2022-07-24 正则表达式浅尝

说好的日更，第二天就把复活卡用了。这样也好，省的惦记。本节所学正则表达式来自https://www.lanqiao.cn/courses/90

1. 正则表达式介绍

• 正则表达式（Regular Expression）是一个定义搜索模式的字符序列。Vi 中经常会使用到正则表达式，为了充分发挥 shell 编程的威力，Linux 使用者需要精通正则表达式。

[:alnum:]代表英文大小写字母及数字
[:alpha:]代表英文大小写字母
[:blank:]代表空格和 tab 键
[:cntrl:]键盘上的控制按键，如 CR,LF,TAB,DEL
[:digit:]代表数字
[:graph:]代表空白字符以外的其他
[:lower:]小写字母
[:print:]可以被打印出来的任何字符
[:punct:]代表标点符号
[:upper:]代表大写字母
[:space:]任何会产生空白的字符如空格，tab,CR 等
[:xdigit:]代表 16 进位的数字类型

2.grep 命令

• 查找特定字符串

-a ：以 text 档案的方式搜寻 binary 档案数据
-c ：计算找到 '搜寻字符串' 的次数
-i ：忽略大小写的不同，所以大小写视为相同
-n ：顺便输出行号
-v ：反向选择，亦即显示没有 '搜寻字符串' 内容的行
grep -n 'the' regular_express.txt
grep -in 'the' regular_express.txt
grep -vn 'the' regular_express.txt

[ ] 可以用来查找字符组。
grep -n 't[ae]st' regular_express.txt

[^] 为反向选择字符组，用于排除后面的字符，使用方式为 [^...]
grep -n '[^a-z]oo' regular_express.txt#不包含小写字母
grep -n '[^[:lower:]]oo' regular_express.txt

注意行首符 ^ 和反向选择 [^] 的区别，^[A-Z] 表示以大写字母开头。[^A-Z] 表示除了大写字母 A-Z 的所有字符。
 grep -n 'd$' regular_express.txt # 查找以d结尾的
grep -n '^$' regular_express.txt #查找空行

^$： 过滤掉空白行
^#： 过滤掉注释行（以 # 号开头）

任意字符. 重复字符*
*（星号）：代表重复前面 0 个或者多个字符。
e*： 表示具有空字符或者一个以上 e 字符。
ee*，表示前面的第一个 e 字符必须存在。第二个 e 则可以是 0 个或者多个 e 字符。
eee*，表示前面两个 e 字符必须存在。第三个 e 则可以是 0 个或者多个 e 字符。
ee*e ：表示前面的第一个与第三个 e 字符必须存在。第二个 e 则可以是 0 个或者多个 e 字符。

[](https://www.lanqiao.cn/questions/topics/28/)

限定连续字符范围 { }
[](https://www.lanqiao.cn/questions/topics/28/)

限定连续字符范围 { }
grep -n 'o\{2\}' regular_express.txt #查找连续的两个o字符

grep -n 'go\{2,5\}g' regular_express.txt # 查找 g 后面接 2 到 5 个 o，然后再接 g 的字符串

^word    表示待搜寻的字符串(word)在行首
word$    表示待搜寻的字符串(word)在行尾
.(小数点) 表示 1 个任意字符
\        表示转义字符，在特殊字符前加 \ 会将特殊字符意义去除
*        表示重复 0 到无穷多个前一个 RE(正则表达式)字符
[list]   表示搜索含有 l,i,s,t 任意字符的字符串
[n1-n2]  表示搜索指定的字符串范围,例如 [0-9] [a-z] [A-Z] 等
[^list]  表示反向字符串的范围,例如 [^0-9] 表示非数字字符，[^A-Z] 表示非大写字符范围
\{n,m\}  表示找出 n 到 m 个前一个 RE 字符
\{n,\}   表示 n 个以上的前一个 RE 字符

3. sed命令

sed 是非交互式的编辑器。它不会修改文件，除非使用 shell 重定向来保存结果。默认情况下，所有的输出行都会被打印到屏幕上。

sed 编辑器逐行处理文件（或输入），并将结果打印到屏幕上。

具体过程如下：首先 sed 把当前正在处理的行保存在一个临时缓存区中（也称为模式空间），然后处理临时缓冲区中的行，完成后把该行发送到屏幕上。

sed 每处理完一行就将其从临时缓冲区删除，然后将下一行读入，进行处理和显示。处理完输入文件的最后一行后，sed 便结束运行。sed 把每一行都存在临时缓冲区中，对这个副本进行编辑，所以直接使用不会修改原文件内容。
如果要修改原文件，需要添加 -i 选项。

使用a和i新增输出

nl regular_express.txt | sed '2,5c No 2-5 number' #将 2-5 行的内容替换为 No 2-5 number，c 为替换内容选项

输出 regular_express.txt 的第 5-7 行，其中 -n 为安静模式选项，我们在前面的章节中已经介绍过。

4.正则表达式扩展应用

利用支持扩展正则表达式的 egrep 与特殊字符 | 的组合功能来间隔两组字符串，如此一来，可以极大地化简指令。

在非扩展正则表达式中，我们使用 * 来表示任意个重复字符（零至无穷多个）
grep -n 'goo*d' regular_express.txt
+ 表示重复一个或一个以上的前一个字符grep -n 'goo*d' regular_express.txt
? 表示重复零个或一个的前一个字符
egrep -n 'go?d' regular_express.txt

| 表示用或（or）的方式找出数个字符串
egrep -n 'gd|good' regular_express.txt
() 表示找出组字符串
egrep -n 'g(la|oo)d' regular_express.txt

()+ 多个重复群组判别