grep：字符串查找

引自： http://hi.baidu.com/hzslqt/blog/item/dbd0ea4e5145f819b3de05d6.html

1. grep简介

    grep （global search regular expression(RE) and print out the line,全面搜索正则表达式并把行打印出来）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。Unix的grep家族包括grep、egrep和fgrep。egrep和fgrep的命令只跟grep有很小不同。egrep是grep的扩展，支持更多的re元字符， fgrep就是fixed grep或fast grep，它们把所有的字母都看作单词，也就是说，正则表达式中的元字符表示回其自身的字面意义，不再特殊。linux使用GNU版本的grep。它功能更强，可以通过-G、-E、-F命令行选项来使用egrep和fgrep的功能。

    grep的工作方式是这样的，它在一个或多个文件中搜索字符串模板。如果模板包括空格，则必须被引用，模板后的所有字符串被看作文件名。搜索的结果被送到屏幕，不影响原文件内容。

    grep可用于shell脚本，因为grep通过返回一个状态值来说明搜索的状态，如果模板搜索成功，则返回0，如果搜索不成功，则返回1，如果搜索的文件不存在，则返回2。我们利用这些返回值就可进行一些自动化的文本处理工作。

2. grep正则表达式元字符集（基本集）

^        ：锚定 行的开始 如：'^grep'匹配所有 以grep开头的行。

$        ：锚定 行的结束 如：'grep$'匹配所有 以grep结尾的行。

.        ：匹配 一个非换行符的字符 如：'gr.p'匹配gr后接一个任意字符，然后是p。

*        ：匹配零个或多个先前字符 如：'*grep'匹配所有一个或多个空格后紧跟grep的行。 .*一起用代表任意字符。

[]       ：匹配一个指定范围内的字符，如'[Gg]rep'匹配Grep和grep。

[^]      ：匹配一个不在指定范围内的字符，如：'[^A-FH-Z]rep'匹配不包含A-R和T-Z的一个字母开头，紧跟rep的行。

\(..\) ：标记匹配字符，如'\(love\)'，love被标记为1。

\<      ：锚定单词的开始，如:'\<grep'匹配包含以grep开头的单词的行。

\>       ：锚定单词的结束，如'grep\>'匹配包含以grep结尾的单词的行。

x\{m\}   ：重复字符x，m次，如：'o\{5\}'匹配包含5个o的行。

x\{m,\} ：重复字符x,至少m次，如：'o\{5,\}'匹配至少有5个o的行。

x\{m,n\} ：重复字符x，至少m次，不多于n次，如：'o\{5,10\}'匹配5-10个o的行。

\w       ：匹配文字和数字字符，也就是[A-Za-z0-9]，如：'G\w*p'匹配以G后跟零个或多个文字或数字字符，然后是p。

\W       ：\w的反置形式，匹配一个或多个非单词字符，如点号句号等。

\b       ：单词锁定符，如: '\bgrepb\'只匹配grep。

3. 用于egrep和 grep -E的元字符扩展集

+        ：匹配一个或多个先前的字符。如：'[a-z]+able'，匹配一个或多个小写字母后跟able的串，如loveable,enable,disable等。

?        ：匹配零个或多个先前的字符。如：'gr?p'匹配gr后跟一个或没有字符，然后是p的行。

a|b|c    ：匹配a或b或c。如：grep|sed匹配grep或sed

()       ：分组符号，如：love(able|rs)ov+匹配loveable或lovers，匹配一个或多个ov。

x{m},x{m,},x{m,n} ：作用同x\{m\},x\{m,\},x\{m,n\}

4. POSIX字符类

    为了在不同国家的字符编码中保持一至，POSIX(The Portable Operating System Interface)增加了特殊的字符类，如[:alnum:]是A-Za-z0-9的另一个写法。要把它们放到[]号内才能成为正则表达式，如[A- Za-z0-9]或[[:alnum:]]。在linux下的grep除fgrep外，都支持POSIX的字符类。

[:alnum:] ：文字数字字符

[:alpha:] ：文字字符

[:digit:] ：数字字符

[:graph:] ：非空字符（非空格、控制字符）

[:lower:] ：小写字符

[:cntrl:] ：控制字符

[:print:] ：非空字符（包括空格）

[:punct:] ：标点符号

[:space:] ：所有空白字符（新行，空格，制表符）

[:upper:] ：大写字符

[:xdigit:] ：十六进制数字（0-9，a-f，A-F）

5. Grep命令选项

   -a或--text    不要忽略二进制的数据。
   -A   <显示列数>或--after-context=<显示列数>    除了显示符合范本样式的那一列之外，并显示该列之后的内容。
   -b或--byte-offset    在显示符合范本样式的那一列之前，标示出该列第一个字符的位编号。
   -B<显示列数>或--before-context=<显示列数>    除了显示符合范本样式的那一列之外，并显示该列之前的内容。
   -c或--count    计算符合范本样式的列数。
   -C<显示列数>或--context=<显示列数>或-<显示列数>    除了显示符合范本样式的那一列之外，并显示该列之前后的内容。
   -d <进行动作>或--directories=<进行动作>    当指定要查找的是目录而非文件时，必须使用这项参数，否则grep指令将回报信息并停止动作。
   -e<范本样式>或--regexp=<范本样式>    指定字符串做为查找文件内容的范本样式。
   -E或--extended-regexp    将范本样式为延伸的普通表示法来使用。
   -f<范本文件>或--file=<范本文件>    指定范本文件，其内容含有一个或多个范本样式，让grep查找符合范本条件的文件内容，格式为每列一个范本样式。
   -F或--fixed-regexp    将范本样式视为固定字符串的列表。
   -G或--basic-regexp    将范本样式视为普通的表示法来使用。
   -h或--no-filename    在显示符合范本样式的那一列之前，不标示该列所属的文件名称。
   -H或--with-filename    在显示符合范本样式的那一列之前，表示该列所属的文件名称。
   -i或--ignore-case    忽略字符大小写的差别。
   -l或--file-with-matches    列出文件内容符合指定的范本样式的文件名称。
   -L或--files-without-match    列出文件内容不符合指定的范本样式的文件名称。
   - n或--line-number    在显示符合范本样式的那一列之前，标示出该列的列数编号。
   -q或--quiet或--silent    不显示任何信息。
   -r或--recursive    此参数的效果和指定“-d recurse”参数相同。
   -s或--no-messages    不显示错误信息。
   -v或--revert-match    反转查找。
   -V或--version    显示版本信息。
   -w或--word-regexp    只显示全字符合的列。
   -x或--line-regexp    只显示全列符合的列。
   -y    此参数的效果和指定“-i”参数相同。
   --help    在线帮助。

6. 实例

    要用好grep这个工具，其实就是要写好正则表达式，下面列几个例子，讲解正则表达式的写法。

$ ls -l | grep '^a'
    通过管道过滤ls -l输出的内容，只显示以a开头的行。
$ grep 'test' d*
    显示所有以d开头的文件中包含test的行。
$ grep 'test' aa bb cc
    显示在aa，bb，cc文件中匹配test的行。
$ grep '[a-z]\{5\}' aa
    显示所有包含每个字符串至少有5个连续小写字符的字符串的行。
$ grep 'w\(es\)t.*\1' aa
    如果west被匹配，则es就被存储到内存中，并标记为1，然后搜索任意个字符（.*），这些字符后面紧跟着另外一个es（\1），找到就显示该行。如果用egrep或grep -E，就不用"\"号进行转义，直接写成'w(es)t.*\1'就可以了。

    再讲解一个具体应用的例子。
    查询所有位于当前目录下的.cs文件中的Main，通过grep，可以轻松快速地完成这项任务，命令如下：

grep ‘Main’ *.cs
输出结果为：
ChineseDemo.cs: public static void Main()
RegDemo1.cs: static void Main(string[] args)
RegDemo2.cs:   public static void Main()
RegDemo3.cs: public static void Main()

    可见，通过grep真的可以找到相关目录中符合条件的所有文件，并能打印出查询到的字符串所位于的那行内容。如果只想确定哪些文件含有Main，而不需打印相应行的内容，那么可以使用以下命令：?

grep –l ‘Main’ *.cs
输出结果为：
ChineseDemo.cs
RegDemo1.cs
RegDemo2.cs
RegDemo3.cs

只有相应的文件名称被显示。

    在找到了含有Main字符串的几个文件后，如果想粗略地查看某一具体文件的里源代码的相关信息，比如查看RegDemo1.cs文件中含有Main这一行的前后三行，相关的命令如下：

grep –C 3 ‘Main’ RegDemo1.cs

输出结果为：
class GroupingApp
{
   static void Main(string[] args)
    {
       Reg7();
}

输出结果完全符合需求，static void Main(string[] args)这一行前后三行范围内的所有代码被全部打印出来（第一行是空行）。

    以上的查询字符串没有对查找结果是否为一个完整的单词进行限制，也就是说TheMain和Main_Func都会被认定为查询目标。如果想限定该查询字符串为一个完整单词，那么可以使用\w参数，相关命令如下：

grep –w ‘Main’ *.cs

结果为：
ChineseDemo.cs: public static void Main()
RegDemo1.cs: static void Main(string[] args)
RegDemo2.cs: public static void Main()
RegDemo3.cs: public static void Main()