shell编程之美

一、shell概述

1.1 概述

​ Shell的作用是解释执行用户的命令，用户输入一条命令，Shell就解释执行一条，这种方式称为交互（Interactive），Shell还有一种执行命令的方式称为批处理（Batch），用户事先写一个Shell脚本（Script），其中有很多条命令，让Shell一次把这些命令执行完，而不必一条一条地敲命令。Shell脚本和编程语言很相似，也有变量和流程控制语句，但Shell脚本是解释执行的，不需要编译，Shell程序从脚本中一行一行读取并执行这些命令，相当于一个用户把脚本中的命令一行一行敲到Shell提示符下执行。

# 如下命令可以查询出系统中都有那些shell
cat /etc/shells
# 查看当前系统中使用那种shell
echo $SHELL

​ 用户在命令行输入命令后，一般情况下Shell会fork并exec该命令，但是Shell的内建命令例外，执行内建命令相当于调用Shell进程中的一个函数，并不创建新的进程。以前学过的cd、alias、umask、exit等命令即是内建命令，凡是用which命令查不到程序文件所在位置的命令都是内建命令，内建命令没有单独的man手册，要在man手册中查看内建命令，应该执行

man bash-builtins
# centos7中查看
man builtins

​ 如export、shift、if、eval、[、for、while等等。内建命令虽然不创建新的进程，但也会有Exit Status，通常也用0表示成功非零表示失败，虽然内建命令不创建新的进程，但执行结束后也会有一个状态码，也可以用特殊变量$?读出。

1.2 执行脚本

​ 编写一个简单的脚本test.sh：

#! /bin/sh
cd ..
ls

​ Shell脚本中用#表示注释，相当于C语言的//注释。但如果#位于第一行开头，并且是#!（称为Shebang）则例外，它表示该脚本使用后面指定的解释器/bin/sh解释执行。如果把这个脚本文件加上可执行权限然后执行：

chmod a+x test.sh
./test.sh

​ Shell会fork一个子进程并调用exec执行./test.sh这个程序，exec系统调用应该把子进程的代码段替换成./test.sh程序的代码段，并从它的_start开始执行。然而test.sh是个文本文件，根本没有代码段和_start函数，怎么办呢？其实exec还有另外一种机制，如果要执行的是一个文本文件，并且第一行用Shebang指定了解释器，则用解释器程序的代码段替换当前进程，并且从解释器的_start开始执行，而这个文本文件被当作命令行参数传给解释器。因此，执行上述脚本相当于执行程序

/bin/sh ./test.sh

​ 以这种方式执行不需要test.sh文件具有可执行权限。

​ 如果将命令行下输入的命令用()括号括起来，那么也会fork出一个子Shell执行小括号中的命令，一行中可以输入由分号;隔开的多个命令，比如：

(cd ..;ls -l)

​ 和上面两种方法执行Shell脚本的效果是相同的，cd …命令改变的是子Shell的PWD，而不会影响到交互式Shell。然而命令

cd ..;ls -l

​ 则有不同的效果，cd …命令是直接在交互式Shell下执行的，改变交互式Shell的PWD，然而这种方式相当于这样执行Shell脚本：

source ./test.sh
# 或者
. ./test.sh

​ source或者.命令是Shell的内建命令，这种方式也不会创建子Shell，而是直接在交互式Shell下逐行执行脚本中的命令。

二、基本语法

2.1 变量

按照惯例，Shell变量通常由字母加下划线开头，由任意长度的字母、数字、下划线组成。有两种类型的Shell变量：

1. 环境变量

   ​ 环境变量可以从父进程传给子进程，因此Shell进程的环境变量可以从当前Shell进程传给fork出来的子进程。用printenv命令可以显示当前Shell进程的环境变量。

2. 本地变量

   ​ 只存在于当前Shell进程，用set命令可以显示当前Shell进程中定义的所有变量（包括本地变量和环境变量）和函数。

   ​ 环境变量是任何进程都有的概念，而本地变量是Shell特有的概念。在Shell中，环境变量和本地变量的定义和用法相似。在Shell中定义或赋值一个变量：

   VARNAME=value
   
   

   注意等号两边都不能有空格，否则会被Shell解释成命令和命令行参数。

   ​ 一个变量定义后仅存在于当前Shell进程，它是本地变量，用export命令可以把本地变量导出为环境变量，定义和导出环境变量通常可以一步完成：

   export VARNAME=value
   
   

   也可以分两步完成：

   VARNAME=value
   export VARNAME
   
   

   用unset命令可以删除已定义的环境变量或本地变量。

   unset VARNAME
   
   

   ​ 如果一个变量叫做VARNAME，用 ’ VARNAME ’ 可以表示它的值，在不引起歧义的情况下也可以用VARNAME表示它的值。通过以下例子比较这两种表示法的不同：

   echo $SHELL
   
   

   ​ 注意，在定义变量时不用“’”取变量值时要用。和C语言不同的是，Shell变量不需要明确定义类型，事实上Shell变量的值都是字符串，比如我们定义VAR=45，其实VAR的值是字符串45而非整数。Shell变量不需要先定义后使用，如果对一个没有定义的变量取值，则值为空字符串。

2.2 文件名替换

​ 这些用于匹配的字符称为通配符（Wildcard），如：* ? [ ] 具体如下：

* 匹配0个或多个任意字符
? 匹配一个任意字符
[若干字符] 匹配方括号中任意一个字符的一次出现

itcast$ ls /dev/ttyS*
itcast$ ls ch0?.doc
itcast$ ls ch0[0-2].doc
itcast$ ls ch[012] [0-9].doc

​ 注意，Globbing所匹配的文件名是由Shell展开的，也就是说在参数还没传给程序之前已经展开了，比如上述ls ch0[012].doc命令，如果当前目录下有ch00.doc和ch02.doc，则传给ls命令的参数实际上是这两个文件名，而不是一个匹配字符串。

2.3 命令代换

​ 由"`"反引号括起来的也是一条命令，Shell先执行该命令，然后将输出结果立刻代换到当前命令行中。例如定义一个变量存放date命令的输出：

DATE=`date`
echo $DATE

​ 命令代换也可以用$()表示：

DATE=$(date)

2.4 算术代换

​ 使用$(())，用于算术计算，(())中的Shell变量取值将转换成整数，同样含义的$(())，用于算术计算，(())中的Shell变量取值将转换成整数，同样含义的[ ]等价例如：

VAR=45
echo $(($VAR+3))	等价于	echo $[VAR+3]或 $[$VAR+3]

​ $(())中只能用±*/和()运算符，并且只能做整数运算。

​ $[base#n]，其中base表示进制，n按照base进制解释，后面再有运算数，按十进制解释。

echo $[2#10+11]
echo $[8#10+11]
echo $[16#10+11]

2.5 转义字符

​ 和C语言类似，\在Shell中被用作转义字符，用于去除紧跟其后的单个字符的特殊意义（回车除外），换句话说，紧跟其后的字符取字面值。例如：

echo $SHELL
/bin/bash

echo \$SHELL
$SHELL

echo \\
\

​ 比如创建一个文件名为“$ $”的文件（$”的文件（间含有空格）可以这样：

touch \$\ \$

​ 还有一个字符虽然不具有特殊含义，但是要用它做文件名也很麻烦，就是-号。如果要创建一个文件名以-号开头的文件，这样是不正确的：

itcast$ touch -hello
touch: invalid option -- h
Try `touch --help' for more information.

​ 即使加上\转义也还是报错：

itcast$ touch \-hello
touch: invalid option -- h
Try `touch --help' for more information.

​ 因为各种UNIX命令都把-号开头的命令行参数当作命令的选项，而不会当作文件名。如果非要处理以-号开头的文件名，可以有两种办法：

touch ./-hello
# 或者
touch -- -hello

​ \还有一种用法，在\后敲回车表示续行，Shell并不会立刻执行命令，而是把光标移到下一行，给出一个续行提示符>，等待用户继续输入，最后把所有的续行接到一起当作一个命令执行。例如：

ls \
> -l
（ls -l命令的输出）

2.6 单引号

​ 和C语言同，Shell脚本中的单引号和双引号一样都是字符串的界定符（双引号下一节介绍），而不是字符的界定符。单引号用于保持引号内所有字符的字面值，即使引号内的\和回车也不例外，但是字符串中不能出现单引号。如果引号没有配对就输入回车，Shell会给出续行提示符，要求用户把引号配上对。例如：

echo '$SHELL'
$SHELL

echo 'ABC\（回车）
> DE'（再按一次回车结束命令）
ABC\
DE

2.7 双引号

​ 被双引号用括住的内容，将被视为单一字串。它防止通配符扩展，但允许变量扩展。这点与单引号的处理方式不同

DATE=$(date)
echo "$DATE"
echo '$DATE'

​ 再比如：

itcast$ VAR=200
itcast$ echo $VAR	
200
itcast$ echo '$VAR'
$VAR
itcast$ echo "$VAR"
200

三、shell脚本语法

3.1 条件测试

​ 命令test或 [ 可以测试一个条件是否成立，如果测试结果为真，则该命令的Exit Status为0，如果测试结果为假，则命令的Exit Status为1（注意与C语言的逻辑表示正好相反）。例如测试两个数的大小关系：

var=2
test $var -gt 1
echo $?
0

test $var -gt 3
echo $?
1

[ $var -gt 3 ]
echo $?
1

​ 虽然看起来很奇怪，但左方括号 [ 确实是一个命令的名字，传给命令的各参数之间应该用空格隔开，比如：$VAR、-gt、3、] 是 [ 命令的四个参数，它们之间必须用空格隔开。命令test或 [ 的参数形式是相同的，只不过test命令不需要 ] 参数。以 [ 命令为例，常见的测试命令如下表所示：

[ -d DIR ] 如果DIR存在并且是一个目录则为真
[ -f FILE ] 如果FILE存在且是一个普通文件则为真
[ -z STRING ] 如果STRING的长度为零则为真
[ -n STRING ] 如果STRING的长度非零则为真
[ STRING1 = STRING2 ] 如果两个字符串相同则为真
[ STRING1 != STRING2 ] 如果字符串不相同则为真
[ ARG1 OP ARG2 ] ARG1和ARG2应该是整数或者取值为整数的变量，OP是-eq（等于）-ne（不等于）-lt（小于）-le（小于等于）-gt（大于）-ge（大于等于）之中的一个

​ 和C语言类似，测试条件之间还可以做与、或、非逻辑运算：

[ ! EXPR ] EXPR可以是上表中的任意一种测试条件，!表示“逻辑反(非)”
[ EXPR1 -a EXPR2 ] EXPR1和EXPR2可以是上表中的任意一种测试条件，-a表示“逻辑与”
[ EXPR1 -o EXPR2 ] EXPR1和EXPR2可以是上表中的任意一种测试条件，-o表示“逻辑或”

# 例如
VAR=abc
[ -d Desktop -a $VAR = 'abc' ]
echo $?
0

​ 注意，如果上例中的$VAR变量事先没有定义，则被Shell展开为空字符串，会造成测试条件的语法错误（展开为[ -d Desktop -a = ‘abc’ ]），作为一种好的Shell编程习惯，应该总是把变量取值放在双引号之中（展开为[ -d Desktop -a “” = ‘abc’ ]）：

unset VAR
[ -d Desktop -a $VAR = 'abc' ]
bash: [: too many arguments
[ -d Desktop -a "$VAR" = 'abc' ]
echo $?
1

3.2 分支

3.2.1 if/then/elif/else/fi

​ 和C语言类似，在Shell中用if、then、elif、else、fi这几条命令实现分支控制。这种流程控制语句本质上也是由若干条Shell命令组成的，例如先前讲过的

if [ -f ~/.bashrc ]; then
	. ~/.bashrc
fi

​ 其实是三条命令，if [ -f ∼/.bashrc ]是第一条，then . ∼/.bashrc是第二条，fi是第三条。如果两条命令写在同一行则需要用;号隔开，一行只写一条命令就不需要写;号了，另外，then后面有换行，但这条命令没写完，Shell会自动续行，把下一行接在then后面当作一条命令处理。和[命令一样，要注意命令和各参数之间必须用空格隔开。if命令的参数组成一条子命令，如果该子命令的Exit Status为0（表示真），则执行then后面的子命令，如果Exit Status非0（表示假），则执行elif、else或者fi后面的子命令。if后面的子命令通常是测试命令，但也可以是其它命令。Shell脚本没有{}括号，所以用fi表示if语句块的结束。见下例：

#! /bin/sh

if [ -f /bin/bash ]
then 
	echo "/bin/bash is a file"
else 
	echo "/bin/bash is NOT a file"
fi
if :; then echo "always true"; fi

​ “:”是一个特殊的命令，称为空命令，该命令不做任何事，但Exit Status总是真。此外，也可以执行/bin/true或/bin/false得到真或假的Exit Status。再看一个例子：

#! /bin/sh

echo "Is it morning? Please answer yes or no."
read YES_OR_NO
if [ "$YES_OR_NO" = "yes" ]; then
	echo "Good morning!"
elif [ "$YES_OR_NO" = "no" ]; then
	echo "Good afternoon!"
else
	echo "Sorry, $YES_OR_NO not recognized. Enter yes or no."
	exit 1
fi
exit 0

​ 上例中的read命令的作用是等待用户输入一行字符串，将该字符串存到一个Shell变量中。

​ 此外，Shell还提供了&&和||语法，和C语言类似，具有Short-circuit特性，很多Shell脚本喜欢写成这样：

test "$(whoami)" != 'root' && (echo you are using a non-privileged account; exit 1)

​ &&相当于“if…then…”，而||相当于“if not…then…”。&&和||用于连接两个命令，而上面讲的-a和-o仅用于在测试表达式中连接两个测试条件，要注意它们的区别，例如：

test "$VAR" -gt 1 -a "$VAR" -lt 3

​ 和以下写法是等价的

test "$VAR" -gt 1 && test "$VAR" -lt 3

3.2.2 case/esac

​ case命令可类比C语言的switch/case语句，esac表示case语句块的结束。C语言的case只能匹配整型或字符型常量表达式，而Shell脚本的case可以匹配字符串和Wildcard，每个匹配分支可以有若干条命令，末尾必须以;;结束，执行时找到第一个匹配的分支并执行相应的命令，然后直接跳到esac之后，不需要像C语言一样用break跳出。

#! /bin/sh

echo "Is it morning? Please answer yes or no."
read YES_OR_NO
case "$YES_OR_NO" in
yes|y|Yes|YES)
	echo "Good Morning!";;
[nN]*)
	echo "Good Afternoon!";;
*)
	echo "Sorry, $YES_OR_NO not recognized. Enter yes or no."
	exit 1;;
esac
exit 0

​ 使用case语句的例子可以在系统服务的脚本目录/etc/init.d中找到。这个目录下的脚本大多具有这种形式（以/etc/init.d/nfs-kernel-server为例）：

case "$1" in
	start)
		...
	;;
	stop)
		...
	;;
	reload | force-reload)
		...
	;;
	restart)
		...
	*)
	    log_success_msg"Usage: nfs-kernel-server {start|stop|status|reload|force-reload|restart}"
	    exit 1
	;;
esac

​ 启动nfs-kernel-server服务的命令是

 sudo /etc/init.d/nfs-kernel-server start

​ $1是一个特殊变量，在执行脚本时自动取值为第一个命令行参数，也就是start，所以进入start)分支执行相关的命令。同理，命令行参数指定为stop、reload或restart可以进入其它分支执行停止服务、重新加载配置文件或重新启动服务的相关命令。

3.3 循环

3.3.1 for/do/done

​ Shell脚本的for循环结构和C语言很不一样，它类似于某些编程语言的foreach循环。例如：

#! /bin/sh

for FRUIT in apple banana pear; do
	echo "I like $FRUIT"
done

​ FRUIT是一个循环变量，第一次循环$FRUIT的取值是apple，第二次取值是banana，第三次取值是pear。再比如，要将当前目录下的chap0、chap1、chap2等文件名改为chap0_、chap1、chap2_{等（按惯例，末尾有}字符的文件名表示临时文件），这个命令可以这样写：

for FILENAME in chap?; do mv $FILENAME $FILENAME~; done

​ 也可以这样写：

for FILENAME in `ls chap?`; do mv $FILENAME $FILENAME~; done

3.3.2 while/do/done

​ while的用法和C语言类似。比如一个验证密码的脚本：

#! /bin/sh

echo "Enter password:"
read TRY
while [ "$TRY" != "secret" ]; do
	echo "Sorry, try again"
	read TRY
done

​ 下面的例子通过算术运算控制循环的次数：

#! /bin/sh

COUNTER=1
while [ "$COUNTER" -lt 10 ]; do
	echo "Here we go again"
	COUNTER=$(($COUNTER+1))
done

​ 另，Shell还有until循环，类似C语言的do…while。如有兴趣可在课后自行扩展学习。

3.3.3 break和continue

​ break[n]可以指定跳出几层循环；continue跳过本次循环，但不会跳出循环。

​ 即break跳出，continue跳过。

​ 练习：将上面验证密码的程序修改一下，如果用户输错五次密码就报错退出。

3.4 位置参数和特殊变量

​ 有很多特殊变量是被Shell自动赋值的，我们已经遇到了$?和$1。其他常用的位置参数和特殊变量在这里总结一下：

$0 			相当于C语言main函数的argv[0]
$1、$2...	这些称为位置参数（Positional Parameter），相当于C语言main函数的argv[1]、argv[2]...
$# 			相当于C语言main函数的argc - 1，注意这里的#后面不表示注释
[e-mail] 			表示参数列表"$1" "$2" ...，例如可以用在for循环中的in后面。
$* 			表示参数列表"$1" "$2" ...，同上
$? 			上一条命令的Exit Status
$$ 			当前进程号

​ 位置参数可以用shift命令左移。比如shift 3表示原来的$4现在变成$1，原来的$5现在变成$2等等，原来的$1、$2、$3丢弃，$0不移动。不带参数的shift命令相当于shift 1。例如：

#! /bin/sh

echo "The program $0 is now running"
echo "The first parameter is $1"
echo "The second parameter is $2"
echo "The parameter list is [e-mail]"
shift
echo "The first parameter is $1"
echo "The second parameter is $2"
echo "The parameter list is [e-mail]"

3.5 输入输出

3.5.1 echo

​ 显示文本行或变量，或者把字符串输入到文件。

echo [option] string
-e 解析转义字符
-n 不回车换行。默认情况echo回显的内容后面跟一个回车换行。
echo "hello\n\n"
echo -e "hello\n\n"
echo "hello"
echo -n "hello"

3.5.2 管道

​ 可以通过 | 把一个命令的输出传递给另一个命令做输入。

cat myfile | more
ls -l | grep "myfile"
df -k | awk '{print $1}' | grep -v "文件系统"
df -k 查看磁盘空间，找到第一列，去除“文件系统”，并输出

3.5.3 tee

​ tee命令把结果输出到标准输出，另一个副本输出到相应文件。

df -k | awk '{print $1}' | grep -v "文件系统" | tee a.txt

​ tee -a a.txt表示追加操作。

df -k | awk '{print $1}' | grep -v "文件系统" | tee -a a.txt

3.5.4 文件重定向

cmd > file 				把标准输出重定向到新文件中
cmd >> file 			追加
cmd > file 2>&1 		标准出错也重定向到1所指向的file里
cmd >> file 2>&1
cmd < file1 > file2 	输入输出都定向到文件里
cmd < &fd 				把文件描述符fd作为标准输入
cmd > &fd 				把文件描述符fd作为标准输出
cmd < &- 				关闭标准输入

3.6 函数

​ 和C语言类似，Shell中也有函数的概念，但是函数定义中没有返回值也没有参数列表。例如：

#! /bin/sh

foo(){ echo "Function foo is called";}
echo "-=start=-"
foo
echo "-=end=-"

​ 注意函数体的左花括号 { 和后面的命令之间必须有空格或换行，如果将最后一条命令和右花括号 } 写在同一行，命令末尾必须有分号;。但，不建议将函数定义写至一行上，不利于脚本阅读。

​ 在定义foo()函数时并不执行函数体中的命令，就像定义变量一样，只是给foo这个名一个定义，到后面调用foo函数的时候（注意Shell中的函数调用不写括号）才执行函数体中的命令。Shell脚本中的函数必须先定义后调用，一般把函数定义语句写在脚本的前面，把函数调用和其它命令写在脚本的最后（类似C语言中的main函数，这才是整个脚本实际开始执行命令的地方）。

​ Shell函数没有参数列表并不表示不能传参数，事实上，函数就像是迷你脚本，调用函数时可以传任意个参数，在函数内同样是用$0、$1、$2等变量来提取参数，函数中的位置参数相当于函数的局部变量，改变这些变量并不会影响函数外面的$0、$1、$2等变量。函数中可以用return命令返回，如果return后面跟一个数字则表示函数的Exit Status。

​ 下面这个脚本可以一次创建多个目录，各目录名通过命令行参数传入，脚本逐个测试各目录是否存在，如果目录不存在，首先打印信息然后试着创建该目录。

#! /bin/sh

is_directory()
{
	DIR_NAME=$1
	if [ ! -d $DIR_NAME ]; then
		return 1
	else
		return 0
	fi
}
for DIR in "[e-mail]"; do
	if is_directory "$DIR"
	then :
	else
		echo "$DIR doesn't exist. Creating it now..."
		mkdir $DIR > /dev/null 2>&1
		if [ $? -ne 0 ]; then
			echo "Cannot create directory $DIR"
			exit 1
		fi
	fi
done

​ 注意：is_directory()返回0表示真返回1表示假。

3.7 shell脚本调试方法

Shell提供了一些用于调试脚本的选项，如：

​ -n 读一遍脚本中的命令但不执行，用于检查脚本中的语法错误。

​ -v 一边执行脚本，一边将执行过的脚本命令打印到标准错误输出。

​ -x 提供跟踪执行信息，将执行的每一条命令和结果依次打印出来。

这些选项有三种常见的使用方法：

1. 在命令行提供参数。如：

   bin/bash -x ./script.sh
   # 或者
   . script.sh -x
   
   

2. 在脚本开头提供参数。如：

   #! /bin/sh -x
   
   

3. 在脚本中用set命令启用或禁用参数。如：

   #! /bin/sh
   
   if [ -z "$1" ]; then
   	set -x
   	echo "ERROR: Insufficient Args."
   	exit 1
   	set +x
   fi
   
   

   set -x和set +x分别表示启用和禁用-x参数，这样可以只对脚本中的某一段进行跟踪调试。

四、正则表达式

4.1 概述

​ 以前我们用grep在一个文件中找出包含某些字符串的行，比如在头文件中找出一个宏定义。其实grep还可以找出符合某个模式（Pattern）的一类字符串。例如找出所有符合[e-mail]模式的字符串（也就是email地址），要求x字符可以是字母、数字、下划线、小数点或减号，email地址的每一部分可以有一个或多个x字符，例如[e-mail]、[e-mail]，当然符合这个模式的不全是合法的email地址，但至少可以做一次初步筛选，筛掉a.b、[e-mail]等肯定不是email地址的字符串。再比如，找出所有符合yyy.yyy.yyy.yyy模式的字符串（也就是IP地址），要求y是0-9的数字，IP地址的每一部分可以有1-3个y字符。

​ 如果要用grep查找一个模式，如何表示这个模式，这一类字符串，而不是一个特定的字符串呢？从这两个简单的例子可以看出，要表示一个模式至少应该包含以下信息：

​ 字符类（Character Class）：如上例的x和y，它们在模式中表示一个字符，但是取值范围是一类字符中的任意一个。

​ 数量限定符（Quantifier）： 邮件地址的每一部分可以有一个或多个x字符，IP地址的每一部分可以有1-3个y字符。

​ 各种字符类以及普通字符之间的位置关系：例如邮件地址分三部分，用普通字符@和.隔开，IP地址分四部分，用.隔开，每一部分都可以用字符类和数量限定符描述。为了表示位置关系，还有位置限定符（Anchor）的概念，将在下面介绍。

​ 规定一些特殊语法表示字符类、数量限定符和位置关系，然后用这些特殊语法和普通字符一起表示一个模式，这就是正则表达式（Regular Expression）。例如email地址的正则表达式可以写成[a-zA-Z0-9.-][e-mail][a-zA-Z0-9.-]+.[a-zA-Z0-9_.-]+，IP地址的正则表达式可以写成[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}。下一节介绍正则表达式的语法，我们先看看正则表达式在grep中怎么用。例如有这样一个文本文件testfile：

192.168.1.1
1234.234.04.5678
123.4234.045.678
abcde
$ egrep '[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}' testfile
192.168.1.1
1234.234.04.5678

​ egrep相当于grep -E，表示采用Extended正则表达式语法。grep的正则表达式有Basic和Extended两种规范，它们之间的区别下一节再解释。另外还有fgrep命令，相当于grep -F，表示只搜索固定字符串而不搜索正则表达式模式，不会按正则表达式的语法解释后面的参数。

​ 注意正则表达式参数用单引号括起来了，因为正则表达式中用到的很多特殊字符在Shell中也有特殊含义（例如），只有用单引号括起来才能保证这些字符原封不动地传给grep命令，而不会被Shell解释掉。

​ 192.168.1.1符合上述模式，由三个.隔开的四段组成，每段都是1到3个数字，所以这一行被找出来了，可为什么1234.234.04.5678也被找出来了呢？因为grep找的是包含某一模式的行，这一行包含一个符合模式的字符串234.234.04.567。相反，123.4234.045.678这一行不包含符合模式的字符串，所以不会被找出来。

​ grep是一种查找过滤工具，正则表达式在grep中用来查找符合模式的字符串。其实正则表达式还有一个重要的应用是验证用户输入是否合法，例如用户通过网页表单提交自己的email地址，就需要用程序验证一下是不是合法的email地址，这个工作可以在网页的Javascript中做，也可以在网站后台的程序中做，例如PHP、Perl、Python、Ruby、Java或C，所有这些语言都支持正则表达式，可以说，目前不支持正则表达式的编程语言实在很少见。除了编程语言之外，很多UNIX命令和工具也都支持正则表达式，例如grep、vi、sed、awk、emacs等等。“正则表达式”就像“变量”一样，它是一个广泛的概念，而不是某一种工具或编程语言的特性。

4.2 基本语法

​ 我们知道C的变量和Shell脚本变量的定义和使用方法很不相同，表达能力也不相同，C的变量有各种类型，而Shell脚本变量都是字符串。同样道理，各种工具和编程语言所使用的正则表达式规范的语法并不相同，表达能力也各不相同，有的正则表达式规范引入很多扩展，能表达更复杂的模式，但各种正则表达式规范的基本概念都是相通的。本节介绍egrep(1)所使用的正则表达式，它大致上符合POSIX正则表达式规范，详见regex(7)（看这个man page对你的英文绝对是很好的锻炼）。希望读者仿照上一节的例子，一边学习语法，一边用egrep命令做实验。

4.2.1 字符类

字符	含义	举例
.	匹配任意一个字符	abc.可以匹配abcd,abcd9等
[]	匹配括号中的任意一个字符	[ab]d可以匹配ad,bd
-	在[]内表示字符范围	[0-9]可以匹配任意一位0到9的数字
^	位于方括号内的开发，匹配除括号中字符之外的任意一个字符	[^xy]可以匹配非xy之外的任意字符
[[:xxx:]]	grep字符预定义的一些命名字符	[[:alpha:]]匹配一个字母

4.2.2 数量限定符

字符	含义	举例
？	紧跟在它前面单元应匹配0次或一次	[0-9]?\.[0-9]匹配0.0或.5
+	紧跟在它前面单元应匹配一次或多次	[a-z]+可以匹配a,aa,asd,adsfad等
*	紧跟在它前面单元应匹配0次或多次	[0-9]*可以匹配空，0，12，1234等
{N}	紧跟在它前面单元应精确匹配N次	[1-9][0-9]{2}可以匹配：100到999的整数
{N,}	紧跟在它前面单元至少匹配N次	[1-9][0-9]{2,}匹配3位或3位以上的整数
{,M}	紧跟在它前面单元至多匹配M次	[0-9]{,1}相当与[0-9]?
{N,M}	紧跟在它前面单元匹配N到M次	[0-9]{1,3}可以匹配0，123，12等

​ 再次注意grep找的是包含某一模式的行，而不是完全匹配某一模式的行。

# 例如：
aaabc
aad
efg
# 查找a*这个模式的结果。会发现，三行都被找了出来。
egrep 'a*' testfile
aaabc
aad
efg

​ a匹配0个或多个a，而第三行包含0个a，所以也包含了这一模式。单独用a这样的正则表达式做查找没什么意义，一般是把a*作为正则表达式的一部分来用。

4.2.3 位置限定符

字符	含义	举例
^	匹配行首的位置	1匹配以数字开头的字符
$	匹配行末的位置	d$匹配以d字符结尾的字符
\>	匹配单词结尾的位置	p\>匹配leap……
\<	匹配单词开头的位置	\<p匹配parent……
\b	匹配单词开头或结尾的位置	\bat\b匹配…at或at…，但不匹配cat，bat,batch
\B	匹配非单词开头或结尾的位置	\Bat\B匹配battery，但不匹配…at或at…

​ 位置限定符可以帮助grep更准确地查找。

# 用[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}查找IP地址，找到这两行
192.168.1.1
1234.234.04.5678
# 用^[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}$查找，可以把1234.234.04.5678这一行过滤掉了

4.2.4 其他特殊字符

字符	含义	举例
\	转义字符	\.将.当作普通字符处理
()	将正则表达式的一部分括起来组成一个单元，可对整个单元使用数量限定	（[0-9]{1,3}\.）{3}[0-9]{1-3}匹配IP地址
|	连接两个子表达式，表示或的关系	n(o|one)匹配no或none

4.3 Basic正则和Extended正则区别

​ 以上介绍的是grep正则表达式的Extended规范，Basic规范也有这些语法，只是字符?+{}|()应解释为普通字符，要表示上述特殊含义则需要加\转义。如果用grep而不是egrep，并且不加-E参数，则应该遵照Basic规范来写正则表达式。

4.4 grep

4.4.1 作用

​ Linux系统中grep命令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。grep全称是Global Regular Expression Print，表示全局正则表达式版本，它的使用权限是所有用户。

​ 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。

4.4.2 格式及主要参数

grep [options]
主要参数：  grep --help可查看
	-c：只输出匹配行的计数。
	-i：不区分大小写。
	-h：查询多文件时不显示文件名。
	-l：查询多文件时只输出包含匹配字符的文件名。
	-n：显示匹配行及 行号。
	-s：不显示不存在或无匹配文本的错误信息。
	-v：显示不包含匹配文本的所有行。
	--color=auto ：可以将找到的关键词部分加上颜色的显示。

​ pattern正则表达式主要参数:

\： 忽略正则表达式中特殊字符的原有含义。
^：匹配正则表达式的开始行。
$: 匹配正则表达式的结束行。
\<：从匹配正则表达 式的行开始。
\>：到匹配正则表达式的行结束。
[ ]：单个字符，如[A]即A符合要求 。
[ - ]：范围，如[A-Z]，即A、B、C一直到Z都符合要求 。
.：所有的单个字符。
*：所有字符，长度可以为0。

4.4.3 grep命令使用简单示例

itcast$ grep ‘test’ d*
显示所有以d开头的文件中包含 test的行

itcast $ grep ‘test’ aa bb cc
显示在aa，bb，cc文件中匹配test的行。

itcast $ 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。

itcast $ 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。

4.4.4 grep使用复杂示例

# 明确要求搜索子目录
grep -r
# 忽略子目录
grep -d skip
# 如果有很多输出时，您可以通过管道将其转到’less’上阅读
grep magic /usr/src/Linux/Documentation/* | less

​ 有一点要注意，您必需提供一个文件过滤方式(搜索全部文件的话用 *)。如果您忘了，’grep’会一直等着，直到该程序被中断。如果您遇到了这样的情况，按 ，然后再试。

​ 下面还有一些有意思的命令行参数：

grep -i pattern files ：不区分大小写地搜索。默认情况区分大小写，
grep -l pattern files ：只列出匹配的文件名，
grep -L pattern files ：列出不匹配的文件名，
grep -w pattern files ：只匹配整个单词，而不是字符串的一部分(如匹配’magic’，而不是’magical’)，
grep -C number pattern files ：匹配的上下文分别显示[number]行，
grep pattern1 | pattern2 files ：显示匹配 pattern1 或 pattern2 的行，
例如：grep "abc\|xyz" testfile 表示过滤包含abc或xyz的行
grep pattern1 files | grep pattern2 ：显示既匹配 pattern1 又匹配 pattern2 的行。
grep -n pattern files 即可显示行号信息
grep -c pattern files 即可查找总行数

​ 还有些用于搜索的特殊符号：< 和 > 分别标注单词的开始与结尾。

例如：
grep man * 会匹配 ‘Batman’、’manic’、’man’等，
grep ‘\<man’ * 匹配’manic’和’man’，但不是’Batman’，
grep ‘\<man\>’ 只匹配’man’，而不是’Batman’或’manic’等其他的字符串。
‘^’： 指匹配的字符串在行首，
‘$’： 指匹配的字符串在行 尾，

4.5 find

​ 由于find具有强大的功能，所以它的选项也很多，其中大部分选项都值得我们花时间来了解一下。即使系统中含有网络文件系统( NFS)，find命令在该文件系统中同样有效，只要你具有相应的权限。

​ 在运行一个非常消耗资源的find命令时，很多人都倾向于把它放在后台执行，因为遍历一个大的文件系统可能会花费很长的时间(这里是指30G字节以上的文件系统)。

4.5.1 find命令格式

1. find命令的一般形式

   find pathname -options [-print -exec -ok ...] 
   
   

2. find命令参数

   pathname: find命令所查找的目录路径。例如用.来表示当前目录，用/来表示系统根目录，递归查找。
   -print： find命令将匹配的文件输出到标准输出。
   -exec： find命令对匹配的文件执行该参数所给出的shell命令。相应命令的形式为'command' {} \;，注意{}内部无空格，和\；之间含有一个空格分隔符。
   -ok： 和-exec的作用相同，只不过以一种更为安全的模式来执行该参数所给出的shell命令，在执行每一个命令之前，都会给出提示，让用户来确定是否执行。
   
   
   

3. find命令选项

-name 按照文件名查找文件。
-perm 按照文件权限来查找文件。
-prune 使用这一选项可以使find命令不在当前指定的目录中查找，如果同时使用-depth选项，那么-prune将被
find命令忽略。
-user 按照文件属主来查找文件。
-group 按照文件所属的组来查找文件。
-mtime -n +n 按照文件的更改时间来查找文件，-n表示文件更改时间距现在n天以内，+n表示文件更改时间距现在
n天以前。find命令还有-atime和-ctime 选项，但它们都和-m time选项。
-nogroup 查找无有效所属组的文件，即该文件所属的组在/etc/groups中不存在。
-nouser 查找无有效属主的文件，即该文件的属主在/etc/passwd中不存在。
-newer file1 ! file2 查找更改时间比文件file1新但比文件file2旧的文件。
-type 查找某一类型的文件，诸如：
b - 块设备文件。
d - 目录。
c - 字符设备文件。
p - 管道文件。
l - 符号链接文件。
f - 普通文件。
-size n：[c] 查找文件长度为n块的文件，带有c时表示文件长度以字节计。
-depth 在查找文件时，首先查找当前目录中的文件，然后再在其子目录中查找。
-fstype 查找位于某一类型文件系统中的文件，这些文件系统类型通常可以在配置文件/etc/fstab中找到，该配
置文件中包含了本系统中有关文件系统的信息。
-mount 在查找文件时不跨越文件系统mount点。
-follow 如果find命令遇到符号链接文件，就跟踪至链接所指向的文件。
# 另外,下面三个的区别:
-amin n 查找系统中最后N分钟访问的文件
-atime n 查找系统中最后n*24小时访问的文件
-cmin n 查找系统中最后N分钟被改变文件状态的文件
-ctime n 查找系统中最后n*24小时被改变文件状态的文件
-mmin n 查找系统中最后N分钟被改变文件数据的文件
-mtime n 查找系统中最后n*24小时被改变文件数据的文件

4.5.2 使用exec或ok来执行shell命令

​ 使用find时，只要把想要的操作写在一个文件里，就可以用exec来配合find查找，很方便的。

​ 在有些操作系统中只允许-exec选项执行诸如ls或ls -l这样的命令。大多数用户使用这一选项是为了查找旧文件并删除它们。建议在真正执行rm命令删除文件之前，最好先用ls命令看一下，确认它们是所要删除的文件。

​ exec选项后面跟随着所要执行的命令或脚本，然后是一对儿{}，一个空格和一个\，最后是一个分号。为了使用exec选项，必须要同时使用print选项。如果验证一下find命令，会发现该命令只输出从当前路径起的相对路径及文件名。

​ 例如：为了用ls -l命令列出所匹配到的文件，可以把ls -l命令放在find命令的-exec选项中

find . -type f -exec ls -l {} \;

​ 上面的例子中，find命令匹配到了当前目录下的所有普通文件，并在-exec选项中使用ls -l命令将它们列出。

​ 在/logs目录中查找更改时间在5日以前的文件并删除它们：

find logs -type f -mtime +5 -exec rm {} \;

​ 记住：在shell中用任何方式删除文件之前，应当先查看相应的文件，一定要小心！当使用诸如mv或rm命令时，可以使用-exec选项的安全模式。它将在对每个匹配到的文件进行操作之前提示你。

​ 在下面的例子中， find命令在当前目录中查找所有文件名以.LOG结尾、更改时间在5日以上的文件，并删除它们，只不过在删除之前先给出提示。

find . -name "*.conf" -mtime +5 -ok rm {} \;
< rm ... ./conf/httpd.conf > ? n

​ 按y键删除文件，按n键不删除。

​ 任何形式的命令都可以在-exec选项中使用。

​ 在下面的例子中我们使用grep命令。find命令首先匹配所有文件名为“ passwd*”的文件，例如passwd、passwd.old、passwd.bak，然后执行grep命令看看在这些文件中是否存在一个itcast用户。

find /etc -name "passwd*" -exec grep "itcast" {} \;
itcast:x:1000:1000::/home/itcast:/bin/bash

4.5.3 find命令的例子

# 查找当前用户主目录下的所有文件：
find $HOME -print
find ~ -print
# 让当前目录中文件属主具有读、写权限，并且文件所属组的用户和其他用户具有读权限的文件
find . -type f -perm 644 -exec ls -l {} \;
# 为了查找系统中所有文件长度为0的普通文件，并列出它们的完整路径
find / -type f -size 0 -exec ls -l {} \;
# 查找/var/logs目录中更改时间在7日以前的普通文件，并在删除之前询问它们
find /var/logs -type f -mtime +7 -ok rm {} \;
# 查找系统中所有属于root组的文件
find . -group root -exec ls -l {} \;
# find命令将删除当目录中访问时间在7日以来、含有数字后缀的admin.log文件
# 该命令只检查三位数字，所以相应文件的后缀不要超过999。先建几个admin.log*的文件 ，才能使用下面这个命令
find . -name "admin.log[0-9][0-9][0-9]" -atime -7 -ok rm {} \;
# 为了查找当前文件系统中的所有目录并排序
find . -type d | sort

4.6 sed

​ sed意为流编辑器（Stream Editor），在Shell脚本和Makefile中作为过滤器使用非常普遍，也就是把前一个程序的输出引入sed的输入，经过一系列编辑命令转换为另一种格式输出。sed和vi都源于早期UNIX的ed工具，所以很多sed命令和vi的末行命令是相同的。

​ sed命令行的基本格式为

sed option 'script' file1 file2 ...
sed option -f scriptfile file1 file2 ...

​ 选项含义：

--version 				显示sed版本。
--help					显示帮助文档。
-n,--quiet,--silent 	静默输出，默认情况下，sed程序在所有的脚本指令执行完毕后，将自动打印模式空间中的内容，这些选项可以屏蔽自动打印。
-e script 				允许多个脚本指令被执行。
-f script-file,
--file=script-file 		从文件中读取脚本指令，对编写自动脚本程序来说很棒！
-i,--in-place 			直接修改源文件，经过脚本指令处理后的内容将被输出至源文件（源文件被修改）慎用！
-l N, --line-length=N 	该选项指定l指令可以输出的行长度，l指令用于输出非打印字符。
--posix 				禁用GNU sed扩展功能。
-r, --regexp-extended 	在脚本指令中使用扩展正则表达式
-s, --separate 			默认情况下，sed将把命令行指定的多个文件名作为一个长的连续的输入流。而GNU sed则允许把他们当作单独的文件，这样如正则表达式则不进行跨文件匹配。
-u, --unbuffered 		最低限度的缓存输入与输出。

​ 以上仅是sed程序本身的选项功能说明，至于具体的脚本指令（即对文件内容做的操作）后面我们会详细描述，这里就简单介绍几个脚本指令操作作为sed程序的例子。

a,	append 			追加
i,	insert 			插入
d,	delete 			删除
s,	substitution 	替换

​ 如：$ sed “2a itcast” ./testfile 在输出testfile内容的第二行后添加"itcast"。

sed "2,5d" testfile

​ sed处理的文件既可以由标准输入重定向得到，也可以当命令行参数传入，命令行参数可以一次传入多个文件，sed会依次处理。sed的编辑命令可以直接当命令行参数传入，也可以写成一个脚本文件然后用-f参数指定，编辑命令的格式为：

/pattern/action

​ 其中pattern是正则表达式，action是编辑操作。sed程序一行一行读出待处理文件，如果某一行与pattern匹配，则执行相应的action，如果一条命令没有pattern而只有action，这个action将作用于待处理文件的每一行。

3.6.1 常用sed命令

/pattern/p 打印匹配pattern的行
/pattern/d 删除匹配pattern的行
/pattern/s/pattern1/pattern2/ 查找符合pattern的行，将该行第一个匹配pattern1的字符串替换为pattern2
/pattern/s/pattern1/pattern2/g 查找符合pattern的行，将该行所有匹配pattern1的字符串替换为pattern2

​ 使用p命令需要注意，sed是把待处理文件的内容连同处理结果一起输出到标准输出的，因此p命令表示除了把文件内容打印出来之外还额外打印一遍匹配pattern的行。比如一个文件testfile的内容是

123
abc
456

​ 打印其中包含abc的行

sed '/abc/p' testfile
123
abc
abc
456

​ 要想只输出处理结果，应加上-n选项，这种用法相当于grep命令

sed -n '/abc/p' testfile
abc

​ 使用d命令就不需要-n参数了，比如删除含有abc的行

sed '/abc/d' testfile
123
456

​ 注意，sed命令不会修改原文件，删除命令只表示某些行不打印输出，而不是从原文件中删去。

​ 使用查找替换命令时，可以把匹配pattern1的字符串复制到pattern2中，比如：

sed 's/bc/-&-/' testfile
123
a-bc-
456
pattern2中的&表示原文件的当前行中与pattern1相匹配的字符串

​ 再比如

sed 's/\([0-9]\)\([0-9]\)/-\1-~\2~/' testfile
-1-~2~3
abc
-4-~5~6

​ pattern2中的\1表示与pattern1的第一个()括号相匹配的内容，\2表示与pattern1的第二个()括号相匹配的内容。sed默认使用Basic正则表达式规范，如果指定了-r选项则使用Extended规范，那么()括号就不必转义了。如：

sed -r 's/([0-9])([0-9])/-\1-~\2~/' out.sh

​ 替换结束后，所有行，含有连续数字的第一个数字前后都添加了“-”号；第二个数字前后都添加了“~”号。

​ 可以一次指定多条不同的替换命令，用“;”隔开：

sed 's/yes/no/;s/static/dhcp/' ./testfile
# 注：使用分号隔开指令。

​ 也可以使用 -e 参数来指定不同的替换命令，有几个替换命令需添加几个 -e 参数：

sed -e 's/yes/no/' -e 's/static/dhcp/' testfile
# 注：使用-e选项。

​ 如果testfile的内容是

<html><head><title>Hello World</title></head>
<body>Welcome to the world of regexp!</body></html>

​ 现在要去掉所有的HTML标签，使输出结果为：

Hello World
Welcome to the world of regexp!
# 怎么做呢？如果用下面的命令
sed 's/<.*>//g' testfile

​ 结果是两个空行，把所有字符都过滤掉了。这是因为，正则表达式中的数量限定符会匹配尽可能长的字符串，这称为贪心的(Greedy)。比如sed在处理第一行时，<.*>匹配的并不是<html>或<head>这样的标签，而是

<html><head><title>Hello World</title>

​ 这样一整行，因为这一行开头是<，中间是若干个任意字符，末尾是>。那么这条命令怎么改才对呢？

sed -r 's/(<[a-z]+>)|(<\/[a-z]+>)//g' t.html
# 或者
sed -r 's/<[^<>]*>//g' t.html

4.7 awk

​ sed以行为单位处理文件，awk比sed强的地方在于不仅能以行为单位还能以列为单位处理文件。awk****缺省的行分隔符是换行，缺省的列分隔符是连续的空格和Tab，但是行分隔符和列分隔符都可以自定义，比如/etc/passwd文件的每一行有若干个字段，字段之间以:分隔，就可以重新定义awk的列分隔符为:并以列为单位处理这个文件。awk实际上是一门很复杂的脚本语言，还有像C语言一样的分支和循环结构，但是基本用法和sed类似，awk命令行的基本形式为：

awk option 'script' file1 file2 ...
awk option -f scriptfile file1 file2 ...

​ 和sed一样，awk处理的文件既可以由标准输入重定向得到，也可以当命令行参数传入，编辑命令可以直接当命令行参数传入，也可以用-f参数指定一个脚本文件，编辑命令的格式为：

/pattern/{actions}
condition{actions}

​ 和sed类似，pattern是正则表达式，actions是一系列操作。awk程序一行一行读出待处理文件，如果某一行与pattern匹配，或者满足condition条件，则执行相应的actions，如果一条awk命令只有actions部分，则actions作用于待处理文件的每一行。比如文件testfile的内容表示某商店的库存量：

ProductA 30
ProductB 76
ProductC 55

​ 打印每一行的第二列:

awk '{print $2;}' testfile
30
76
55

​ 自动变量$1、$2分别表示第一列、第二列等，类似于Shell脚本的位置参数，而$0表示整个当前行。再比如，如果某种产品的库存量低于75则在行末标注需要订货：

awk '$2<75 {printf "%s\t%s\n", $0, "REORDER";} $2>=75 {print $0;}' testfile
ProductA 30 REORDER
ProductB 76
ProductC 55 REORDER
# 或者
awk '$2>75 {print $0} $2<=75 {print $0 " reorder"}' awk.txt

​ 可见awk也有和C语言非常相似的printf函数。awk命令的condition部分还可以是两个特殊的condition－BEGIN和END，对于每个待处理文件，BEGIN后面的actions在处理整个文件之前执行一次，END后面的actions在整个文件处理完之后执行一次。

​ awk命令可以像C语言一样使用变量（但不需要定义变量），比如统计一个文件中的空行数

awk '/^ *$/ {x=x+1;} END {print x;}' testfile

​ 就像Shell的环境变量一样，有些awk变量是预定义的有特殊含义的：

​ awk常用的内建变量

FILENAME 	当前输入文件的文件名，该变量是只读的
NR 			当前行的行号，该变量是只读的，R代表record
NF 			当前行所拥有的列数，该变量是只读的，F代表field
OFS 			输出格式的列分隔符，缺省是空格
FS 			输入文件的列分融符，缺省是连续的空格和Tab
ORS 			输出格式的行分隔符，缺省是换行符
RS 			输入文件的行分隔符，缺省是换行符

​ 例如打印系统中的用户帐号列表

awk 'BEGIN {FS=":"} {print $1;}' /etc/passwd

​ awk也可以像C语言一样使用if/else、while、for控制结构。可自行扩展学习。

​ 统计PID在2100到2500之间的进程数。

4.8 C库程序中使用正则

​ POSIX规定了正则表达式的C语言库函数，详见regex(3)。我们已经学习了很多C语言库函数的用法，读者应该具备自己看懂man手册的能力了。本章介绍了正则表达式在grep、sed、awk中的用法，学习要能够举一反三，请读者根据regex(3)自己总结正则表达式在C语言中的用法，写一些简单的程序，例如验证用户输入的IP地址或email地址格式是否正确。

​ C语言处理正则表达式常用的函数有regcomp()、regexec()、regfree()和regerror()，一般分为三个步骤，如下所示：

​ C语言中使用正则表达式一般分为三步：

编译正则表达式 regcomp()
匹配正则表达式 regexec()
释放正则表达式 regfree()

​ 下边是对三个函数的详细解释

​ 这个函数把指定的正则表达式pattern编译成一种特定的数据格式compiled，这样可以使匹配更有效。函数regexec 会使用这个数据在目标文本串中进行模式匹配。执行成功返回０。

int regcomp (regex_t *compiled, const char *pattern, int cflags)

	regex_t 	是一个结构体数据类型，用来存放编译后的正则表达式，它的成员re_nsub 用来存储正则表达式中的子正则表达式的个数，子正则表达式就是用圆括号包起来的部分表达式。
	pattern 	是指向我们写好的正则表达式的指针。
	cflags 		有如下4个值或者是它们或运算(|)后的值：
		REG_EXTENDED 	以功能更加强大的扩展正则表达式的方式进行匹配。
		REG_ICASE 		匹配字母时忽略大小写。
		REG_NOSUB 		不用存储匹配后的结果,只返回是否成功匹配。如果设置该标志位，那么在regexec将忽略nmatch和pmatch两个参数。
		REG_NEWLINE 	识别换行符，这样'$'就可以从行尾开始匹配，'^'就可以从行的开头开始匹配。

​ 当我们编译好正则表达式后，就可以用regexec 匹配我们的目标文本串了，如果在编译正则表达式的时候没有指定cflags的参数为REG_NEWLINE，则默认情况下是忽略换行符的，也就是把整个文本串当作一个字符串处理。

​ 执行成功返回０。

​ regmatch_t 是一个结构体数据类型，在regex.h中定义：

typedef struct {
	regoff_t rm_so;
	regoff_t rm_eo;
} regmatch_t;

​ 成员rm_so 存放匹配文本串在目标串中的开始位置，rm_eo 存放结束位置。通常我们以数组的形式定义一组这样的结构。因为往往我们的正则表达式中还包含子正则表达式。数组0单元存放主正则表达式位置，后边的单元依次存放子正则表达式位置。

int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr[], int eflags)
compiled 	是已经用regcomp函数编译好的正则表达式。
string 		是目标文本串。
nmatch 		是regmatch_t结构体数组的长度。
matchptr 	regmatch_t类型的结构体数组，存放匹配文本串的位置信息。
eflags 有两个值:
	REG_NOTBOL 让特殊字符^无作用
	REG_NOTEOL 让特殊字符＄无作用

​ 当我们使用完编译好的正则表达式后，或者要重新编译其他正则表达式的时候，我们可以用这个函数清空compiled指向的regex_t结构体的内容，请记住，如果是重新编译的话，一定要先清空regex_t结构体。

void regfree (regex_t *compiled)

​ 当执行regcomp 或者regexec 产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串。

size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

errcode 	是由regcomp 和 regexec 函数返回的错误代号。
compiled 	是已经用regcomp函数编译好的正则表达式，这个值可以为NULL。
buffer 		指向用来存放错误信息的字符串的内存空间。
length 		指明buffer的长度，如果这个错误信息的长度大于这个值，则regerror 函数会自动截断超出的字符串，但他仍然会返回完整的字符串的长度。所以我们可以用如下的方法先得到错误字符串的长度。

​ 例如： size_t length = regerror (errcode, compiled, NULL, 0);

​ 测试用例：

#include <sys/types.h>
#include <regex.h>
#include <stdio.h>

int main(int argc, char ** argv)
{
	if (argc != 3) {
		printf("Usage: %s RegexString Text\n", argv[0]);
		return 1;
	}
	const char * pregexstr = argv[1];
	const char * ptext = argv[2];
	regex_t oregex;
	int nerrcode = 0;
	char szerrmsg[1024] = {0};
	size_t unerrmsglen = 0;
	if ((nerrcode = regcomp(&oregex, pregexstr, REG_EXTENDED|REG_NOSUB)) == 0) {
		if ((nerrcode = regexec(&oregex, ptext, 0, NULL, 0)) == 0)	{
			printf("%s matches %s\n", ptext, pregexstr);
			regfree(&oregex);
			return 0;
		}
	}
	unerrmsglen = regerror(nerrcode, &oregex, szerrmsg, sizeof(szerrmsg));
	unerrmsglen = unerrmsglen < sizeof(szerrmsg) ? unerrmsglen : sizeof(szerrmsg) - 1;
	szerrmsg[unerrmsglen] = '\0';
	printf("ErrMsg: %s\n", szerrmsg);
	regfree(&oregex);

	return 1;
}

​ 匹配网址：

./a.out "http:\/\/www\..*\.com" "http://www.taobao.com"

​ 匹配邮箱：

./a.out "^[a-zA-Z0-9][e-mail][a-zA-Z0-9]+.[a-zA-Z0-9]+" "[e-mail]"
./a.out "\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" "[e-mail]"
# 注：\w匹配一个字符，包含下划线

​ 除了gnu提供的函数外，还常用PCRE处理正则，全称是Perl Compatible Regular Ex-pressions。从名字我们可以看出PCRE库是与Perl中正则表达式相兼容的一个正则表达式库。PCRE是免费开源的库，它是由C语言实现的，这里是它的官方主页：http://www.pcre.org/，感兴趣的朋友可以在这里了解更多的内容。 要得到PCRE库，可以从这里下载：http://sourceforge.net/projects/pcre/files/

​ PCRE++是一个对PCRE库的C++封装，它提供了更加方便、易用的C++接口。这里是它的官方主页：http://www.daemon.de/PCRE，感兴趣的朋友可以在这里了解更多的内容。 要得到PCRE++库，可以从这里下载：http://www.daemon.de/PcreDownload

​ 另外c++中常用 boost regex。

---

1. 0-9 ↩︎