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

shell编程之美

程序员文章站 2022-05-05 16:34:56
...

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
    
    

    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(())(())Shell(()),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(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[ 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()[ 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
aaa@qq.com 			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 aaa@qq.com"
shift
echo "The first parameter is $1"
echo "The second parameter is $2"
echo "The parameter list is aaa@qq.com"

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 $DIR_NAME ]; then
		return 1
	else
		return 0
	fi
}
for DIR in "aaa@qq.com"; do
	if is_directory "$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aaa@qq.com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aaa@qq.com、aaa@qq.com,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、aaa@qq.com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.-]aaa@qq.com[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。

shell编程之美

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]aaa@qq.com[a-zA-Z0-9]+.[a-zA-Z0-9]+" "aaa@qq.com"
./a.out "\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" "aaa@qq.com"
# 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 ↩︎

相关标签: linux 服务器