欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Linux正则表达式基础

程序员文章站 2022-03-15 23:44:48
...

介绍grep,sed,awk这三个命令,而正则表达式作为这三个命令的一种使用方式(命令输出中可以包含正则表达式)。

概念

正则表达式,又被正规表示式、正规表示法、针对表达式、规格表达式、常规表达法(Regular Expression,或regex、regexp、RE)。正则表达式使用单个字符来描述、匹配一系列符合某个句法规则的字符串。在很多编辑器里,正则表达式通常用来检索、替换那些符合某个模式的文本。

注意区分正则表达式与通配符的差别。

  • 在文本过滤工具里,都是用正则表达式,比如像awk,sed,等,是针对文件的内容的
  • 而通配符多用在文件名上,比如查找find,ls,cp,等等

具体内容对比,可以参考:https://blog.csdn.net/zgqxiexie/article/details/51184602

例子:

一个文件中,包含“shiyanlou”和“shilouyan”这两个字符,同样一个表达式:

shi*

如果上述表达式作为正则表达式,它将只能匹配shi;而如果不是正则表达式,而是作为一个通配符,则将同时匹配两个字符串。

原因:在正则表达式中,*表示匹配前面的子表达式零次或多次,比如它可以匹配”sh”,”shi”,”shii”,”shishi”等等,而作为通配符*表示匹配通配符后面任意多个字符,所以可以匹配文本中的字符串。

基本语法

一个正则表达式通常被称为一个模式(pattern),为用来描述或者匹配一系列符合某个句法规则的字符串。

选择

|表示分割,比如: boy | gril可以匹配“boy”或者“girl”

数量限定

数量限定出了上面讲过的*,还有+?,如果在一个模式中不加数量限定符则表示出现一次且仅出现一次:

  • +表示前面的字符必须出现至少一次(一次或多次),例如,”goo+gle”可以匹配‘goooogle’,’gooooogle’等;
  • ?表示前面的字符最多出现一次(零次或一次),例如,“colou?r”可以匹配‘colour’和‘color’;
  • *表示前面的字符可以不出现,也出现一次或者多次,例如,‘0*42’可以匹配42,042,0042,00042等等。

范围和优先级

()圆括号可以用来定义模式字符串的范围和优先级,可以简单的理解位是否将括号内的模式串作为一个整体。例如,”gr(a|r)y”等价于gray|grey;”(grand)?father”匹配father和grandfather。

语法部分

正则表达式有多种不同的风格,下面举例一下常用的作为PCRE子集的适合于perlpython编程语言及grepegrep的正则表达式匹配规则。

PCRE(Perl Compatible Regular Expressions中文含义:perl语言兼容正则表达式)是一个用 C 语言编写的正则表达式函数库,由菲利普.海泽(Philip Hazel)编写。PCRE是一个轻量级的函数库,比Boost 之类的正则表达式库小得多。PCRE 十分易用,同时功能也很强大,性能超过了 POSIX 正则表达式库和一些经典的正则表达式库。

字符 描述
\ 建一个字符标记为一个特殊字符,或一个原义字符,比如,”n”匹配字符“n”, “/n”匹配一个换行符,序列”\”匹配”\”而“(”匹配”(“。
^ 匹配输入字符串的开始位置
$ 匹配输入字符串的结束位置
{n} n是一个非负整数,匹配确定的n次,例如:”o{2}”不能匹配“Bob”种的“o”,但是能匹配“book”种的两个”o”
{n,} n是一个非负整数,至少匹配n次,例如:“o{2,}“不能匹配‘bob’,但可以匹配”foooood“种的所有‘o’, "o{1,}"等价于”o+“,"o{0,}"等价于”o*“
{n,m } m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次,比如“o{1,3}”将匹配“fooooodv”种的前三个o
* 匹配前面的子表达式零次或多次
+ 匹配前面的子表达式一次或多次
? 匹配前面的子表达式零次或一次
? 当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串“oooo”,“o+?”将匹配单个“o”,而“o+”将匹配所有“o”。
. 匹配除了”\n“之外的任何单个字符,要匹配包括“\n”在内的任何字符,请使用像“(.|\n)”的模式。
(pattern) 匹配pattern并获取这一匹配的子字符串。该子字符串用户向后引用。要匹配圆括号字符,请使用“(”或“)”。
x竖线y 匹配x或y。 例如”z竖线food“能匹配”z“或”food”.”(z竖线f)oood”则匹配”zood“或”food“。
[xyz] 字符集合(character class)。匹配所包含的任意一个字符。例如,”[abc]“可以匹配”plain“中的”a”。其中特殊字符仅有反斜线\保持特殊含义,用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符。脱字符^如果出现在首位则表示负值字符集合;如果出现在字符串中间就仅作为普通字符。连字符 - 如果出现在字符串中间表示字符范围描述;如果如果出现在首位则仅作为普通字符。
[^xyz] 排除型(negate)字符集合。匹配未列出的任意字符。例如,“[^abc]”可以匹配“plain”中的“plin”。
[a-z] 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[a-z] 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。

注意:由于markdown的语法问题,表格中的竖线无法显示,会被编译成表格的一列,所以在表格中使用竖线(’|‘)的地方,写成了中文的“竖线”

优先级

优先级为从上到下从左到右,依次降低:

运算符 说明
\ 转义符
(), (?:), (?=), [] 括号和中括号
*、+、?、{n}、{n,}、{n,m} 限定符
^、$、\任何元字符 定位点和序列
选择

grep模式匹配命令

基本操作

grep命令用户打印输出文本中匹配的模式串,它使用正则表达式作为模式匹配的条件。grep支持三种正则表达式引擎,分别用三个参数指定:

参数 说明
-E POSIX扩展正则表达式,ERE
-G POSIX基本正则表达式,BRE
-P Perl正则表达式,PCRE

在通过grep命令使用正则表达式之前,先介绍一下它的常用参数:

参数 说明
-b 将二进制文件作为文本来进行匹配
-c 统计以模式匹配的数目
-i 忽略大小写
-n 显示匹配文本所在行的行号
-v 反选,输出不匹配行的内容
-r 递归匹配查找
-A n n为正整数,表示after的意思,除了列出匹配行之外,还列出后面的n行
-B n n为正整数,表示before的意思,除了列出匹配行之外,还列出前面的n行
–color=auto 将输出中的匹配项设置为自动颜色显示

Linux正则表达式基础

使用正则表达式

使用基本正则表达式:BRE

  • 位置

查找/etc/group文件中以”shiyanlou“为开头的行

grep 'shiyanlou' /etc/group
grep '^shiyanlou' /etc/group

Linux正则表达式基础

  • 数量

    匹配以‘z’开头以‘o’结尾的所有字符串

    echo ‘zero\nzo\nzoo’ | grep ‘z.*o’

    匹配以‘z’开头以‘o’结尾,中间包含一个任意字符的字符串

    echo ‘zero\nzo\nzoo’ | grep ‘z.o’

    匹配以‘z’开头,以任意多个‘o’结尾的字符串

    echo ‘zero\nzo\nzoo’ | grep ‘zo*’

Linux正则表达式基础

  • 选择

    grep默认区分大小写,这里将匹配所有的小写字母

    echo ‘1234\nabcd’ | greap ‘[a-z]’

    将匹配所有的数字

    echo ‘1234\nabcd’ | greap ‘[0-9]’

    匹配所有数字

    echo ‘1234\nabcd’ | greap ‘[[:digit]]’

    匹配所有小写字母

    echo ‘1234\nabcd’ | greap ‘[[:lower:]]’

    匹配所有大写字母

    echo ‘1234\nabcd\nABCD’ | greap ‘[[:upper:]]’

    匹配所有的数字和字母,包括:0-9,a-z,A-Z

    echo ‘1234\nabcd\nABCD’ | greap ‘[[:alnum:]]’

    匹配所有的字母

    echo ‘1234\nabcd\nABCD’ | greap ‘[[:alpha:]]’

Linux正则表达式基础

下面包含完整的特殊符号及说明:

特殊符号 说明
[:alnum:] 代表英文大小写字母及数字,亦即 0-9, A-Z, a-z
[:alpha:] 代表任何英文大小写字母,亦即 A-Z, a-z
[: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:] 除了空白字节 (空白键与 [Tab] 按键) 外的其他所有按键
[:lower:] 代表小写字母,亦即 a-z
[:print:] 代表任何可以被列印出来的字符
[:punct:] 代表标点符号 (punctuation symbol),亦即:” ’ ? ! ; : # $…
[:upper:] 代表大写字母,亦即 A-Z
[:space:] 任何会产生空白的字符,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, A-F, a-f 的数字与字节
# 排除字符
echo 'geek\ngood' | grep '[^o]'

Linux正则表达式基础

使用扩展正则表达式

要通过grep使用扩展正则表达式需要加上-E参数,或使用egrep

  • 数量

    只匹配”zo“

    echo ‘zero\nzo\nzoo’ | grep -E ‘zo{1}’

    匹配以’zo’开头的所有单词

    echo ‘zero\nzo\nzoo’ | grep -E ‘zo{1,}’

注意:推荐掌握{n,m}即可,+,?,*,这几个不太直观,且容易弄混淆。

Linux正则表达式基础

  • 选择

    匹配”www.shiyanlou.com”和”www.google.com”

    $ echo ‘www.shiyanlou.com\nwww.baidu.com\nwww.google.com’ | grep -E ‘www.(shiyanlou|google).com’

    或者匹配不包含”baidu”的内容

    $ echo ‘www.shiyanlou.com\nwww.baidu.com\nwww.google.com’ | grep -Ev ‘www.baidu.com’

Linux正则表达式基础

sed流编辑器

sed工具在 man 手册里面的全名为”sed - stream editor for filtering and transforming text “,意即,用于过滤和转换文本的流编辑器。

在 Linux/UNIX 的世界里敢称为编辑器的工具,大都非等闲之辈,比如前面的”vi/vim(编辑器之神)”,”emacs(神的编辑器)”,”gedit”这些个编辑器。sed与上述的最大不同之处在于它是一个非交互式的编辑器。

sed常用参数介绍

sed命令基本格式

sed [参数] [执行命令] [输入文件] ...
#形如
sed -i 's/ad/happy' test #表示将test文件中的"sad"替换成happy
参数 说明
-n 安静模式,只打印受影响的行,默认打印输入数据的全部内容
-e 用于在脚本中添加多个执行命令一次执行,在命令行中多个命令通过需要加该参数
-f filename 指定执行filename文件中的命令
-r 使用扩展正则表达式,默认为标准正则表达式
-i 直接修改输入文件内容,而不是打印到输出标准设备

sed编译器的执行命令

sed 执行格式:

[n1][,n2]command
[n1][~step]command
# 其中一些命令可以在后面加上作用范围,形如:
$ sed -i 's/sad/happy/g' test # g表示全局范围
$ sed -i 's/sad/happy/4' test # 4表示指定行中的第四个匹配字符串

其中n1,n2表示输入内容的行号,它们之间为,逗号则表示从n1到n2行,如果为~波浪号则表示从n1开始以step为步进的所有行;command为执行动作,下面为一些常用动作指令:

命令 说明
s 行内替换
c 整行替换
a 插入到指定行的后面
i 插入到指定行的前面
p 打印指定行,通常与-n参数配合使用
d 删除指定行

sed操作举例

打印指定行

#打印2-5行
nl passwd | sed -n '2,5p'
#打印奇数行
nl passwd | sed -n '1~2p'

Linux正则表达式基础

注意:nl 可以将输出的文件内容自动的加上行号

行内替换

#文本中”shiyanlou“全局替换成’hehe‘,并纸打印替换的那一行,注意这里不能省略最后的”p“命令
sed -n 's/shiyanlou/hehe/gp' passwd

注意: 行内替换可以结合正则表达式使用。

Linux正则表达式基础

行间替换

nl passwd | grep 'shiyanlou'
#删除第21行
sed -n '21c\www.shiyanlou.com' passwd
(这里我们只把要删的行打印出来了,并没有真正的删除,如果要删除的话,请使用-i参数)

Linux正则表达式基础

awk文本处理语言

AWK是一种优良的文本处理工具,Linux及Unix环境中现有的功能最强大的数据处理引擎之一.其名称得自于它的创始人Alfred Aho(阿尔佛雷德·艾侯)、Peter Jay Weinberger(彼得·温伯格)和Brian Wilson Kernighan(布莱恩·柯林汉)姓氏的首个字母.AWK程序设计语言,三位创建者已将它正式定义为“样式扫描和处理语言”。它允许您创建简短的程序,这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报表,还有无数其他的功能。最简单地说,AWK是一种用于处理文本的编程语言工具。

在大多数linux发行版上面,实际我们使用的是gawk(GNU awk,awk的GNU版本)。

nawk: 在 20 世纪 80 年代中期,对 awk语言进行了更新,并不同程度地使用一种称为 nawk(new awk) 的增强版本对其进行了替换。许多系统中仍然存在着旧的awk 解释器,但通常将其安装为 oawk (old awk) 命令,而 nawk 解释器则安装为主要的 awk 命令,也可以使用 nawk 命令。Dr. Kernighan 仍然在对 nawk 进行维护,与 gawk 一样,它也是开放源代码的,并且可以免费获得; gawk: 是 GNU Project 的awk解释器的开放源代码实现。尽管早期的 GAWK 发行版是旧的 AWK 的替代程序,但不断地对其进行了更新,以包含 NAWK 的特性; mawk 也是awk编程语言的一种解释器,mawk遵循 POSIX 1003.2 (草案 11.3)定义的 AWK 语言,包含了一些没有在AWK 手册中提到的特色,同时 mawk 提供一小部分扩展,另外据说mawk是实现最快的awk。

awk的基础概念

awk所有的操作都是基于pattern(模式)—action(动作)对来完成的,如下面的形式:

pattern {action}

它将所有的动作操作用一对{}花括号包围起来。其中pattern通常是表示用于匹配输入的文本的“关系式”或“正则表达式”,action则是表示匹配后将执行的动作。在一个完整awk操作中,这两者可以只有其中一个,如果没有pattern则默认匹配输入的全部文本,如果没有action则默认为打印匹配内容到屏幕。

awk处理文本的方式,是将文本分割成一些“字段”,然后再对这些字段进行处理,默认情况下,awk以空格作为一个字段的分割符,不过这不是固定的,你可以任意指定分隔符。

awk命令基本格式

awk [-F fs] [-v var=value] [-f prog-file] | 'program text'] [file...]

其中-F参数用于预先指定前面提高的字段分隔符(还有其他指定字段的方式),-v用户预先为awk程序指定变量,-f参数用户指定awk命令要执行的程序文件,或者在不加’-f’参数的情况下直接间程序语句放在这里。最后为awk需要处理的文本输入,且可以同时输入多个文本文件。

awk操作体验

vim test
#输入文本
cat test

使用swk将文本打印到终端

awk '{
print
}' test
#或者写成一行
awk '{print}' test

说明:在这个操作中我是省略了pattern,所以awk会默认匹配输入文本的全部内容,然后在”{}”花括号中执行动作,即print打印所有匹配项,这里是全部文本内容

Linux正则表达式基础

将test的第一行中的每个字段单独显示为一行

$ awk '{
> if(NR==1){
> print $1 "\n" $2 "\n" $3
> } else {
> print}
> }' test

# 或者
$ awk '{
> if(NR==1){
> OFS="\n"
> print $1, $2, $3
> } else {
> print}
> }' test

Linux正则表达式基础

说明:你首先应该注意的是,这里我使用了awk语言的分支选择语句if,它的使用和很多高级语言如C/C++语言基本一致,如果你有这些语言的基础,这里将很好理解。另一个你需要注意的是NROFS,这两个是awk内建的变量,NR表示当前读入的记录数,你可以简单的理解为当前处理的行数,OFS表示输出时的字段分隔符,默认为” “空格,如上图所见,我们将字段分隔符设置为\n换行符,所以第一行原本以空格为字段分隔的内容就分别输出到单独一行了。然后是$N其中N为相应的字段号,这也是awk的内建变量,它表示引用相应的字段,因为我们这里第一行只有三个字段,所以只引用到了$3。除此之外另一个这里没有出现的$0,它表示引用当前记录(当前行)的全部内容。

将test的第行以点为分段的字段换成以空格为风格

$ awk -F'.' '{
> if(NR==2){
> print $1 "\t" $2 "\t" $3
> }}' test

# 或者
$ awk '
> BEGIN{
> FS="."
> OFS="\t"  # 如果写为一行,两个动作语句之间应该以";"号分开  
> }{
> if(NR==2){
> print $1, $2, $3
> }}' test

Linux正则表达式基础Linux正则表达式基础

说明:这里的-F参数,前面已经介绍过,它是用来预先指定待处理记录的字段分隔符。我们需要注意的是除了指定OFS我们还可以在print 语句中直接打印特殊符号如这里的\tprint打印的非变量内容都需要用”“一对引号包围起来。上面另一个版本,展示了实现预先指定变量分隔符的另一种方式,即使用BEGIN,就这个表达式指示了,其后的动作将在所有动作之前执行,这里是FS赋值了新的”.”点号代替默认的” “空格

awk常用的内置变量

变量名 说明
FILENAME 当前输入文件名,若有多个文件,则只表示第一个。如果输入是来自标准输入,则为空字符串
$0 当前记录的内容
$N N表示字段号,最大值为NF变量的值
FS 字段分隔符,由正则表达式表示,默认为” “空格
RS 输入记录分隔符,默认为”\n”,即一行为一个记录
NF 当前记录字段数
NR 已经读入的记录数
FNR 当前输入文件的记录数,请注意它与NR的区别
OFS 输出字段分隔符,默认为” “空格
ORS 输出记录分隔符,默认为”\n”
相关标签: 正则表达式