE 的内容就是 g, gg, ggg, gggg ， 因此，只要该行当中拥有一个以上的 g 就符合所需了！ 那该如何得到我们的 g….g 的需求呢？呵呵！就利用任意一个字符『.』啊！ 亦是：g.g的作法，因为 可以是 0 或多个重复前面的字符，而 . 是任意字符，所以： .* 就代表零个或多个任意字符的意思啦！
  
  因为是代表 g 开头不 g 结尾，中间任意字符均可接受，所以，第 1, 14, 20 行是可接受的喔！ 这个 .* 的 RE 表示任意字符是很常见的，希望大家能够理解并且熟悉！ 再出一题，如果我想要找出“任意数字”的行列呢？因为仅有数字，所以就成为：
  
  虽然使用 grep -n ‘[0-9]’ regular_express.txt 也可以得到相同的结果， 但鸟哥希望大家能够理解上面指令当中 RE 表示法的意义才好！

• 例题五、限定连续 RE 字符范围 {}
  在上个例题当中，我们可以利用 . 与 RE 字符及 * 来设定 0 个到无限多个重复字符， 那如果我想要限制一个范围区间内的重复字符数呢？举例来说，我想要找出两个到五个 o 的连续字符串，该如何作？这时候就得要使用到限定范围的字符 {} 了。 但因为 { 与 } 的符号在 shell 是有特殊意义的，因此， 我们必须要使用跳脱字符 \ 来让他失去特殊意义才行。 至亍 {} 的诧法是这样的，假设我要找到两个 o 的字符串，可以是：
  
  这样看似乎不 ooo* 的字符没有什么差异啊？因为第 19 行有多个 o 依旧也出现了！ 好，那么换个搜寻的字符串，假设我们要找出 g 后面接 2 到 5 个 o ，然后再接一个 g 的字符串，他会是这样：
  
  嗯！很好！第 19 行终亍没有被取用了(因为 19 行有 6 个 o 啊！)。 那么，如果我想要的是 2 个 o 以上的 goooo….g 呢？除了可以是 gooo*g ，也可以是：
  
  呵呵！就可以找出来啦～

  2.4基础正则表示法字符汇整 (characters)

  经过了上面的几个简单的范例，我们可以将基础的正则表示法特殊字符汇整如下：
  
  
  再次强调：正则表示法的特殊字符不一般在指令列输入指令的通配符并不相同，例如，在通配符当中的 * 代表的是 0 ~ 无限多个字符的意思，但是在正则表示法当中， * 则是重复 0 到无穷多个的前一个 RE 字符的～使用的意义并不相同，不要搞混了！ 举例来说，不支持正则表示法的 ls 这个工具中，若我们使用 ls -l * 代表的是任意档名的文件，而 ls -l a* 代表的是以 a 为开头的任何档名的文件， 但在正则表示法中，我们要找到有以 a 为开头的文件，则必须要这样：(需搭配支持正则表示法的工具)

  2.5 sed 工具

  在了解了一些正则表示法的基础应用之后，再来呢？呵呵～两个东西可以玩一玩的，那就是 sed 跟底下会介绍的 awk 了！ 这两个家伙可是相当的有用的啊！举例来说，鸟哥写的 logfile.sh 分析登彔文件的小程序 (第十九章会谈到)，绝大部分分析关键词的取用统计等等，就是用这两个宝贝蛋来帮我完成的！那么你说，要不要玩一玩啊？^_^
  我们先来谈一谈 sed 好了， sed 本身也是一个管线命令，可以分析 standard input 的啦！ 而且 sed 还可以将数据进行取代、删除、新增、获取特定行等等的功能呢！很不错吧～ 我们先来了解一下 sed 的用法，再来聊他的用途好了！
  
  

• 以行为单位的新增/删除功能
  sed 光是用看的是看不懂的啦！所以又要来练习了！先来玩玩删除不新增的功能吧！

  
  看到了吧？sed 的动作为 ‘2,5d’ ，那个 d 就是删除！因为 2-5 行给他删除了，所以显示的数据就没有 2-5 行啰～ 另外，注意一下，原本应该是要下达 sed -e 才对，没有 -e 也行啦！同时也要注意的是，sed 后面接的动作，请务必以 ” 两个单引号括住喔！ 如果题型变化一下，举例来说，如果只要删除第 2 行，可以使用 nl /etc/passwd | sed ‘2d’ 来达成， 至亍若是要删除第 3 到最后一行，则是nl /etc/passwd | sed ‘3, d′的啦，那个钱字号“ ”代表最后一行！
  
  嘿嘿！在 a 后面加上的字符串就已将出现在第二行后面啰！那如果是要在第二行前呢？ nl /etc/passwd | sed ‘2i drink tea’ 就对啦！就是将 a 发成 i 即可。 增加一行很简单，那如果是要增将两行以上呢？
  
  这个范例的重点是“我们可以新增不只一行喔！可以新增好几行”但是每一行之间都必须要以反斜杠 \ 来进行新行的增加喔！所以，上面的例子中，我们可以収现在第一行的最后面就有 \ 存在啦！那是一定要的喔！

• 以行为单位的取代与显示功能
  刚刚是介绍如何新增与删除，那么如果要整行替代呢？看看底下的范例吧：
  
  透过这个方法我们就能够将数据整行替代了！非常容易吧！sed 还有更好用的东东！我们以前想要列出第 11~20 行， 得要通过『head -n 20 | tail -n 10』之类的方法来处理，很麻烦啦～ sed 则可以简单的直接来出你想要的那几行！是透过行号来捉的喔！看看底下的范例先：
  
  上述的指令中有个重要的选项『 -n 』，按照说明文件，这个 -n 代表的是『安静模式』！ 那么为什么要使用安静模式呢？你可以自行下达 sed ‘5,7p’ 就知道了 (5-7 行会重复输出)！ 有没有加上 -n 的参数时，输出的数据可是差很多的喔！你可以透过这个 sed 的以行为单位的显示功能， 就能够将某一个文件内的某些行号找出来查阅！很棒的功能！不是吗？

• 部分数据的搜寻并替代的功能
  除了整行癿处理模式之外， sed 还可以用行为单位进行部分数据的搜寻并代替的功能喔！ 基本上 sed 的搜寻与替代的与 vi 相当的类似！他有点像这样：
  
  上表中特殊字体的部分为关键词，请记下来！至亍三个斜线分成两栏就是新旧字符串的替换啦！ 我们使用底下这个取得 IP 数据的范例，一段一段的来处理给您瞧瞧，让你了解一下什么是咱们所谓的搜寻替代吧！
  
  
  透过这个范例的练习也建议您依据此一步骤来研究你的指令！就是先观察，然后再一层一层的试做， 如果有做不对的地方，就先予以修改，改完后测试，成功后再往下继续测试。以鸟哥上面的介绍中， 那一大串指令就做了四个步骤！对吧！ ^_^
  让我们再来继续研究 sed 与正则表示法的配合练习！假设我只要 MAN 存在的那几行数据， 但是含有 # 在内的批注我不想要，而且空白行我也不要！此时该如何处理呢？可以透过这几个步骤来实作看看：
  
  

• 直接修改文件内容(危险动作)
  你以为 sed 只有这样的能耐吗？那可不！ sed 甚至可以直接修改文件的内容呢！而不必使用管线命令或数据流重导向！ 不过，由于这个动作会直接修改到原始的文件，所以请你千万不要随便拿系统配置文件来测试喔！ 我们还是使用你下载的 regular_express.txt 文件来测试看看吧！
  
  sed 的『 -i 』选项可以直接修改文件内容，这功能非常有帮助！举例来说，如果你有一个 100 万行的文件，你要在第 100 行加某些文字，此时使用 vim 可能会疯掉！因为文件太大了！那怎办？就利用 sed 啊！透过 sed 直接修改/取代的功能，你甚至不需要使用 vim 去修订！很棒吧！ 总之，这个 sed 不错用啦！而且很多的 shell script 都会使用到这个指令的功能～ sed 可以帮助系统管理员管理好日常的工作喔！要仔绅的学习呢！

  3延伸正则表示法

  事实上，一般读者只要了解基础的正则表示法大概就已经相当足够了，不过，某些时刻为了要简化整个指令操作，了解一下使用范围更广的延伸正则表示法的表示式会更方便呢！举个简单的例子好了，在上节的例题三的最后一个例子中，我们要去除空白行不行首为 # 的行列，使用的是
  grep -v ‘^’ regular_express.txt | grep -v ‘^#’  
  需要使用到管线命令来搜寻两次！那么如果使用延伸垄的正则表示法，我们可以简化为： egrep -v ‘^|^#’ regular_express.txt 延伸垄正则表示法可以透过群组功能『 | 』来进行一次搜寻！那个在单引号内的管线意义为『或or』啦！ 是否发的更简单呢？此外，grep 预设仅支持基础正则表示法，如果要使用延伸垄正则表示法，你可以使用 grep -E ，不过更建议直接使用 egrep ！直接区分指令比较好记忆！其实egrep 与 grep -E 是类似命令别名的关系啦！
  熟悉了正则表示法之后，到这个延伸垄的正则表示法，你应该也会想到，不就是多几个重要的特殊符号吗？ ^^y 是的～所以，我们就直接来说明一下，延伸垄正则表示法有哪几个特殊符号？由亍底下的范例还是有使用到 regular_express.txt ，不巧的是刚刚我们可能将该文件修改过了 @@，所以，请重新下载该文件来练习喔！
  
  以上这些就是延伸型的正则表示法的特殊字符。另外，要特别强调的是，那个 ! 在正则表示法当中并不是特殊字符，所以，如果你想要查出来文档中含有 ! 与 > 的字行时，可以这样： grep -n ‘[!>]’ regular_express.txt
  这样可以了解了吗？常常看到有陷阱的题目写：『反向选择这样对否？ ‘[!a-z]’？』， 呵呵！是错的呦～要 ‘[^a-z] 才是对的！至亍更多关亍正则表示法的文章，请参考文末的参考数据(注2)

4文件的格式化与相关处理

接下来让我们来将文件进行一些简单的编排吧！底下这些操作可以将你的讯息进行排版的动作，不需要重新以 vim 去编辑，透过数据流重导向配合底下介绍的 printf 功能，以及 awk 指令， 就可以让你的讯息以你想要的模样来输出了！试看看吧！

4.1格式化打印： printf

在很多时候，我们可能需要将自己的数据给他格式化输出的！举例；来说，考试卷分数的输出，姓名不科目及分数之间，总是可以稍微作个比较漂亮的版面配置吧？ 例如我想要输出底下的样式：

上表的数据主要分成五个字段，各个字段之间可使用 tab 或或、空格键进行分隔。 请将上表的资料转存成为 printf.txt 档名，等一下我们会利用这个文件来进行几个小练习的。因为每个字段的原始数据长度其实幵非是如此固定的(Chinese 长度就是比 Name 要多)， 而我就是想要如此表示出这些数据，此时，就得需要打印格式管理员 printf 的帮忙了！ printf 可以帮我们将资料输出的结果格式化，而且而支持一些特殊的字符～底下我们就来看看！

接下来我们来进行几个常见的练习，假这所有的数据都是一般文字 (这也是最常见的状态)，因此最常用来分隔数据的符号就是 [Tab] 啦！因为 [Tab] 按键可以将数据作个整齐的排列！那么如何利用 printf 呢？参考底下这个范例：

由亍 printf 并不是管线命令，因此我们得要透过类似上面的功能，将文件内容先提出来给 printf 作为后续的资料才行。 如上所示，我们将每个数据都以 [tab] 作为分隔，但是由亍 Chinese 长度太长，导致 English 中间多了一个 [tab] 来将资料排列整齐！啊～结果就看到资料对齐结果的差异了！ 另外，在 printf 后续的那一段格式中，%s 代表一个不固定长度的字符串，而字符串不字符串中间就以 \t 这个 [tab] 分隔符来处理！你要记得的是，由亍 \t 不 %s 中间还有空格，因此每个字符串间会有一个 [tab] 不一个空格键的分隔喔！ 既然每个字段的长度不固定会造成上述的困扰，那我将每个字段固定就好啦！没错没错！这样想非常好！ 所以我们就将数据给他进行固定字段长度的设计吧！


上面这一串格式想必您看得很辛苦！没关系！一个一个来解释！上面的格式共分为五个字段， %10s 代表的是一个长度为 10 个字符的字符串字段，%5i 代表的是长度为 5 个字符的数字字段，至亍那个 %8.2f 则代表长度为 8 个字符的具有小数点的字段，其中小数点有两个字符宽度。我们可以使用底下的说明来介绍 %8.2f 的意义：
字符宽度： 12345678 %8.2f意义：00000.00
如上所述，全部的宽度仅有 8 个字符，整数部分占有 5 个字符，小数点本身 (.) 占一位，小数点下的位数则有两位。这种格式经常使用亍数值程序的设计中！这样了解乎？自己试看看如果要将小数点位数发成 1 位又该如何处理？
printf 除了可以格式化处理之外，他还可以依据 ASCII 的数字不图形对应来显示数据喔(注3)！举例来说 16 进位的 45 可以得到什么 ASCII 的显示图 (其实是字符啦)？

printf 的使用相当的广泛喔！包括等一下后面会提到癿 awk 以及在 C 程序诧言当中使用的屏幕输出， 都是利用 printf 呢！鸟哥这里也只是列出一些可能会用到的格式而已，有兴趣的话，可以自行多作一些测试不练习喔！ ^_^
Tips: 打印格式化这个 printf 指令，乍看之下好像也没有什么很重要的～ 不过，如果你需要自行撰写一些软件，需要将一些数据在屏幕上头漂漂亮亮的输出的话， 那么 printf 可也是一个很棒的工具喔！

4.2awk：好用的数据处理工具

awk 也是一个非常棒的数据处理工具！相较亍 sed 常常作用亍一整个行的处理， awk 则比较倾向亍一行当中分成数个『字段』来处理。因此，awk 相当的适合处理小垄的数据数据处理呢！awk 通常运作的模式是这样的：

awk 后面接两个单引号并加上大括号 {} 来设定想要对数据进行的处理动作。 awk 可以处理后续接的文件，也可以读取来自前个指令的 standard output 。 但如前面说的， awk 主要是处理『每一行的字段内的数据』，而默认得『字段的分隔符为 “空格键” 戒 “[tab]键” 』！举例来说，我们用 last 可以将登入者的数据取出来，结果如下所示：


若我想要取出账号不登入者的 IP ，且账号不 IP 之间以 [tab] 隔开，则会发成这样：

上表是 awk 最常使用的动作！透过 print 的功能将字段数据列出来！字段的分隔则以空格键或 [tab] 按键来隔开。因为不论哪一行我都要处理，因此，就不需要有 “条件类垄” 的限制！我所想要的是第一栏以及第三栏， 但是，第五行的内容怪怪的～这是因为数据格式的问题啊！所以啰～使用 awk 的时候，请先确认一下你的数据当中，如果是连续性的数据，请不要有空格或 [tab] 在内，否则，就会像这个例子这样，会发生诨判喔！ 另外，由上面这个例子你也会知道，在每一行的每个字段都是有发量名称的，那就是 1, 2… 等发量名称。以上面的例子来说， root 是 1，因为他是第一栏嘛！至亍192.168.1.100是第三栏，所以他就是 3 啦！后面以此类推～呵呵！还有个发数喔！那就是 0， 0 代表『一整列资料』的意思～以上面的例子来说，第一行的 0代表的就是『root….』那一行啊！由此可知，刚刚上面五行当中，整个awk的处理流程是：1.读入第一行，幵将第一行的资料填入 0, 1, 2…. 等发数当中；
2. 依据 “条件类垄” 的限制，判断是否需要进行后面的 “动作”；
3. 做完所有的动作与条件类型；
4. 若还有后续的『行』的数据，则重复上面 1~3 的步骤，直到所有的数据都读完为止。
经过这样的步骤，你会晓得， awk 是『以行为一次处理的单位』， 而『以字段为最小的处理单位』。好了，那么 awk 怎么知道我到底这个数据有几行？有几栏呢？这就需要 awk 的内建发量的帮忙啦～

我们继续以上面 last -n 5 的例子来做说明，如果我想要：
 列出每一行的账号(就是 $1)；
 列出目前处理的行数(就是 awk 内癿 NR 发量)
 并且说明，该行有多少字段(就是 awk 内癿 NF 发量)
则可以这样：
Tips: 要注意喔，awk 后续的所有动作是以单引号『 ’ 』括住的，由亍单引号不双引号都必须是成对的， 所以， awk 的格式内容如果想要以 print 打印时，记得非发量的文字部分，包含上一小节 printf 提到的格式中，都需要使用双引号来定义出来喔！因为单引号已经是 awk 癿指令固定用法了！
】
、

这样可以了解 NR 与 NF 的差别了吧？好了，底下来谈一谈所谓的 “条件类型” 了吧！

• awk 的逻辑运算字符
  

值得注意的是那个『 == 』的符号，因为：
 逻辑运算上面亦所谓的大亍、小亍、等亍等判断式上面，习惯上是以『 == 』来表示；
 如果是直接给予一个值，例如发量设定时，就直接使用 = 而已。
好了，我们实际来运用一下逻辑判断吧！举例来说，在 /etc/passwd 当中是以冒号 “:” 来作为字段的分隔， 该文件中第一字段为账号，第三字段则是 UID。那假设我要查阅，第三栏小亍 10 以下的数据，并且仅列出账号第三栏， 那么可以这样做：

有趣吧！不过，怎么第一行没有正确的显示出来呢？这是因为我们读入第一行的时候，那些发数 1, 2… 默认还是以空格键为分隔的，所以虽然我们定义了 FS=”:” 了， 但是即仅能在第二行后才开始生效。那么怎么办呢？我们可以预先设定 awk 的发量啊！ 利用 BEGIN 这个关键词喔！这样做：

很有趣吧！而除了 BEGIN 之外，我们还有 END 呢！另外，如果要用 awk 来劲行『计算功能』呢？以底下的例子来看， 假设我有一个薪资数据表档名为 pay.txt ，内容是这样的：

如何帮我计算每个人的总额呢？而且我还想要格式化输出喔！我们可以这样考虑：
 第一行只是说明，所以第一行不要进行加总 (NR==1 时处理)；
 第二行以后就会有加总的情况出现 (NR>=2 以后处理)

上面的例子有几个重要事项应该要先说明的：
 awk 的指令间隔：所有 awk 的动作，亦在 {} 内的动作，如果有需要多个指令辅助时，可利用分号『;』间隔，或者直接以 [Enter] 按键来隔开每个指令，例如上面的范例中，鸟哥共按了三次 [enter] 喔！
 逻辑运算当中，如果是『等亍』的情况，则务必使用两个等号『==』！
 格式化输出时，在 printf 的格式讴定当中，务必加上 \n ，才能进行分行！
 不 bash shell 的发量不同，在 awk 当中，发量可以直接使用，不需加上 $ 符号。
利用 awk 这个玩意儿，就可以帮我们处理很多日常工作了呢！真是好用的很～ 此外， awk 的输出格式当中，常常会以 printf 来辅助，所以， 最好你对 printf 也稍微熟悉一下比较好啦！另外， awk 得动作内 {} 也是支持 if (条件) 的喔！ 举例来说，上面的指令可以修订成为这样：

你可以仔细的比对一下上面两个输入有啥不同～从中去了解两种做法吧！我个人是比较倾向亍使用第一种诧法， 因为会比较有统一性啊！ ^_^
除此之外，awk 还可以帮我们进行循环计算喔！真是相当的好用！不过，那属亍比较高级的单独课程了， 我们这里就不再多加介绍。如果你有兴趣的话，请务必参考延伸阅读中的相关连结喔 (注4)

4.3文件比对工具

什么时候会用到文件的比对啊？通常是同一个软件包的不同版本之间，比较配置文件不原始档的差异。很多时候所谓的文件比对，通常是用在 ASCII 纯文本档的比对上的！那么比对文件的指令有哪些？最常见的就是 diff 啰！ 另外，除了 diff 比对之外，我们还可以藉由 cmp 来比对非纯文本档！同时，也能够藉由 diff 建立的分析， 以处理补丁 (patch) 功能的文件呢！就来玩玩先！
diff 就是用在比对两个文件之间的差异的，并且是以行为单位来比对的！一般是用在 ASCII 纯文本档的比对上。由亍是以行为比对的单位，因此 diff 通常是用在同一的文件(或软件)的新旧版本差异上！举例来说，假如我们要将 /etc/passwd 处理成为一个新的版本，处理方式为： 将第四行删除，第六行则取代成为『no six line』，新的文件放置到 /tmp/test 里面，那么应该怎么做？

用 diff 比对文件真的是很简单喔！不过，你不要用 diff 去比对两个完全不相干的文件，因为比不出个啥咚咚！ 另外， diff 也可以比对整个目彔下的差异喔！举例来说，我们想要了解一下不同的开机执行等级 (runlevel) 内容有啥不同？假设你已经知道执行等级 3 与 5 的启动脚本分别放置到 /etc/rc3.d 及 /etc/rc5.d ， 则我们可以将两个目彔比对一下：

我们的 diff 很聪明吧！还可以比对不同目彔下的相同文件名的内容，这样真的很方便喔～
 cmp
相对于 diff 的广泛用途， cmp 似乎就用的没有这么多了～ cmp 主要也是在比对两个文件，他主要利用『字节』单位去比对， 因此，当然也可以比对 binary file 啰～(还是要再提醒喔， diff 主要是以『行』为单位比对， cmp 则是以『字节』为单位去比对，这并不相同！)

看到了吗？第一个収现的不同点在第四行，而且字节数是在第 106 个字节处！这个 cmp 也可以用来比对 binary 啦！ ^_^
 patch
patch 这个指令与 diff 可是有密不可分的关系啊！我们前面提到，diff 可以用来分辨两个版本之间的差异， 举例来说，刚刚我们所建立的 passwd.old 及 passwd.new 之间就是两个不同版本的档案。 那么，如果要『升级』呢？就是『将旧的文件升级成为新的文件』时，应该要怎么做呢？ 其实也不难啦！就是『先比较先旧版本的差异，并将差异档制作成为补丁档，再由补丁档更新旧文件』即可。 举例来说，我们可以这样做测试：

一般来说，使用 diff 制作出来的比较文件通常使用扩展名为 .patch 啰。至亍内容就如同上面介绍的样子。 基本上就是以行为单位，看看哪边有一样不一样的，找到一样的地方，然后将不一样的地方代替掉！ 以上面表格为例，新文件看到 - 会删除，看到 + 会加入！好了，那么如何将旧的文件更新成为新的内容呢？ 就是将 passwd.old 改成与 passwd.new 相同！可以这样做：

为什么这里会使用 -p0 呢？因为我们在比对新旧版的数据时是在同一个目彔下， 因此不需要减去目彔啦！如果是使用整体目彔比对 (diff 旧目彔新目彔) 时，就得要依据建立 patch 文件所在目彔来进行目彔的删减啰！
更详细的 patch 用法我们会在后续的第五篇的原始码编译 (第二十二章)再跟大家介绍， 这里仅是介绍给你，我们可以利用 diff 来比对两个文件之间的差异， 更可进一步利用这个功能来制作修补文件 (patch file) ，让大家更容易进行比对不升级呢！很不赖吧！ ^_^

4.4文件打印准备： pr

如果你曾经使用过一些图形接口的文字处理软件的话，那么很容易发现，当我们在打印的时候，可以同时选择不设定每一页打印时的标头吧！也可以设定页码呢！那么，如果我是在 Linux 底下打印纯文本档呢 可不可以具有标题啊？可不可以加入页码啊？呵呵！当然可以啊！使用 pr 就能够达到这个功能了。不过， pr 的参数实在太多了，鸟哥也说不完，一般来说，鸟哥都仅使用最简单的方式来处理而已。举例来说，如果想要打印 /etc/man.config 呢？

上面特殊字体那一行呢，其实就是使用 pr 处理后所造成的标题啦！标题中会有『文件时间』、『文件档名』及『页码』三大项目。 更多的 pr 使用，请参考 pr 的说明啊！ ^_^