Bash 下的正则表达式（一） —— grep & egrep

正则表达式就像是一朵带刺的玫瑰。它有着强大的字符串匹配能力，佐以 bash 命令（grep\sed 等）。能够输出赏心悦目的文本。但是它是带刺的———不容易驾驭。要想达到随心所欲，还需要勤加练习。

BRE 和 ERE

IEEE Std 1003.2（POSIX.2）给出了正则表达式（REs）的定义。定义中有两种 REs ：extended REs 和 basic REs。ERE 是 BRE 的扩展。现代的 REs 一般都是基于 ERE 的

基本概念

根据 man re_format ，总结出一个容易记忆但不严谨的文法

RE --> branch
branch --> branch | piece
peice --> atom meta
meta --> * | + | ? | bound
bound --> {n, m}
atom --> (RE) | () | baracket expression | . | ^ | $ | \escape
escape -->  ^ 
          | . 
          | [ 
          | $ 
          | ( 
          | ) 
          | | 
          | * 
          | + 
          | ? 
          | { 
          | \ 
baracket --> [ a list of character]

来具体看看 grep 和 egrep 使用差异

先说说元字符。它指的是像 .、 *、 ?、 + 等有特殊含义的字符。

1、grep

• a{1,2} 匹配字串 a{1,2}
• a\{1,2\} 匹配字串 a 或 aa

元字符需要 backslash（\） ，才能表示它在正则表达式中的特殊意义。grep 的语法属于 BRE

2、egrep

• a{1,2} 匹配字串 a 或 aa
• a\{1,2\} 匹配字串 a{1,2}

这里的 e 就是 Extened 的意思

元字符不需要 backslash（\） ，就能表示它在正则表达式中的特殊意义。egrep 的语法属于 ERE

grep 和 egrep 的主要区别在于两点：

• grep 元字符需要加上 backslash（\），egrep 不需要

• 元字符的数量不同

  BRE(Unix grep)，只包含 bracket expression[]、.、*、$、^

  EBR(Unix egrep)，在支持 BRE 的基础上，还增加了诸如 \w,\d 等

几个直观的例子

1、匹配 hello 中的ll

• grep

  $ echo 'hello' | grep 'l\{2\}' --color
  

• egrep

  $ echo 'hello' | egrep '1{2}' --color
  

2、使用组和反向引用来匹配连续重复两次的字符。如，hellollooaa 中的 ll 、oo、aa

• grep

  $ echo 'hellollooaa' | grep '\([alo]\)\1' --color
  

• egrep

  echo 'hellollooaa' | egrep '([alo])\1' --color
  

这里[]表达式就是 bracket expression。

() 表示匹配的组，\1 表示匹配到的第一组

这里的意思就是，匹配第一组两次。所以只匹配 aa 、ll、oo

**egrep 和 grep ** 不支持在 [] 使用用 \w 等缩写

bash 对命令参数预先转义

bash 在执行 echo 前，会对 echo 的参数先转义。转义的后的参数，再传给 echo

$ echo \\
\
$ echo "\\"
\
$ echo '\\'
\\

bash 默认是会对参数转义的

将参数包裹在 ''中，就能避免参数被 bash 转义

来看一个有趣的例子

我们 grep 一下 echo 的输出

一开始看到这个结果（匹配部分是红色），我的内心是懵逼的

但是，套用我们前面的解释。

可以很清晰地得到结果

• \\. 由 bash 解释为 \. 传递给 grep ，grep 再将 \. 解释为 .

  ，就匹配了....

• \. 由 bash 解释为 . 传递给 grep，grep 自然就匹配了全串

其他结果也可轻易得出，不再赘述

参考

[1] POSIX Regular Express

[2] man re_format

[3] Java Pattern