Linux深入探索10-正则表达式
----- 最近更新【2022-01-15】-----
本文目录结构预览：
- 一、简介
- 二、汇总表
- 三、历史版本
1、版本区别：
2、区别总结 - 四、案例说明
1、匹配行和单词（锚的使用）
2、匹配任意字符
3、字符范围匹配 与 预定义字符类
4、重复组 - 五、参考
一、简介
正则表达式（regular expression）通常简写为 regex 或 re，是一种指定字符串模式的简洁方式。
正则表达式可以用于许多种编程语言中，例如：Awk、C、C++、C#、Java、Perl、PHP、Python、Ruby、Tcl和VB.NET等。尽管正则表达式在各个程序之间有所不同，但是基本思想总是相同的。
二、汇总表
正则表达式的强大来自拥有特殊含义的元字符和缩写的使用。在正则表达式中，普通字符匹配自身，特殊字符拥有特殊的含义。
元字符：
| 元字符 | 含义 | 例子 |
|---|---|---|
| . | 除新行字符外，匹配任意的单个字符 | |
| ^ | 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] | 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 |
重复运算符：
| 运算符 | 含义 | 例子 |
|---|---|---|
| * | 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 | |
| 注意：有一些程序不支持{,m}，因为它不是标准的。 |
预定义字符类：
| 类 | 类似于 | 含义 | 例子 |
|---|---|---|---|
| [:lower:] | a-z | 小写字母 | |
| [:upper:] | A-Z | 大写字母 | |
| [:alpha:] | A-Za-z | 大小写字母 | |
| [:alnum:] | A-Za-z0-9 | 大小写字母、数字 | |
| [:digit:] | 0-9 | 数字 | |
| [:punct:] | 标点符号 | ||
| [:blank:] | 空格或制表符（空白符） | ||
| 注意：方括号和冒号是名称的一部分 |
三、历史版本
Unix 支持两种主要的正则表达式变体：一个现代版本，一个以前的废弃版本。
现代版本的正则表达式是扩展正则表达式（extended regular expression），或者简称为 ERE。它是当前的标准，属于 IEEE 1003.2 标准（POSIX 的一部分）。
以前版本的正则表达式是 基本正则表达式（basic regular expression），或者简称为 BRE。现在 BRE 已经被废弃，保留它们只是为了与旧程序兼容。
例如 sed 程序默认使用的就是基本正则表达式，需要使用扩展正则表达式则要带上相应选项，即sed -E。
1、版本区别：
基本正则表达式 和 扩展正则表达式 之间的主要区别就是，对于基本正则表达式来说，有些特定的元字符不能使用，而其它元字符必须使用反斜线(\)引用。
不能使用的元字符有：?、+、|
必须转义的元字符有：{ }、( )
2、区别总结
| 扩展正则表达式 | 基本正则表达式 | 含义 |
|---|---|---|
| { } | \{ \} | 定义一个限定 |
| ( ) | \( \) | 定义一个组 |
| ？ | 可模拟为：\{ 0,1\} | 匹配 0 次或 1 次 |
| + | 可模拟为：\{ 1,\} | 匹配 1 次或 多 次 |
| | | 不支持 | 交变：匹配选项中的一个 |
| [:name:] | 不支持 | 预定义字符类 |
四、案例说明
测试文本 letter.txt 的内容如下：
[nosee@instance-4 ~]$ cat letter.txt
Dear Miss Hanff:
Thank you very much for your letter,
I appreciate your kindness in telling me
the cloth I worked has given you so moch
pleasure. I only wish I could do more.
I expect Mrs. Doel has told you I am
getting on in years so I am unable to do
as much as I used to. It is always a joy
to me when my work gets into the hands
of someone who appreciates it.
I see Mrs. Doel most days, she often
speaks of you. Perhaps I may see you if
you come to England.
Again thanking you
Jan. 29th,1952
Yours very sincerely,
Mary Boulton
1、匹配行和单词（锚的使用）
正则表达式中的“锚”，也就是使用以下4种元字符：
| 元字符 | 含义 |
|---|---|
| ^ | 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 |
1）行的开头与末尾
例：匹配所有包含有 you 字符中的行
[nosee@instance-4 ~]$ grep you letter.txt
Thank you very much for your letter,
I appreciate your kindness in telling me
the cloth I worked has given you so moch
I expect Mrs. Doel has told you I am
speaks of you. Perhaps I may see you if
you come to England.
Again thanking you
例：匹配所有包含有 you 字符串 并且 you 字符串位于行开头的行
[nosee@instance-4 ~]$ cat letter.txt | grep '^you'
you come to England.
例：匹配所有包含有 you 字符串 并且 you 字符串位于行末尾的行
[nosee@instance-4 ~]$ cat letter.txt | grep 'you$'
Again thanking you
Tip：搜索空行可以这样：
grep '^$'
2）单词的开头与末尾
例：查找所有包含有 le 字符串的行
[图片上传中...(image.png-5b6b3d-1642238499630-0)]
[nosee@instance-4 ~]$ cat letter.txt | grep le
Thank you very much for your letter,
pleasure. I only wish I could do more.
getting on in years so I am unable to do
例：查找所有包含有 le 字符串的行，并且 le 字符串要位于单词开头
[nosee@instance-4 ~]$ cat letter.txt | grep '\例：查找所有包含有 le 字符串的行，并且 le 字符串要位于单词末尾
[nosee@instance-4 ~]$ cat letter.txt | grep --color 'le\>'
getting on in years so I am unable to do
在正则表达式中，“单词”就是一个自包含，由字母、数字或者下划线字符构成的连续字符串。
Tip：
搜索完整单词可以这样：grep '\<单词\>'
有些系统可以使用\b来代替\<和\>，如grep '\b单词\b'
2、匹配任意字符
元字符：.(点号)，匹配任意的单个字符，除新行字符外。（新行字符标记一行的末尾）
例：匹配一个 “ Y 或 y 开头，中间3个任意字符，以 s 结尾” 的单词
[nosee@instance-4 ~]$ cat letter.txt | grep '\<[Yy]...s\>'
getting on in years so I am unable to do
Yours very sincerely,
3、字符范围匹配 与 预定义字符类
使用预定义字符类时，唯一需要注意的一点就是，方括号实际上是名称的一部分。因此，使用时必须在包含第二组方括号，以维持正确的语法。
例：查找包含有4个连续数字的行
[nosee@instance-4 ~]$ cat letter.txt | grep -E '[0-9]{4}'
Jan. 29th,1952
[nosee@instance-4 ~]$ cat letter.txt | grep -E '[[:digit:]]{4}'
Jan. 29th,1952
注：
以上两个正则表达式含义是一样的。
grep 的 -E 选项是为了使用扩展正则表达式。
连字符-也是元字符，当需要匹配-本身时也需要转义\-
例：匹配至少包含有10个字母的单词
[nosee@instance-4 ~]$ cat letter.txt | grep -E '[[:alpha:]]{10,}'
I appreciate your kindness in telling me
of someone who appreciates it.
[nosee@instance-4 ~]$ cat letter.txt | grep -E '[A-Za-z]{10,}'
I appreciate your kindness in telling me
of someone who appreciates it.
例：搜索linux目录/bin下，名字为 两个a-g字母组成的单词的程序
[nosee@instance-4 ~]$ ls /bin | grep -E '^[a-g]{2}$'
ab
dd
df
例：统计linux目录/bin下，名字为两个小写字母组成的单词的程序共有多少个
[nosee@instance-4 ~]$ ls /bin | grep -Ec '^[a-z]{2}$'
28
4、重复组
例：匹配任何 “i 或 I 开头” 然后接 “一个小写字母” 再接 “一个任意字符”，并且 “该模式出现两次” 的字符串
[nosee@instance-4 ~]$ cat letter.txt | grep -E '([Ii][a-z].){2}'
as much as I used to. It is always a joy
五、参考
书箱：《Unix & Linux 大学教程》第二十章 (美)Harley Hahn 著 张杰良 译