初识grep及正则表达式

很多时候我们都有文本检索的需要，比如我们使用windows的时候，经常会在某个doc或txt文档中搜索自己想要的内容。而在使用linux的过程中，我们同样会遇到文本检索的场景。

在linux环境下，我们使用grep,egrep及fgrep，来实现文本检索的功能。由于grep,egrep支持使用正则表达式来表示匹配模式，使得linux环境下的文本检索功能变得非常强大。下面我们就来详细描述下何为grep，以及使用正则表达式配合grep实现文本检索的方法。

一，什么事正则表达式？

很难用比较通俗的语言来描述，暂且复制各种百科里的内容过来。

                             

如百科所说，“正则表达式使用单个字符串来描述一系列某个句法规则的字符串”，其中“单个字符串”是掌握正则表达式的关键和难点，这个内容会在第三部分中以grep为例来详细描述。

 

 

二，grep及其使用方法。

grep [OPTIONS] PATTERN[FILE...]

这是帮助文档中给出的信息，其中“PATTERN”即指上文所说的”单个字符串”，是比较难以掌握的部分，也是grep能够完成复杂搜索任务的关键因素，当然“PATTERN”也可以是简单的字符串。这部分我们仅使用简单字符串，重点介绍grep的基本用法及一些常用的“OPTIONS”。

举例1：在/etc/passwd文件中搜索包含有“root”字符串的行。

grep “root” /etc/passwd

这个就是grep最简单的用法，/etc/passwd文件中包含“root”字符串的行被打印至屏幕。此外，grep还给定了一些选项，使得我们在搜索时更为快捷。

--color：表示给搜索到的字符串添加颜色，很好用的一个功能，也比较简单，在此不做过多说明。以下的例子中我们已定义alias grep=”grep �Ccolor”。

-o：表示仅显示匹配到的内容，例一加上-o选项则会看到如下结果:

grep -o “root” /etc/passwd

-i：表示不区分大小写。

例2，在/tmp/test/目录下编写包含有ROOT,ROOt,root的文件greptest，执行

grep -i "root" /tmp/test/greptest

看到如下结果:

-v：表示不能被模式匹配到的行

 

 

 

三，使用正则表达式配合grep完成搜索任务。

由于grep支持使用正则表达式来表示“PATTERN”,使得其功能变得异常强大，下面我们就来介绍一下正则表达式配合grep搜索的一些常用方法。

正则表达式由元字符及正常字符组成，其中的元字符不表示字符本身的意义，而是用于表达控制或通配等功能；元字符是书写和理解正则表达式的关键，下面就来说说一些常见的元字符。

1，表示字符匹配的元字符

.：点号表示匹配任意单个字符，例如在/etc/passwd文件中搜索r后跟两个任意字符，然后是t的行，就可以用grep "r..t" /etc/passwd

[]：表示匹配指定范围内的任意单个字符。

[^]：表示指定范围外的任意单个字符。

在正则表达式中匹配指定范围的字符集合有以下常用表达：

[0-9]表示匹配任意单个数字，与[[:digit:]]相同。

[a-z]表示匹配任意单个小写字母。

[A-Z]表示匹配任意单个大写字母。

[a-zA-Z]:表示匹配任意单个字母，同[[:alpha:]]。

[[:punct:]]表示匹配任意标点符号。

[[:space:]]表示匹配空白字符，包括空格和制表符。

[0-9a-zA-Z]表示匹配所有的字母和数字，同[[:alnum:]]。

举例：在/etc/rc.d/rc.sysinit文件中搜索出现了n或N，且其后是非字母的行，就可以使用grep "[nN][^[:alpha:]]" /etc/rc.d/rc.sysinit来表示

在此，给出一个我在学习中犯的一个错误：搜索/etc/rc.d/rc.sysinit中出现了no或No的行。这道题的答案应该是grep “[nN]o“ /etc/rc.d/rc.sysinit而不是 grep �Ci no/etc/rc.d/rc.sysinit,

因为后一个命令匹配到的是no，No，NO这三种结果。

 

 

2，表示次数匹配的元字符

*：表示匹配其前面字符任意次。

\?：表示匹配其左侧字符0次或1次。

\+：表示匹配其左侧字符1次或多次。

\{m\}:表示精确匹配其左侧字符m次。

\{m,n\}:表示其左侧字符出现的次数在m和n之间才能被模式匹配到。

\{m,\}：表示其左侧字符至少出现m次才能被搜索到。

举例：

1）找出/etc/passwd中o连续出现两次的行

2）找出grep.test中a之后b出现了一次或两次的行。

3，位置限定。

使用正则表达式，除了能表达字符的种类和次数以外，还能指定字符出现的位置，下面介绍下，常用的锚定位置的表示方法。

^：表示锚定行首

$：表示锚定行尾。

\< :锚定词首，也可用\b

\> ：锚定词尾，也可以用\b

举例：找出/etc/passwd文件中包含fedora的行

4，分组引用\(\)

分组中的模式，在某次的具体匹配过程中所匹配到的字符，可以被grep记忆（保存于内置的变量中，这些变量是\1, \2, ...），因此，还可以被引用；

\1: 引用，模式中自左而右，由第一个左括号以及与之对应的右括号中的模式所匹配到的内容；

\2: 引用，模式中自左右，由第二个左括号以及与之对应的右括号中的模式所匹配到的内容

比如：\(ab\(cd\)mn\)\1 \2，\1表示abcdmn，而\2表示cd。

举例：找出/etc/passwd文件中以passwd开头且以passwd结尾的文件