Unix & Linux笔记（11）

第20章 正则表达式

20.1 正则表达式简介

正则表达式

regular expression,简写为 regex或 re

基本匹配的元字符

元字符	含义
.	除新行字符外，匹配任意单个字符
^	锚：匹配行的开头
$	锚：匹配行的末尾
\<	锚：匹配单词的开头
\>	锚：匹配单词的末尾
[list]	字符类：匹配list中的任何字符
[^list]	字符类：匹配不在list中的任何字符
()	组：视为一个单独的单元
|	交变：匹配选择之一
\	引用:从字面上解释元字符

正则表达式是一种指定字符模式的简洁方式。在正则表达式中，普通字符匹配自身，特定的元字符拥有特殊的含义。

重复运算符

运算符	含义
*	匹配0次或多次
+	匹配1次或多次
?	匹配0次或1次
{n}	限定：匹配n次
{n,}	限定：最少匹配n次
{0,m}	限定：最多匹配m次
{,m}	限定：最多匹配m次
{n,m}	限定最少匹配n次，最多匹配m次

重复运算符用来匹配多个指定字符的实例。一些程序不支持{,m}因为它不是标准的。

预定义字符类

类	含义	类似于C
[:lower:]	小写字母 a-z
[:upper:]	大写字母 A-Z
[:alpha:]	大小写字母 A-Za-z
[:alnum:]	大小写字母、数字 A-Za-z0-9
[:digit:]	数字 0-9
[:punct:]	标点符号 -
[:blank:]	空白符 -

注意，方括号和冒号都是名称的一部分。

20.2 正则表达式的起源

20.3 基本和拓展正则表达式

拓展正则表达式

extended regular expression 简称 ERE

基本正则表达式

basic regular expression 简称 BRE

sed往往只支持基本正则表达式。ERE和BRE之间的主要区别就是，对于BRE来说，有一些特定的元字符(?、+和|)不能使用，而其他元字符必须使用反斜线引用{}和()。
BRE的主要限制：

(1) 花括号必须使用反斜线引用；
(2) 圆括号必须使用反斜线引用；
(3) 不能使用?，但是可以使用\{0,1\}模拟；
(4) 不能使用+，但是可以使用\{1,\}模拟；
(5) 不能使用|；
(6) 不能使用预定义字符类。

20.4 匹配行和单词

锚(anchor)

特定的元字符，用来匹配在字符串的开头或末尾的位置。锚指定所查找模式的位置。 ^元字符是一个匹配行开头的锚。

查找空行

grep '^$' file | wc –l

在使用GNU实用工具的系统上，可以使用\b（boundary marker）作为\<和\>的替代锚。

20.5 匹配字符；字符类

.(元字符) 匹配任何单个的字符。 grep 'Har..ly' file
通过将字符放在方括号[]中来指定搜索的字符串，这样的结构就称为一个字符类。严格的讲，字符类不包括方括号。

grep 'H[aA]' file

20.6 预定义字符类；范围

预定义字符类的规则：方括号是名称的一部分。因此，使用预定义字符类时必须包含第二组方括号，以维持正确的语法。

grep '21[:alpha:]' file

范围： grep '[3-7]' file

匹配不在特定字符类中的字符。在开头的左方括号后放一个^号即可。^充当一个否定操作符。下述命令搜索所有包含至少一个非字母字符的行：

grep '[^A-Za-Z]' file
grep '[^[:alpha:]]' file

理解复杂正则表达式的技巧就是记住每一个字符类——不管看上去多么复杂——只表示一个单独的字符。

20.7 区域设置和排序序列：locale；ASCII码

• C排序序列
• 字典排序序列
• LO_COLLATE

20.8 使用范围和预定义字符类

在shell脚本中建议使用预定义字符类，保证可移植性。

20.9 重复运算符

重复运算符

repetition operator,最常见的组合就是使用一个 .(点号)，后跟一个 *，这将匹配任何字符的 0次或多次出现。

grep 'colou?r' file

在文件中查找包含2或3个数字的行 gerp '\<[0-9]{3,7}\>' file

通过创建组，可以将一串字符视为一个单元。
连续匹配字符串"xyz"5次 (xyz){5}

为了查找完整的单词，需要明确匹配单词边界

grep '\<(cat|dog|bird|hamster)/>' file

反斜线

20.10 理解复杂正则表达式

20.11 解决3个有趣的难题；字典文件

1.那些单词以"qu"开头并以"y"结尾？

grep '^qu[a-z]+y$' /usr/share/dict/words

2.查找一个包含所有五个元音字母(顺序出现)的普通单词。

grep '^a[a-z]*e[a-z]*i[a-z]*o[a-z]*$' /usr/share/dict/words

3.在Unix系统中搜索两个字母的命令

ls /bin | grep '^[a-z]{2}$'