鸟哥的 Linux私房菜

http://linux.vbird.org/linux_basic/0330regularex.php#sed

第十二章、正规表示法与文件格式化处理

切换解析度为800x600

最近更新日期：2009/08/26

正规表示法(Regular Expression, RE,或称为常规表示法)是透过一些特殊字元的排列，用以『搜寻/取代/删除』一列或多列文字字串，简单的说，正规表示法就是用在字串的处理上面的一项『表示式』。正规表示法并不是一个工具程式，而是一个字串处理的标准依据，如果您想要以正规表示法的方式处理字串，就得要使用支援正规表示法的工具程式才行，这类的工具程式很多，例如vi, sed, awk等等。 正规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，管理员可以透过正规表示法的功能来将重要讯息撷取出来，并产生便于查阅的报表来简化管理流程。此外，很多的套装软体也都支援正规表示法的分析，例如邮件伺服器的过滤机制(过滤垃圾信件)就是很重要的一个例子。所以，您最好要了解正规表示法的相关技能，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规表示法来达成其『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规表示法的意义！

1. 前言：什么是正规表示法
　　1.1 什么是正规表示法
　　1.2 正规表示法对于系统管理员的用途
　　1.3 正规表示法的广泛用途
　　1.4 正规表示法与Shell在Linux当中的角色定位
　　1.5 延伸的正规表示法
2. 基础正规表示法
　　2.1 语系对正规表示法的影响
　　2.2 grep的一些进阶选项
　　2.3 基础正规表示法练习
　　2.4 基础正规表示法字符汇整(characters)
　　2.5 sed工具： 行的新增/删除 , 行的取代/显示 , 搜寻并取代 , 直接改档
3. 延伸正规表示法
4. 文件的格式化与相关处理
　　4.1 printf：格式化列印
　　4.2 awk：好用的资料处理工具
　　4.3 档案比对工具： , diff , cmp , patch
　　4.4 档案列印准备工具： pr
5. 重点回顾
6. 本章习题
7. 参考资料与延伸阅读
8. 针对本文的建议：http://phorum.vbird.org/viewtopic.php?t =23885

前言：什么是正规表示法

约略了解了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观念，那就是所谓的『正规表示法(Regular Expression)』啰！

什么是正规表示法

任何一个有经验的系统管理员，都会告诉你：『正规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作文书处理或程式撰写时使用到的『搜寻/取代』等等的功能，这些举动要作的漂亮，就得要配合正规表示法来处理啰！

简单的说，正规表示法就是处理字串的方法，他是以行为单位来进行字串的处理行为， 正规表示法透过一些特殊符号的辅助，可以让使用者轻​​易的达到『搜寻/删除/取代』某特定字串的处理程序！

举例来说，我只想找到VBird(前面两个大写字元) 或Vbird(仅有一个大写字元) 这个字样，但是不要其他的字串(例如VBIRD, vbird 等不需要)，该如何办理？如果在没有正规表示法的环境中(例如MS word)，你或许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 等等的不需要的字串而造成困扰。

再举个系统常见的例子好了，假设妳发现系统在开机的时候，老是会出现一个关于mail 程式的错误， 而开机过程的相关程序都是在/etc/init.d/ 底下，也就是说，在该目录底下的某个档案内具有mail 这个关键字，你想要将该档案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字的档案？你当然可以一个档案一个档案的开启，然后去搜寻mail 这个关键字，只是.....该目录底下的档案可能不止100 个说～ 如果了解正规表示法的相关技巧，那么只要一行指令就找出来啦：『grep 'mail' /etc/init.d/*』 那个grep 就是支援正规表示法的工具程式之一！如何～很简单吧！

谈到这里就得要进一步说明了，正规表示法基本上是一种『表示法』，只要工具程式支援这种表示法，那么该工具程式就可以用来作为正规表示法的字串处理之用。 例如vi, grep, awk ,sed等等工具，因为她们有支援正规表示法，所以，这些工具就可以使用正规表示法的特殊字元来进行字串的处理。但例如cp, ls等指令并未支援正规表示法，所以就只能使用bash自己本身的万用字元而已。

正规表示法对于系统管理员的用途

那么为何我需要学习正规表示法呢？对于一般使用者来说，由于使用到正规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，正规表示法则是一个『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，每天产生的讯息资讯会多到你无法想像的地步，而我们也都知道，系统的『错误讯息登录档案(第十九章)』的内容记载了系统产生的所有讯息，当然，这包含你的系统是否被『入侵』的记录资料。

但是系统的资料量太大了，要身为系统管理员的你每天去看这么多的讯息资料， 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『正规表示法』的功能，将这些登录的资讯进行处理， 仅取出『有问题』的资讯来进行分析，哈哈！如此一来，你的系统管理工作将会『快乐得不得了』啊！当然，正规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！

正规表示法的广泛用途

正规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，由于正规表示法强大的字串处理能力， 目前一堆软体都支援正规表示法呢！最常见的就是『邮件伺服器』啦！

如果你留意网际网路上的消息，那么应该不难发现，目前造成网路大塞车的主因之一就是『垃圾/广告信件』了， 而如果我们可以在伺服器端，就将这些问题邮件剔除的话，用户端就会减少很多不必要的频宽耗损了。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？就使用正规表示法啊！目前两大邮件伺服器软体sendmail 与postfix 以及支援邮件伺服器的相关分析软体，都支援正规表示法的比对功能！

当然还不止于此啦，很多的伺服器软体都支援正规表示法呢！当然， 虽然各家软体都支援他，不过，这些『字串』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用户端的需求， 正规表示法实在是很需要也很值得学习的一项工具呢！

正规表示法与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、但是粉难的东西是一定要『背』的， 那就是九九乘法表，背成功了之后，未来在数学应用的路途上，真是一帆风顺啊！这个九九乘法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！但他却是基础当中的基础！你现在一定受惠相当的多呢^_^！

而我们谈到的这个正规表示法，与前一章的BASH 就有点像是数学的九九乘法表一样，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的学武难关：任督二脉！打通任督二脉之后，武功立刻成倍成长！所以啦，不论是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！^_^

延伸的正规表示法

唔！正规表示法还有分喔？没错喔！正规表示法的字串表示方式依照不同的严谨度而分为：基础正规表示法与延伸正规表示法。延伸型正规表示法除了简单的一组字串处理之外，还可以作群组的字串处理，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，此时就需要延伸正规表示法的帮助啦！藉由特殊的『 ( 』与『 | 』等字元的协助，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规表示法而已啦！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：『正规表示法与万用字元是完全不一样的东西！』这很重要喔！因为『万用字元(wildcard)代表的是bash操作介面的一个功能』，但正规表示法则是一种字串处理的表示方式！这两者要分的很清楚才行喔！所以，学习本章，请将前一章bash的万用字元意义先忘掉吧！ 老实说，鸟哥以前刚接触正规表示法时，老想着要将这两者归纳在一起，结果就是...错误认知一大堆～所以才会建议您学习本章先忘记万用字元再来学习吧！

基础正规表示法

既然正规表示法是处理字串的一种表示方式，那么对字元排序有影响的语系资料就会对正规表示法的结果有影响！此外，正规表示法也需要支援工具程式来辅助才行！所以，我们这里就先介绍一个最简单的字串撷取功能的工具程式，那就是grep 啰！前一章已经介绍过grep 的相关选项与参数，本章著重在较进阶的grep 选项说明啰！介绍完grep 的功能之后，就进入正规表示法的特殊字符的处理能力了。

语系对正规表示法的影响

为什么语系的资料会影响到正规表示法的输出结果呢？我们在第零章计算机概论的文字编码系统里面谈到，档案其实记录的仅有0与1，我们看到的字元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资料并不相同，所以就会造成资料撷取结果的差异了。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 ... ABCD ... Z abcd ...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语系明显就是不一样！如果你想要撷取大写字元而使用[AZ]时，会发现LANG=C确实可以仅捉到大写字元(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bz也会被撷取出来！因为就编码的顺序来看， big5语系可以撷取到『 A b B c C ... z Z 』这一堆字元哩！所以，使用正规表示法时，需要特别留意当时环境的语系为何，否则可能会发现与别人不相同的撷取结果喔！

由于一般我们在练习正规表示法时，使用的是相容 ​​于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 』这个语系资料来进行的喔！另外，为了要避免这样编码所造成的英文与数字的撷取问题，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 )

特殊符号	代表意义
[:alnum:]	代表英文大小写字元及数字，亦即0-9, AZ, az
[:alpha:]	代表任何英文大小写字元，亦即AZ, az
[:blank:]	代表空白键与[Tab] 按键两者
[:cntrl:]	代表键盘上面的控制按键，亦即包括CR, LF, Tab, Del.. 等等
[:digit:]	代表数字而已，亦即0-9
[:graph:]	除了空白字元(空白键与[Tab] 按键) 外的其他所有按键
[:lower:]	代表小写字元，亦即az
[:print:]	代表任何可以被列印出来的字元
[:punct:]	代表标点符号(punctuation symbol)，亦即：" ' ? ! ; : # $...
[:upper:]	代表大写字元，亦即AZ
[:space:]	任何会产生空白的字元，包括空白键, [Tab], CR 等等
[:xdigit:]	代表16 进位的数字类型，因此包括： 0-9, AF, af 的数字与字元

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az或AZ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！

grep 的一些进阶选项

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还有不少的进阶用法喔！底下我们仅列出较进阶的grep选项与参数给大家参考， 基础的grep用法请参考前一章的说明啰！

[root@www ~]# grep [-A] [-B] [--color=auto] '搜寻字串' filename 选项与参数： -A ：后面可加数字，为after 的意思，除了列出该行外，后续的n 行也列出来； -B ：后面可加数字，为befer 的意思，除了列出该行外，前面的n 行也列出来； --color=auto 可将正确的那个撷取资料列出颜色 范例一：用dmesg列出核心讯息，再以grep找出内含eth那行 [root@www ~]# dmesg | grep 'eth' eth0: RealTek RTL8139 at 0xee846000, 00:90:cc:a6:34:84, IRQ 10 eth0: Identified 8139 chip type 'RTL-8139C' eth0: link up, 100Mbps, full-duplex, lpa 0xC5E1 eth0: no IPv6 routers present # dmesg 可列出核心产生的讯息！透过grep 来撷取网路卡相关资讯(eth) ， # 就可发现如上资讯。不过没有行号与特殊颜色显示！看看下个范例吧！ 范例二：承上题，要将捉到的关键字显色，且加上行号来表示： [root@www ~]# dmesg | grep -n --color=auto 'eth' 247: eth 0: RealTek RTL8139 at 0xee846000, 00:90:cc:a6:34:84, IRQ 10 248: eth 0: Identified 8139 chip type 'RTL-8139C' 294: eth 0: link up, 100Mbps, full-duplex, lpa 0xC5E1 305: eth 0: no IPv6 routers present #你会发现除了eth会有特殊颜色来表示之外，最前面还有行号喔！ 范例三：承上题，在关键字所在行的前两行与后三行也一起捉出来显示 [root@www ~]# dmesg | grep -n -A3 -B2 --color=auto 'eth' 245-PCI: setting IRQ 10 as level-triggered 246-ACPI: PCI Interrupt 0000:00:0e.0[A] -> Link [LNKB] ... 247: eth 0: RealTek RTL8139 at 0xee846000, 00:90:cc:a6:34:84, IRQ 10 248: eth 0: Identified 8139 chip type 'RTL-8139C' 249-input: PC Speaker as /class/input/input2 250-ACPI: PCI Interrupt 0000:00:01.4[B] -> Link [LNKB] ... 251-hdb: ATAPI 48X DVD-ROM ​​DVD-R-RAM CD-R/RW ​​drive, 2048kB Cache, UDMA(66) # 如上所示，你会发现关键字247 所在的前两行及248 后三行也都被显示出来！ # 这样可以让你将关键字前后资料捉出来进行分析啦！

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串资料的比对，然后将符合使用者需求的字串列印出来。需要说明的是『grep在资料中查寻一个字串时，是以"整行"为单位来进行资料的撷取的！』也就是说，假如一个档案内有10行，其中有两行具有你所搜寻的字串，则将那两行显示在萤幕上，其他的就丢弃了！

在关键字的显示方面，grep可以使用--color=auto来将关键字部分使用颜色显示。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 』来立即生效即可喔！这样每次执行grep他都会自动帮你加上颜色显示啦！

基础正规表示法练习

要了解正规表示法最简单的方法就是由实际练习去感受啦！所以在汇整正规表示法特殊符号前， 我们先以底下这个档案的内容来进行正规表示法的理解吧！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 』

至于本章的练习用档案请由底下的连结来下载。需要特别注意的是，底下这个档案是鸟哥在MS Windows 系统下编辑的， 并且已经特殊处理过，因此，他虽然是纯文字档，但是内含一些Windows 系统下的软体常常自行加入的一些特殊字元，例如断行字元(^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 这个档案， 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捉取即可：

wget http://linux.vbird.org/linux_basic/0330regularex/regular_express.txt

至于这个档案的内容如下：

[root@www ~]# vi regular_express.txt "Open Source" is a good mechanism to develop programs. apple is my favorite food. Football game is not use feet only. this dress doesn't fit me. However, this dress is about $ 3183 dollars.^M GNU is free air not free beer.^M Her hair is very beauty.^M I can't finish the test.^M Oh! The soup taste good.^M motorcycle is cheap than car. This window is clear. the symbol '*' is represented as start. Oh! My god! The gd software is a library for drafting programs.^M You are the best is mean you are the no. 1. The world <Happy> is the same with "glad". I like dog. google is the best tools for search keyword. goooooogle yes! go! go! Let's go. # I am VBird

这档案共有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、搜寻特定字串

搜寻特定字串很简单吧？假设我们要从刚刚的档案当中取得the 这个特定字串，最简单的方式就是这样：

[root@www ~]# grep -n 'the' regular_express.txt 8:I can't finish the test. 12: the symbol '*' is represented as start. 15:You are the best is mean you are the no. 1. 16:The world <Happy> is the same with "glad". 18:google is the best tools for search keyword.

那如果想要『反向选择』呢？也就是说，当该行没有'the'这个字串时才显示在萤幕上，那就直接使用：

[root@www ~]# grep -vn 'the' regular_express.txt

你会发现，萤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 这个字串，则：

[root@www ~]# grep -in 'the' regular_express.txt 8:I can't finish the test. 9:Oh! The soup taste good. 12: the symbol '*' is represented as start. 14: The gd software is a library for drafting programs. 15:You are the best is mean you are the no. 1. 16: The world <Happy> is the same with "glad". 18:google is the best tools for search keyword.

除了多两行(9, 14行) 之外，第16 行也多了一个The 的关键字被撷取到喔！

• 例题二、利用中括号[] 来搜寻集合字元

如果我想要搜寻test 或taste 这两个单字时，可以发现到，其实她们有共通的't?st' 存在～这个时候，我可以这样来搜寻：

[root@www ~]# grep -n 't[ae]st' regular_express.txt 8:I can't finish the test . 9:Oh! The soup tast e good.

了解了吧？其实[]里面不论有几个字元，他都谨代表某『一个』字元，所以，上面的例子说明了，我需要的字串是『tast』或『test』两个字串而已！而如果想要搜寻到有oo的字元时，则使用：

[root@www ~]# grep -n 'oo' regular_express.txt 1:"Open Source" is ag oo d mechanism to develop programs. 2:apple is my favorite f oo d. 3:F oo tball game is not use feet only. 9:Oh! The soup taste g oo d. 18:g oo gle is the best t oo ls for search keyword. 19:g oooooo gle yes!

但是，如果我不想要oo 前面有g 的话呢？此时，可以利用在集合字元的反向选择[^] 来达成：

[root@www ~]# grep -n '[^g]oo' regular_express.txt 2:apple is my favorite foo d. 3: Foo tball game is not use feet only. 18:google is the best too ls for search keyword. 19:g oooooo gle yes!

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，妳会发现，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 均可被接受！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，假设我oo 前面不想要有小写字元，所以，我可以这样写[^abcd....z]oo ， 但是这样似乎不怎么方便，由于小写字元的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：

[root@www ~]# grep -n '[^az]oo' regular_express.txt 3: Foo tball game is not use feet only.

也就是说，当我们在一组集合字元中，如果该字元组是连续的，例如大写英文/小写英文/数字等等， 就可以使用[az],[AZ],[0-9]等方式来书写，那么如果我们的要求字串是数字与英文呢？呵呵！就将他全部写在一起，变成：[a-zA-Z0-9]。例如，我们要取得有数字的那一行，就这样：

[root@www ~]# grep -n '[0-9]' regular_express.txt 5:However, this dress is about $ 3183 dollars. 15:You are the best is mean you are the no. 1 .

但由于考虑到语系对于编码顺序的影响，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：

[root@www ~]# grep -n '[^[:lower:]]oo' regular_express.txt #那个[:lower:]代表的就是az的意思！请参考前两小节的说明表格 [root@www ~]# grep -n '[[:digit:]]' regular_express.txt

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字有了解了吗？^_^！

• 例题三、行首与行尾字元^ $

我们在例题一当中，可以查询到一行字串里面有the 的，那如果我想要让the 只在行首列出呢？这个时候就得要使用定位字元了！我们可以这样做：

[root@www ~]# grep -n '^the' regular_express.txt 12: the symbol '*' is represented as start.

此时，就只剩下第12 行，因为只有第12 行的行首是the 开头啊～此外， 如果我想要开头是小写字元的那一行就列出呢？可以这样：

[root@www ~]# grep -n '^[az]' regular_express.txt 2: apple is my favorite food. 4: this dress doesn't fit me. 10: motorcycle is cheap than car. 12: the symbol '*' is represented as start. 18: google is the best tools for search keyword. 19: goooooogle yes! 20: go ! go! Let's go.

你可以发现我们可以捉到第一个字元都不是大写的！只不过grep 列出的关键字部分不只有第一个字元， 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取代的：

[root@www ~]# grep -n '^[[:lower:]]' regular_express.txt

好！那如果我不想要开头是英文字母，则可以是这样：

[root@www ~]# grep -n '^[^a-zA-Z]' regular_express.txt 1: " Open Source" is a good mechanism to develop programs. 21: # I am VBird #指令也可以是： grep -n '^[^[:alpha:]]' regular_express.txt

注意到了吧？那个^符号，在字元集合符号(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：

[root@www ~]# grep -n '\.$' regular_express.txt 1:"Open Source" is a good mechanism to develop programs . 2:apple is my favorite food . 3:Football game is not use feet only . 4:this dress doesn't fit me . 10:motorcycle is cheap than car . 11:This window is clear . 12:the symbol '*' is represented as start . 15:You are the best is mean you are the no. 1 . 16:The world <Happy> is the same with "glad" . 17:I like dog . 18:google is the best tools for search keyword . 20:go! go! Let's go .

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元(\)来加以解除其特殊意义！不过，你或许会觉得奇怪，但是第5~9 行最后面也是. 啊～怎么无法列印出来？这里就牵涉到Windows 平台的软体对于断行字元的判断问题了！我们使用cat -A 将第五行拿出来看， 你会发现：

[root@www ~]# cat -An regular_express.txt | head -n 10 | tail -n 6 5 However, this dress is about $ 3183 dollars. ^M $ 6 GNU is free air not free beer. ^M $ 7 Her hair is very beauty. ^M $ 8 I can't finish the test. ^M $ 9 Oh! The soup taste good. ^M $ 10 motorcycle is cheap than car.$

我们在第十章内谈到过断行字元在Linux与Windows上的差异，在上面的表格中我们可以发现5~9行为Windows的断行字元(^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$之前喔！也就捉不到5~9行了！这样可以了解^与$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资料，该如何搜寻？

[root@www ~]# grep -n '^$' regular_express.txt 22:

因为只有行首跟行尾(^$)，所以，这样就可以找出空白行啦！再来，假设你已经知道在一个程式脚本(shell script) 或者是设定档当中，空白行与开头为# 的那一行是注解，因此如果你要将资料列出给别人参考时， 可以将这些资料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 这个档案来作范例，你可以自行参考一下输出的结果：

[root@www ~]# cat -n /etc/syslog.conf #在CentOS中，结果可以发现有33行的输出，很多空白行与#开头 [root@www ~]# grep -v '^$' /etc/syslog.conf | grep -v '^#' #结果仅有10行，其中第一个『 -v '^$' 』代表『不要空白行』， # 第二个『 -v '^#' 』代表『不要开头是# 的那行』喔！

是否节省很多版面啊？

• 例题四、任意一个字元. 与重复字元 *

在第十一章bash当中，我们知道万用字元*可以用来代表任意(0或多个)字元，但是正规表示法并不是万用字元，两者之间是不相同的！至于正规表示法当中的『 . 』则代表『绝对有一个任意字元』的意思！这两个符号在正规表示法的意义如下：

• . (小数点)：代表『一定有一个任意字元』的意思；
• * (星星号)：代表『重复前一个字元， 0 到无穷多次』的意思，为组合形态

这样讲不好懂，我们直接做个练习吧！假设我需要找出g??d 的字串，亦即共有四个字元， 起头是g 而结束是d ，我可以这样做：

[root@www ~]# grep -n 'g..d' regular_express.txt 1:"Open Source" is a good mechanism to develop programs. 9:Oh! The soup taste good . 16:The world <Happy> is the same with " glad ".

因为强调g 与d 之间一定要存在两个字元，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 等等的资料， 也就是说，至少要有两个(含) 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：『拥有空字元或一个o以上的字元』，特别注意，因为允许空字元(就是有没有字元都可以的意思)，因此，『 grep -n 'o*' regular_express.txt』将会把所有的资料都列印出来萤幕上！

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，凡是含有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 以上的字串』时，就需要ooo* ，亦即是：

[root@www ~]# grep -n 'ooo*' regular_express.txt 1:"Open Source" is ag oo d mechanism to develop programs. 2:apple is my favorite f oo d. 3:F oo tball game is not use feet only. 9:Oh! The soup taste g oo d. 18:g oo gle is the best t oo ls for search keyword. 19:g oooooo gle yes!

这样理解* 的意义了吗？好了，现在出个练习，如果我想要字串开头与结尾都是g，但是两个g 之间仅能存在至少一个o ，亦即是gog, goog, gooog.... 等等，那该如何？

[root@www ~]# grep -n 'goo*g' regular_express.txt 18: goog le is the best tools for search keyword. 19: goooooog le yes!

如此了解了吗？再来一题，如果我想要找出g 开头与g 结尾的字串，当中的字元可有可无，那该如何是好？是『g*g』吗？

[root@www ~]# grep -n 'g*g' regular_express.txt 1:"Open Source" is a g ood mechanism to develop pro g rams. 3:Football g ame is not use feet only. 9:Oh! The soup taste g ood. 13:Oh! My g od! 14:The g d software is a library for draftin g pro g rams. 16:The world <Happy> is the same with " g lad". 17:I like do g . 18: g oo g le is the best tools for search keyword. 19: g oooooo g le yes! 20: g o! g o! Let's g o.

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『空字元或一个以上的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！就利用任意一个字元『.』啊！亦即是：『g.*g』的作法，因为*可以是0或多个重复前面的字符，而.是任意字元，所以： 『.*就代表零个或多个任意字元』的意思啦！

[root@www ~]# grep -n 'g.*g' regular_express.txt 1:"Open Source" is a good mechanism to develop prog rams. 14:The gd software is a library for drafting prog rams. 18: goog le is the best tools for search keyword. 19: goooooog le yes! 20: go! go! Let's g o.

因为是代表g 开头与g 结尾，中间任意字元均可接受，所以，第1, 14, 20 行是可接受的喔！这个.* 的RE 表示任意字元是很常见的，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：

[root@www ~]# grep -n '[0-9][0-9]*' regular_express.txt 5:However, this dress is about $ 3183 dollars. 15:You are the best is mean you are the no. 1 .

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元，那如果我想要限制一个范围区间内的重复字元数呢？举例来说，我想要找出两个到五个o的连续字串，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。 至于{}的语法是这样的，假设我要找到两个o的字串，可以是：

[root@www ~]# grep -n 'o\{2\}' regular_express.txt 1:"Open Source" is ag oo d mechanism to develop programs. 2:apple is my favorite f oo d. 3:F oo tball game is not use feet only. 9:Oh! The soup taste g oo d. 18:g oo gle is the best t oo ls for search keyword. 19:g oooooo gle yes!

这样看似乎与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 的字串，他会是这样：

[root@www ~]# grep -n 'go\{2,5\}g' regular_express.txt 18: goog le is the best tools for search keyword.

嗯！很好！第19 行终于没有被取用了(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：

[root@www ~]# grep -n 'go\{2,\}g' ​​regular_express.txt 18: goog le is the best tools for search keyword. 19: goooooog le yes!

呵呵！就可以找出来啦～

基础正规表示法字符汇整 (characters)

经过了上面的几个简单的范例，我们可以将基础的正规表示法特殊字符汇整如下：

RE 字符	意义与范例
^word	意义：待搜寻的字串(word)在行首！ 范例：搜寻行首为#开始的那一行，并列出行号 grep -n '^#' regular_express.txt
word$	意义：待搜寻的字串(word)在行尾！ 范例：将行尾为!的那一行列印出来，并列出行号 grep -n '!$' regular_express.txt
.	意义：代表『一定有一个任意字元』的字符！ 范例：搜寻的字串可以是(eve) (eae) (eee) (ee)，但不能仅有(ee) ！亦即e与e中间『一定』仅有一个字元，而空白字元也是字元！ grep -n 'ee' regular_express.txt
\	意义：跳脱字符，将特殊符号的特殊意义去除！ 范例：搜寻含有单引号'的那一行！ grep -n \' regular_express.txt
*	意义：重复零个到无穷多个的前一个RE字符 范例：找出含有(es) (ess) (esss)等等的字串，注意，因为*可以是0个，所以es也是符合带搜寻字串。另外，因为*为重复『前一个RE字符』的符号，因此，在*之前必须要紧接着一个RE字符喔！例如任意字元则为『.*』 ！ grep -n 'ess*' regular_express.txt
[list]	意义：字元集合的RE字符，里面列出想要撷取的字元！ 范例：搜寻含有(gl)或(gd)的那一行，需要特别留意的是，在[]当中『谨代表一个待搜寻的字元』，例如『 a[afl]y 』代表搜寻的字串可以是aay, afy, aly即[afl]代表a或f或l的意思！ grep -n 'g[ld]' regular_express.txt
[n1-n2]	意义：字元集合的RE字符，里面列出想要撷取的字元范围！ 范例：搜寻含有任意数字的那一行！需特别留意，在字元集合[]中的减号-是有特殊意义的，他代表两个字元之间的所有连续字元！但这个连续与否与ASCII编码有关，因此，你的编码需要设定正确(在bash当中，需要确定LANG与LANGUAGE的变数是否正确！)例如所有大写字元则为[AZ] grep -n '[AZ]' regular_express.txt
[^list]	意义：字元集合的RE字符，里面列出不要的字串或范围！ 范例：搜寻的字串可以是(oog) (ood)但不能是(oot) ，那个^在[]内时，代表的意义是『反向选择』的意思。例如，我不要大写字元，则为[^AZ]。但是，需要特别注意的是，如果以grep -n [^AZ] regular_express.txt来搜寻，却发现该档案内的所有行都被列出，为什么？因为这个[^AZ]是『非大写字元』的意思，因为每一行均有非大写字元，例如第一行的"Open Source"就有p,e,n,o....等等的小写字 grep -n 'oo[^t]' regular_express.txt
\{n,m\}	意义：连续n到m个的『前一个RE字符』 意义：若为\{n\}则是连续n个的前一个RE字符， 意义：若是\{n,\}则是连续n个以上的前一个RE字符！ 范例：在g与g之间有2个到3个的o存在的字串，亦即(goog)(gooog) grep -n 'go\{2,3\}g' regular_express.txt

再次强调：『正规表示法的特殊字元』与一般在指令列输入指令的『万用字元』并不相同，例如，在万用字元当中的*代表的是『 0 ~无限多个字元』的意思，但是在正规表示法当中， *则是『重复0到无穷多个的前一个RE字符』的意思～使用的意义并不相同，不要搞混了！

举例来说，不支援正规表示法的ls 这个工具中，若我们使用『ls -l * 』 代表的是任意档名的档案，而『ls -la* 』代表的是以a 为开头的任何档名的档案， 但在正规表示法中，我们要找到含有以a 为开头的档案，则必须要这样：(需搭配支援正规表示法的工具)

ls | grep -n '^a.*'

例题： 以ls -l 配合grep 找出/etc/ 底下档案类型为连结档属性的档名 答： 由于ls -l 列出连结档时标头会是『 lrwxrwxrwx 』，因此使用如下的指令即可找出结果： ls -l /etc | grep '^l' 若仅想要列出几个档案，再以『 |wc -l 』 来累加处理即可。

sed 工具

在了解了一些正规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分析登录档的小程式 (第十九章会谈到)，绝大部分分析关键字的取用、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 还可以将资料进行取代、删除、新增、撷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！

[root@www ~]# sed [-nefr] [动作] 选项与参数： -n ：使用安静(silent)模式。在一般sed 的用法中，所有来自STDIN 的资料一般都会被列出到萤幕上。但如果加上-n 参数后，则只有经过 sed 特殊处理的那一行(或者动作)才会被列出来。 -e ：直接在指令列模式上进行sed 的动作编辑； -f ：直接将sed 的动作写在一个档案内， -f filename 则可以执行filename 内的 sed 动作； -r ：sed 的动作支援的是延伸型正规表示法的语法。(预设是基础正规表示法语法) -i ：直接修改读取的档案内容，而不是由萤幕输出。 动作说明： [n1[,n2]]function n1, n2 ：不见得会存在，一般代表『选择进行动作的行数』，举例来说，如果我的动作 是需要在10 到20 行之间进行的，则『 10,20[动作行为] 』 function 有底下这些咚咚： a ：新增， a 的后面可以接字串，而这些字串会在新的一行出现(目前的下一行)～ c ：取代， c 的后面可以接字串，这些字串可以取代n1,n2 之间的行！ d ：删除，因为是删除啊，所以d 后面通常不接任何咚咚； i ：插入， i 的后面可以接字串，而这些字串会在新的一行出现(目前的上一行)； p ：列印，亦即将某个选择的资料印出。通常p 会与参数sed -n 一起运作～ s ：取代，可以直接进行取代的工作哩！通常这个s 的动作可以搭配 正规表示法！例如1,20s/old/new/g 就是啦！

• 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！先来玩玩删除与新增的功能吧！

范例一：将/etc/passwd的内容列出并且列印行号，同时，请将第2~5行删除！ [root@www ~]# nl /etc/passwd | sed '2,5d' 1 root:x:0:0:root:/root:/bin/bash 6 sync:x:5:0:sync:/sbin:/bin/sync 7 shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown .....(后面省略).....

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，所以显示的资料就没有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，至于若是要删除第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！

范例二：承上题，在第二行后(亦即是加在第三行)加上『drink tea?』字样！ [root@www ~]# nl /etc/passwd | sed '2a drink tea' 1 root:x:0:0:root:/root:/bin/bash 2 bin:x:1:1:bin:/bin:/sbin/nologin drink tea 3 daemon:x:2:2:daemon:/sbin:/sbin/nologin .....(后面省略).....

嘿嘿！在a 后面加上的字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 』变成『 i 』即可。增加一行很简单，那如果是要增将两行以上呢？

范例三：在第二行后面加入两行字，例如『Drink tea or .....』与『drink beer?』 [root@www ~]# nl /etc/passwd | sed '2a Drink tea or . .....\ > drink beer ?' 1 root:x:0:0:root:/root:/bin/bash 2 bin:x:1:1:bin:/bin:/sbin/nologin Drink tea or ...... drink beer ? 3 daemon:x:2:2:daemon:/sbin:/sbin/nologin .....(后面省略).....

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线『 \ 』来进行新行的增加喔！所以，上面的例子中，我们可以发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，那么如果要整行取代呢？看看底下的范例吧：

范例四：我想将第2-5行的内容取代成为『No 2-5 number』呢？ [root@www ~]# nl /etc/passwd | sed '2,5c No 2-5 number' 1 root:x:0:0:root:/root:/bin/bash No 2-5 number 6 sync:x:5:0:sync:/sbin:/bin/sync .....(后面省略).....

透过这个方法我们就能够将资料整行取代了！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， 得要透过『head -n 20 | tail -n 10』之类的方法来处理，很麻烦啦～ sed 则可以简单的直接取出你想要的那几行！是透过行号来捉的喔！看看底下的范例先：

范例五：仅列出/etc/passwd档案内的第5-7行 [root@www ~]# nl /etc/passwd | sed -n '5,7p' 5 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin 6 sync:x:5:0:sync:/sbin:/bin/sync 7 shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown

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，输出的资料可是差很多的喔！你可以透过这个sed 的以行为单位的显示功能， 就能够将某一个档案内的某些行号捉出来查阅！很棒的功能！不是吗？

• 部分资料的搜寻并取代的功能

除了整行的处理模式之外， sed 还可以用行为单位进行部分资料的搜寻并取代的功能喔！基本上sed 的搜寻与取代的与vi 相当的类似！他有点像这样：

sed 's/要被取代的字串/新的字串/g'

上表中特殊字体的部分为关键字，请记下来！至于三个斜线分成两栏就是新旧字串的替换啦！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并取代吧！

步骤一：先观察原始讯息，利用/sbin/ifconfig查询IP为何？ [root@www ~]# /sbin/ifconfig eth0 eth0 Link encap:Ethernet HWaddr 00:90:CC:A6:34:84 inet addr:192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 inet6 addr: fe80::290:ccff:fea6:3484/64 Scope:Link UP BROADCAST RUNNING MULTICAST MTU:1500 Metric:1 .....(以下省略)..... # 因为我们还没有讲到IP ，这里你先有个概念即可啊！我们的重点在第二行， # 也就是192.168.1.100 那一行而已！先利用关键字捉出那一行！ 步骤二：利用关键字配合grep撷取出关键的一行资料 [root@www ~]# /sbin/ifconfig eth0 | grep 'inet addr' inet addr :192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 #当场仅剩下一行！接下来，我们要将开始到addr:通通删除，就是像底下这样： # inet addr: 192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 # 上面的删除关键在于『 ^.*inet addr: 』啦！正规表示法出现！^_^ 步骤三：将IP前面的部分予以删除 [root@www ~]# /sbin/ifconfig eth0 | grep 'inet addr' | \ > sed 's/^.*addr://g' 192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 # 仔细与上个步骤比较一下，前面的部分不见了！接下来则是删除后续的部分，亦即： # 192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 #此时所需的正规表示法为：『 Bcast.*$ 』就是啦！ 步骤四：将IP后面的部分予以删除 [root@www ~]# /sbin/ifconfig eth0 | grep 'inet addr' | \ > sed 's/^.*addr://g' | sed 's/Bcast .*$//g' 192.168.1.100

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，改完之后测试，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 与正规表示法的配合练习！假设我只要MAN 存在的那几行资料， 但是含有# 在内的注解我不想要，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：

步骤一：先使用grep将关键字MAN所在行取出来 [root@www ~]# cat /etc/man.config | grep 'MAN' # when MANPATH contains an empty substring), to find out where the cat # MANBIN pathname # MANPATH manpath_element [corresponding_catdir] # MANPATH_MAP path_element manpath_element # MANBIN /usr/local/bin/man # Every automatically generated MANPATH includes these fields MANPATH /usr/man ....(后面省略).... 步骤二：删除掉注解之后的资料！ [root@www ~]# cat /etc/man.config | grep 'MAN'| sed 's/#.*$//g' MANPATH /usr/man ....(后面省略).... # 从上面可以看出来，原本注解的资料都变成空白行啦！所以，接下来要删除掉空白行 [root@www ~]# cat /etc/man.config | grep 'MAN'| sed 's/#.*$//g' | \ > sed '/^$/d' MANPATH /usr/man MANPATH /usr/share/man MANPATH /usr/local/man ....(后面省略)....

• 直接修改档案内容(危险动作)

你以为sed 只有这样的能耐吗？那可不！sed 甚至可以直接修改档案的内容呢！而不必使用管线命令或资料流重导向！不过，由于这个动作会直接修改到原始的档案，所以请你千万不要随便拿系统设定档来测试喔！我们还是使用你下载的regular_express.txt 档案来测试看看吧！

范例六：利用sed将regular_express.txt内每一行结尾若为.则换成! [root@www ~]# sed -i 's/\.$/\!/g' regular_express.txt #上头的- i选项可以让你的sed直接去修改后面接的档案内容而不是由萤幕输出喔！ # 这个范例是用在取代！请您自行cat 该档案去查阅结果啰！ 范例七：利用sed直接在regular_express.txt最后一行加入『# This is a test』 [root@www ~]# sed -i '$a # This is a test' regular_express.txt #由于$代表的是最后一行，而a的动作是新增，因此该档案最后新增啰！

sed 的『 -i 』选项可以直接修改档案内容，这功能非常有帮助！举例来说，如果你有一个100 万行的档案，你要在第100 行加某些文字，此时使用vim 可能会疯掉！因为档案太大了！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！要仔细的学习呢！

延伸正规表示法

事实上，一般读者只要了解基础型的正规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型正规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，我们要去除空白行与行首为#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！那么如果使用延伸型的正规表示法，我们可以简化为：

egrep -v '^$|^#' regular_express.txt

延伸型正规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！是否变的更简单呢？此外，grep 预设仅支援基础正规表示法，如果要使用延伸型正规表示法，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！

熟悉了正规表示法之后，到这个延伸型的正规表示法，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，延伸型正规表示法有哪几个特殊符号？由于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档案修改过了@_@，所以，请重新下载该档案来练习喔！

RE 字符	意义与范例
+	意义：重复『一个或一个以上』的前一个RE字符 范例：搜寻(god) (good) (goood)...等等的字串。那个o+代表『一个以上的o 』所以，底下的执行成果会将第1, 9, 13行列出来。 egrep -n 'go+d' regular_express.txt
?	意义：『零个或一个』的前一个RE字符 范例：搜寻(gd) (god)这两个字串。那个o?代表『空的或1个o 』所以，上面的执行成果会将第13, 14行列出来。有没有发现到，这两个案例( 'go+d'与'go?d' )的结果集合与'go*d'相同？想想看，这是为什么喔！^_^ egrep -n 'go?d' regular_express.txt
|	意义：用或( or )的方式找出数个字串 范例：搜寻gd或good这两个字串，注意，是『或』！所以，第1,9,14这三行都可以被列印出来喔！那如果还想要找出dog呢？ egrep -n 'gd|good' regular_express.txt  egrep -n 'gd|good|dog' regular_express.txt
()	意义：找出『群组』字串 范例：搜寻(glad)或(good)这两个字串，因为g与d是重复的，所以，我就可以将la与oo列于( )当中，并以|来分隔开来，就可以啦！ egrep -n 'g(la|oo)d' regular_express.txt
()+	意义：多个重复群组的判别 范例：将『AxyzxyzxyzxyzC』用echo叫出，然后再使用如下的方法搜寻一下！ echo 'AxyzxyzxyzxyzC' | egrep 'A(xyz)+C' 上面的例子意思是说，我要找开头是A 结尾是C ，中间有一个以上的"xyz" 字串的意思～

以上这些就是延伸型的正规表示法的特殊字元。另外，要特别强调的是，那个! 在正规表示法当中并不是特殊字元， 所以，如果你想要查出来档案中含有! 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？'[!az]'？』，呵呵！是错的呦～要'[^az]才是对的！至于更多关于正规表示法的进阶文章，请参考文末的参考资料( 注2 )

　

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！底下这些动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，透过资料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！

格式化列印： printf

在很多时候，我们可能需要将自己的资料给他格式化输出的！举例来说，考试卷分数的输出，姓名与科目及分数之间，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：

Name Chinese English Math Average DmTsai 80 60 92 77.33 VBird 75 55 80 70.00 Ken 60 90 70 73.33

上表的资料主要分成五个栏位，各个栏位之间可使用tab 或空白键进行分隔。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档案来进行几个小练习的。因为每个栏位的原始资料长度其实并非是如此固定的(Chinese 长度就是比Name 要多)， 而我就是想要如此表示出这些资料，此时，就得需要列印格式管理员printf 的帮忙了！printf 可以帮我们将资料输出的结果格式化，而且而支援一些特殊的字符～底下我们就来看看！

[root@www ~]# printf '列印格式'实际内容 选项与参数： 关于格式方面的几个特殊样式： \a 警告声音输出 \b 倒退键(backspace) \f 清除萤幕(form feed) \n 输出新的一行 \r 亦即Enter 按键 \t 水平的[tab] 按键 \v 垂直的[tab] 按键 \xNN NN 为两位数的数字，可以转换数字成为字元。 关于C 程式语言内，常见的变数格式 %ns 那个n 是数字， s 代表string ，亦即多少个字元； %ni 那个n 是数字， i 代表integer ，亦即多少整数位数； %N.nf 那个n 与N 都是数字， f 代表floating (浮点)，如果有小数位数， 假设我共要十个位数，但小数点有两位，即为%10.2f 啰！

接下来我们来进行几个常见的练习。假设所有的资料都是一般文字(这也是最常见的状态)，因此最常用来分隔资料的符号就是[Tab] 啦！因为[Tab] 按键可以将资料作个整齐的排列！那么如何利用printf 呢？参考底下这个范例：

范例一：将刚刚上头资料的档案(printf.txt)内容仅列出姓名与成绩：(用[tab]分隔) [root@www ~]# printf '%s\t %s\t %s\ t %s\t %s\t \n' $(cat printf.txt) Name Chinese English Math Average DmTsai 80 60 92 77.33 VBird 75 55 80 70.00 Ken 60 90 70 73.33

由于printf 并不是管线命令，因此我们得要透过类似上面的功能，将档案内容先提出来给printf 作为后续的资料才行。如上所示，我们将每个资料都以[tab] 作为分隔，但是由于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串，而字串与字串中间就以\t 这个[tab] 分隔符号来处理！你要记得的是，由于\t 与%s 中间还有空格，因此每个字串间会有一个[tab] 与一个空白键的分隔喔！

既然每个栏位的长度不固定会造成上述的困扰，那我将每个栏位固定就好啦！没错没错！这样想非常好！所以我们就将资料给他进行固定栏位长度的设计吧！

范例二：将上述资料关于第二行以后，分别以字串、整数、小数点来显示： [root@www ~]# printf '%10s %5i %5i %5i %8.2f \n' $(cat printf.txt |\ > grep -v Name) DmTsai 80 60 92 77.33 VBird 75 55 80 70.00 Ken 60 90 70 73.33

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栏位， %10s 代表的是一个长度为10 个字元的字串栏位，%5i 代表的是长度为5 个字元的数字栏位，至于那个%8.2f则代表长度为8 个字元的具有小数点的栏位，其中小数点有两个字元宽度。我们可以使用底下的说明来介绍%8.2f 的意义：

字元宽度： 12345678 
%8.2f意义：00000.00

如上所述，全部的宽度仅有8 个字元，整数部分占有5 个字元，小数点本身(.) 占一位，小数点下的位数则有两位。这种格式经常使用于数值程式的设计中！这样了解乎？自己试看看如果要将小数点位数变成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的数字与图形对应来显示资料喔( 注3 )！举例来说16进位的45可以得到什么ASCII的显示图(其实是字元啦)？

范例三：列出16进位数值45代表的字元为何？ [root@www ~]# printf '\x45\n' E # 这东西也很好玩～他可以将数值转换成为字元，如果你会写script 的话， # 可以自行测试一下，由20~80 之间的数值代表的字元是啥喔！^_^

printf 的使用相当的广泛喔！包括等一下后面会提到的awk 以及在C 程式语言当中使用的萤幕输出， 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与练习喔！^_^

Tips:  列印格式化这个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体，需要将一些资料在萤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！

awk：好用的资料处理工具

awk 也是一个非常棒的资料处理工具！相较于sed 常常作用于一整个行的处理， awk 则比较倾向于一行当中分成数个『栏位』来处理。因此，awk 相当的适合处理小型的数据资料处理呢！awk 通常运作的模式是这样的：

[root@www ~]# awk '条件类型1{动作1}条件类型2{动作2} ...' filename

awk后面接两个单引号并加上大括号{}来设定想要对资料进行的处理动作。awk可以处理后续接的档案，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『每一行的栏位内的资料』，而预设的『栏位的分隔符号为"空白键"或"[tab]键" 』！举例来说，我们用last可以将登入者的资料取出来，结果如下所示：

[root@www ~]# last -n 5 <==仅取出前五行 root pts/1 192.168.1.100 Tue Feb 10 11:21 still logged in root pts/1 192.168.1.100 Tue Feb 10 00:46 - 02:28 (01:41) root pts/1 192.168.1.100 Mon Feb 9 11:41 - 18:30 (06:48) dmtsai pts/1 192.168.1.100 Mon Feb 9 11:41 - 11:41 (00:00) root tty1 Fri Sep 5 14:09 - 14:10 (00:01)

若我想要取出帐号与登入者的IP ，且帐号与IP 之间以[tab] 隔开，则会变成这样：

[root@www ~]# last -n 5 | awk '{print $1 "\t" $3}' root 192.168.1.100 root 192.168.1.100 root 192.168.1.100 dmtsai 192.168.1.100 root Fri

上表是awk 最常使用的动作！透过print 的功能将栏位资料列出来！栏位的分隔则以空白键或[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"条件类型" 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～这是因为资料格式的问题啊！所以啰～使用awk 的时候，请先确认一下你的资料当中，如果是连续性的资料，请不要有空格或[tab] 在内，否则，就会像这个例子这样，会发生误判喔！

另外，由上面这个例子你也会知道，在每一行的每个栏位都是有变数名称的，那就是$1, $2...等变数名称。以上面的例子来说， root是$1 ，因为他是第一栏嘛！至于192.168.1.100是第三栏，所以他就是$3啦！后面以此类推～呵呵！还有个变数喔！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，并将第一行的资料填入$0, $1, $2.... 等变数当中；
2. 依据"条件类型" 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』的资料，则重复上面1~3 的步骤，直到所有的资料都读完为止。

经过这样的步骤，你会晓得， awk是『以行为一次处理的单位』，而『以栏位为最小的处理单位』。好了，那么awk怎么知道我到底这个资料有几行？有几栏呢？这就需要awk的内建变数的帮忙啦～

变数名称	代表意义
NF	每一行($0) 拥有的栏位总数
NR	目前awk 所处理的是『第几行』资料
FS	目前的分隔字元，预设是空白键

我们继续以上面last -n 5 的例子来做说明，如果我想要：

• 列出每一行的帐号(就是$1)；
• 列出目前处理的行数(就是awk 内的NR 变数)
• 并且说明，该行有多少栏位(就是awk 内的NF 变数)

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，由于单引号与双引号都必须是成对的，所以， awk的格式内容如果想要以print列印时，记得非变数的文字部分，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的指令固定用法了！

[root@www ~]# last -n 5| awk '{print $1 "\t lines: " NR "\t columns: " NF}' root lines: 1 columns: 10 root lines: 2 columns: 10 root lines: 3 columns: 10 dmtsai lines: 4 columns: 10 root lines: 5 columns: 9 # 注意喔，在awk 内的NR, NF 等变数要用大写，且不需要有钱字号$ 啦！

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 的逻辑运算字元

既然有需要用到"条件" 的类别，自然就需要一些逻辑运算啰～例如底下这些：

运算单元	代表意义
>	大于
<	小于
>=	大于或等于
<=	小于或等于
==	等于
!=	不等于

值得注意的是那个『==』的符号，因为：

• 逻辑运算上面亦即所谓的大于、小于、等于等判断式上面，习惯上是以『==』来表示；
• 如果是直接给予一个值，例如变数设定时，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":" 来作为栏位的分隔， 该档案中第一栏位为帐号，第三栏位则是UID。那假设我要查阅，第三栏小于10 以下的数据，并且仅列出帐号与第三栏， 那么可以这样做：

[root@www ~]# cat /etc/passwd | \ > awk '{FS=":"} $3 < 10 {print $1 "\t " $3}' root:x:0:0:root:/root:/bin/bash bin 1 daemon 2 ....(以下省略)....

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，那些变数$1, $2... 预设还是以空白键为分隔的，所以虽然我们定义了FS=":" 了， 但是却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 的变数啊！利用BEGIN 这个关键字喔！这样做：

[root@www ~]# cat /etc/passwd | \ > awk 'BEGIN {FS=":"} $3 < 10 {print $1 "\t " $3}' root 0 bin 1 daemon 2 ......(以下省略)......

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

Name 1st 2nd 3th VBird 23000 24000 25000 DMTsai 21000 20000 23000 Bird2 43000 42000 41000

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)

[root@www ~]# cat pay.txt | \ > awk 'NR==1{printf "%10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total" } NR>=2{total = $2 + $3 + $4 printf "%10s %10d %10d %10d %10.2f\n", $1, $2, $3, $4, total}' Name 1st 2nd 3th Total VBird 23000 24000 25000 72000.00 DMTsai 21000 20000 23000 64000.00 Bird2 43000 42000 41000 126000.00

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，亦即在{} 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『等于』的情况，则务必使用两个等号『==』！
• 格式化输出时，在printf 的格式设定当中，务必加上\n ，才能进行分行！
• 与bash shell 的变数不同，在awk 当中，变数可以直接使用，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的动作内{}也是支援if (条件)的喔！举例来说，上面的指令可以修订成为这样：

[root@www ~]# cat pay.txt | \ > awk '{if(NR==1) printf "%10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total "} NR>=2{total = $2 + $3 + $4 printf "%10s %10d %10d %10d %10.2f\n", $1, $2, $3, $4, total}'

你可以仔细的比对一下上面两个输入有啥不同～从中去了解两种语法吧！我个人是比较倾向于使用第一种语法， 因为会比较有统一性啊！^_^

除此之外， awk还可以帮我们进行回圈计算喔！真是相当的好用！不过，那属于比较进阶的单独课程了，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 )。

档案比对工具

什么时候会用到档案的比对啊？通常是『同一个套装软体的不同版本之间，比较设定档与原始档的差异』。很多时候所谓的档案比对，通常是用在ASCII纯文字档的比对上的！那么比对档案的指令有哪些？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来比对非纯文字档！同时，也能够藉由diff建立的分析档，以处理补丁(patch)功能的档案呢！就来玩玩先！

• diff

diff就是用在比对两个档案之间的差异的，并且是以行为单位来比对的！一般是用在ASCII纯文字档的比对上。由于是以行为比对的单位，因此diff通常是用在同一的档案(或软体)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』，新的档案放置到/tmp/test里面，那么应该怎么做？

[root@www ~]# mkdir -p /tmp/test <==先建立测试用的目录 [root@www ~]# cd /tmp/test [root@www test]# cp /etc/passwd passwd.old [root@www test]# cat /etc/passwd | \ > sed -e '4d' -e '6c no six line' > passwd.new #注意一下， sed后面如果要接超过两个以上的动作时，每个动作前面得加-e才行！ # 透过这个动作，在/tmp/test 里面便有新旧的passwd 档案存在了！

接下来讨论一下关于diff 的用法吧！

[root@www ~]# diff [-bBi] from-file to-file 选项与参数： from-file ：一个档名，作为原始比对档案的档名； to-file ：一个档名，作为目的比对档案的档名； 注意，from-file 或to-file 可以- 取代，那个- 代表『Standard input』之意。 -b ：忽略一行当中，仅有多个空白的差异(例如"about me" 与"about me" 视为相同 -B ：忽略空白行的差异。 -i ：忽略大小写的不同。 范例一：比对passwd.old与passwd.new的差异： [root@www test]# diff passwd.old passwd.new 4d3 <==左边第四行被删除(d)掉了，基准是右边的第三行 < adm:x:3:4:adm:/var/adm:/sbin/nologin <==这边列出左边(<)档案被删除的那一行内容 6c5 <==左边档案的第六行被取代(c)成右边档案的第五行 < sync:x:5:0:sync:/sbin:/bin/sync <==左边(<)档案第六行内容 --- > no six line <==右边(>)档案第五行内容 #很聪明吧！用diff就把我们刚刚的处理给比对完毕了！

用diff 比对档案真的是很简单喔！不过，你不要用diff 去比对两个完全不相干的档案，因为比不出个啥咚咚！另外， diff 也可以比对整个目录下的差异喔！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录比对一下：

[root@www ~]# diff /etc/rc3.d/ /etc/rc5.d/ Only in /etc/rc3.d/: K99readahead_later Only in /etc/rc5.d/: S96readahead_later

我们的diff 很聪明吧！还可以比对不同目录下的相同档名的内容，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档案，他主要利用『位元组』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『位元组』为单位去比对，这并不相同！)

[root@www ~]# cmp [-s] file1 file2 选项与参数： -s ：将所有的不同点的位元组处都列出来。因为cmp 预设仅会输出第一个发现的不同点。 范例一：用cmp比较一下passwd.old及passwd.new [root@www test]# cmp passwd.old passwd.new passwd.old passwd.new differ: byte 106, line 4

看到了吗？第一个发现的不同点在第四行，而且位元组数是在第106 个位元组处！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『将旧的档案升级成为新的档案』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，再由补丁档更新旧档案』即可。举例来说，我们可以这样做测试：

范例一：以/tmp/test内的passwd.old与passwd.new制作补丁档案 [root@www test]# diff -Naur passwd.old passwd.new > passwd.patch [root@www test]# cat passwd. patch --- passwd.old 2009-02-10 14:29:09.000000000 +0800 <==新旧档案的资讯 +++ passwd.new 2009-02-10 14:29:18.000000000 +0800 @@ -1,9 +1,8 @@ <==新旧档案要修改资料的界定范围，旧档在1-9行，新档在1-8行 root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin -adm:x:3:4:adm:/var/adm:/sbin/nologin <==左侧档案删除 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin -sync:x:5:0:sync:/sbin:/bin/sync <==左侧档案删除 +no six line <==右侧新档加入 shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown halt:x:7:0:halt:/sbin:/sbin/halt mail:x:8:12:mail:/var/spool/mail:/sbin/nologin

一般来说，使用diff 制作出来的比较档案通常使用副档名为.patch 啰。至于内容就如同上面介绍的样子。基本上就是以行为单位，看看哪边有一样与不一样的，找到一样的地方，然后将不一样的地方取代掉！以上面表格为例，新档案看到- 会删除，看到+ 会加入！好了，那么如何将旧的档案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：

[root@www ~]# patch -pN < patch_file <==更新 [root@www ~]# patch -R -pN < patch_file <==还原 选项与参数： -p ：后面可以接『取消几层目录』的意思。 -R ：代表还原，将新的档案还原成原来旧的版本。 范例二：将刚刚制作出来的patch file用来更新旧版资料 [root@www test]# patch -p0 < passwd.patch patching file passwd.old [root@www test]# ll passwd* -rw-r--r-- 1 root root 1929 Feb 10 14:29 passwd.new -rw-r--r-- 1 root root 1929 Feb 10 15:12 passwd.old <==档案一模一样！ 范例三：恢复旧档案的内容 [root@www test]# patch -R -p0 < passwd.patch [root@www test]# ll passwd* -rw-r--r-- 1 root root 1929 Feb 10 14:29 passwd.new -rw-r--r-- 1 root root 1986 Feb 10 15:18 passwd.old #档案就这样恢复成为旧版本啰

为什么这里会使用-p0 呢？因为我们在比对新旧版的资料时是在同一个目录下， 因此不需要减去目录啦！如果是使用整体目录比对(diff 旧目录新目录) 时， 就得要依据建立patch 档案所在目录来进行目录的删减啰！

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来比对两个档案之间的差异，更可进一步利用这个功能来制作修补档案(patch file) ，让大家更容易进行比对与升级呢！很不赖吧！^_^

档案列印准备： pr

如果你曾经使用过一些图形介面的文书处理软体的话，那么很容易发现，当我们在列印的时候， 可以同时选择与设定每一页列印时的标头吧！也可以设定页码呢！那么，如果我是在Linux 底下列印纯文字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，如果想要列印/etc/man.config 呢？

[root@www ~]# pr /etc/man.config 2007-01-06 18:24 /etc/man.config Page 1 # # Generated automatically from man.conf.in by the # configure script. .....以下省略......

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『档案时间』、『档案档名』及『页码』三大项目。更多的pr 使用，请参考pr 的说明啊！^_^

重点回顾

• 正规表示法就是处理字串的方法，他是以行为单位来进行字串的处理行为；
• 正规表示法透过一些特殊符号的辅助，可以让使用者轻​​易的达到『搜寻/删除/取代』某特定字串的处理程序；
• 只要工具程式支援正规表示法，那么该工具程式就可以用来作为正规表示法的字串处理之用；
• 正规表示法与万用字元是完全不一样的东西！万用字元(wildcard) 代表的是bash 操作介面的一个功能， 但正规表示法则是一种字串处理的表示方式！
• 使用grep 或其他工具进行正规表示法的字串比对时，因为编码的问题会有不同的状态，因此， 你最好将LANG 等变数设定为C 或者是en 等英文语系！
• grep 与egrep 在正规表示法里面是很常见的两支程式，其中， egrep 支援更严谨的正规表示法的语法；
• 由于编码系统的不同，不同的语系(LANG) 会造成正规表示法撷取资料的差异。因此可利用特殊符号如[:upper:] 来替代编码范围较佳；
• 由于严谨度的不同，正规表示法之上还有更严谨的延伸正规表示法；
• 基础正规表示法的特殊字符有： *, ., [], [-], [^], ^, $ 等！
• 常见的正规表示法工具有： grep , sed, vim 等等
• printf 可以透过一些特殊符号来将资料进行格式化输出；
• awk 可以使用『栏位』为依据，进行资料的重新整理与输出；
• 文件的比对中，可利用diff 及cmp 进行比对，其中diff 主要用在纯文字档案方面的新旧版本比对
• patch 指令可以将旧版资料更新到新版(主要亦由diff 建立patch 的补丁来源档案)

本章习题
(要看答案请将滑鼠移动到『答：』底下的空白处，按下左键圈选空白处即可察看)

• 情境模拟题一：透过grep 搜寻特殊字串，并配合资料流重导向来处理大量的档案搜寻问题。
  
  
  • 目标：正确的使用正规表示法；
  • 前提：需要了解资料流重导向，以及透过子指令$(command) 来处理档名的搜寻；
  
  我们简单的以搜寻星号(*) 来处理底下的任务：
  
  
  1. 利用正规表示法找出系统中含有某些特殊关键字的档案，举例来说，找出在/etc底下含有星号(*)的档案与内容： 解决的方法必须要搭配万用字元，但是星号本身就是正规表示法的字符，因此需要如此进行： 
     
     

     [root@www ~]# grep '\*' /etc/*

     你必须要注意的是，在单引号内的星号是正规表示法的字符，但我们要找的是星号，因此需要加上跳脱字符(\)。但是在/etc/* 的那个* 则是bash 的万用字元！代表的是档案的档名喔！不过由上述的这个结果中，我们仅能找到/etc 底下第一层子目录的资料，无法找到次目录的资料， 如果想要连同完整的/etc 次目录资料，就得要这样做：

     [root@www ~]# grep '\*' $(find /etc -type f)

     
     
  2. 但如果档案数量太多呢？如同上述的案例，如果要找的是全系统(/) 呢？你可以这样做：

     [root@www ~]# grep '\*' $(find / -type f) -bash: /bin/grep: Argument list too long

     真要命！由于指令列的内容长度是有限制的，因此当搜寻的对象是整个系统时，上述的指令会发生错误。那该如何是好？此时我们可以透过管线命令以及xargs 来处理。举例来说，让grep 每次仅能处理10 个档名，此时你可以这样想：
     
     
     1. 先用find 去找出档案；
     2. 用xargs 将这些档案每次丢10 个给grep 来作为参数处理；
     3. grep 实际开始搜寻档案内容。
     
     所以整个作法就会变成这样：

     [root@www ~]# find / -type f | xargs -n 10 grep '\*'

     
     
  3. 从输出的结果来看，资料量实在非常庞大！那如果我只是想要知道档名而已呢？你可以透过grep 的功能来找到如下的参数！

     [root@www ~]# find / -type f | xargs -n 10 grep -l '\*'

     
     
• 情境模拟题二：使用管线命令配合正规表示法建立新指令与新变数。我想要建立一个新的指令名为myip ，这个指令能够将我系统的IP捉出来显示。而我想要有个新变数，变数名为MYIP ，这个变数可以记录我的IP 。 处理的方式很简单，我们可以这样试看看：
  
  
  
  
  1. 首先，我们依据本章内的ifconfig, sed 与awk 来取得我们的IP ，指令为：
     

     [root@www ~]# ifconfig eth0 | grep 'inet addr' | \ > sed 's/^.*inet addr://g'| cut -d ' ' -f1

  2. 再来，我们可以将此指令利用alias 指定为myip 喔！如下所示：

     [root@www ~]# alias myip="ifconfig eth0 | grep 'inet addr' | \ > sed 's/^.*inet addr://g'| cut -d ' ' -f1 "

  3. 最终，我们可以透过变数设定来处理MYIP 喔！

     [root@www ~]# MYIP=$( myip )

  4. 如果每次登入都要生效，可以将alias 与MYIP 的设定那两行，写入你的~/.bashrc 即可！

简答题部分：

• 我想要知道，在/etc 底下，只要含有XYZ 三个字元的任何一个字元的那一行就列出来，要怎样进行？
  grep [XYZ] /etc/*
• 将/etc/termcap 内容取出后，(1)去除开头为# 的行(2)去除空白行(3)取出开头为英文字母的那几行(4)最终统计总行数该如何进行？
  grep -v '^#' /etc/termcap | grep -v '^$' | grep '^[[:alpha:]]' | wc -l

参考资料与延伸阅读

• 注1：关于正规表示法与POSIX及特殊语法的参考网址可以查询底下的来源：
  维基百科的说明：http://en.wikipedia.org/wiki/Regular_expression
  ZYTRAX网站介绍：http://zytrax.com /tech/web/regex.htm
  
• 注2：其他关于正规表示法的网站介绍：
  洪朝贵老师的网页：​​http://www.cyut.edu.tw/~ckhung/b/re/index.php
  龙门少尉的窝：http://main. rtfiber.com.tw/~changyj/
  PCRE官方网站：http://perldoc.perl.org/perlre.html
  
• 注3：关于ASCII编码对照表可参考维基百科的介绍：
  维基百科(ASCII)条目：http://zh.wikipedia.org/w/index.php?title=ASCII&variant=zh-tw
• 注4：关于awk的进阶文献，包括有底下几个连结：
  中研院计算中心ASPAC计画之awk程式介绍：http://phi.sinica.edu.tw/aspac/reports/94/94011/
  鸟哥备份：http://linux.vbird.org/linux_basic/0330regularex/awk.pdf
  这份文件写的非常棒！欢迎大家多多参考！
  Study Area：http://www.study-area.org/linux/system/linux_shell.htm

2002/07/29：第一次完成；
2003/02/10：重新编排与加入FAQ ；
2005/01/28：重新汇整基础正规表示法的内容！重点在regular_express.txt的处理与练习上！
2005/03/30：修订了grep -n 'goo*g' regular_express.txt这一段
2005/05/23：修订了grep -n '^[az]' regular_express.txt所要撷取的是小写，之前写成大写，错了！
2005/08/22：加入了awk, sed等工具的介绍，还有diff与cmp等指令的说明！
2005/09/05：加入printf内，关于\xNN的说明！
2006/03/10：将原本的sed内的动作(action)中， s由『搜寻』改成『取代』了！
2006/10/05：在sed当中多了一个-i的参数说明，也多了一个范例八可以参考。感谢讨论区的thyme兄！
2008/10/08：加入grep内的--color=auto说明！
2009/02/07：将旧的基于FC4版本的文章移动到此处
2009/02/10：重新排版，并且加入语系的说明，以及特殊[:资料:]的说明！更改不少范例的说明。
2009/05/14：感谢网友Jack的回报， cmp应该是使用『位元组bytes』而非位元bits，感谢Jack兄。
2009/08/26：加入情境模拟题目了！
2010/04/16：由linux_task兄提供的意见，将原本的*说明订正一些部分，可读性较佳！感谢您！