Linux【2】-管理文件-7-正则表达

一、基本概念

1.1 什么是正则表达式

1. 正则表达式就是为了处理大量的文本|字符串而定义的一套规则和方法
2. 通过定义的这些特殊符号的辅助，系统管理员就可以快速过滤，替换或输出需要的字符串。Linux正则表达式一般以行为单位处理。

通俗点说，就用一种简单的语法表达重复或者大量的有规律的橘子

1.2 为何使用正则表达式

linux运维工作，大量过滤日志工作，化繁为简。

简单，高效。

1.3 容易混淆的两个注意事项

• 正则表达式应用非常广泛，存在于各种语言中，php perl grep sed awk 支持。ls * 通配符
• 但现在学的是Linux中的正则表达式，最常应用正则表达式的命令是grep（egrep），sed，awk。
• 正则表达式和通配符有本质区别： 正则表达式用来找：【文件】内容，文本，字符串。一般只有三剑客支持；通配符用来找：文件名，普通命令都支持

1.4 正则表达式使用注意事项

1. linux正则表达式以行为单位处理字符串
2. 便于区别过滤出来的字符串，一定配合grep／egrep命令学习。

二、正则的使用

2.1 正则表达式的分类

POSIX规范将正则表达式的分为了两种：

1. 基本正则表达式（BRE，basic regular expression）
2. 高级功能：扩展正则表达式（ERE，extended regular expression）

BRE和ERE的区别仅仅是元字符的不同：

• BRE（基础正则表达式）只承认的元字符有^$.[]* 其他字符识别为普通字符：\(\)
• ERE(扩展正则表达式）则添加了（）{}?+|等 只有在用反斜杠“”进行转义的情况下，字符（）{}才会在BRE被* 当作元字符处理，而ERE中，任何元符号前面加上反斜杠反而会使其被当作普通字符来处理

2.2 如何区分通配符和正则表达式

1. 不需要思考的判断方法：在三剑客awk，sed，grep，egrep都是正则，其他都是通配符
2. 区别通配符和正则表达式最简单的方法：

• 文件目录名===>通配符
• ）文件内容（字符串，文本【文件】内容）===>正则表达式

通配符和正则表达式都有“*”，“?”，“【】”，但是通配符的这些符号都能自身代表任意字符，而正则表达式的这些符号只能代表这些符号前面的字符

2.3 基本正则表达式

^word 用来搜索word开头的内容

tanqianshan[Downloads]$ cat tmp.tsv 
abc
bc
tanqianshan[Downloads]$ grep "^a" tmp.tsv 
abc

word$ 搜索word结果的内容

tanqianshan[Downloads]$ cat tmp.tsv 
abc
bc
tanqianshan[Downloads]$ grep "c$" tmp.tsv 
abc
bc

^$ 表示空行，不是空格

tanqianshan[Downloads]$ cat -n tmp.tsv 
     1	abc
     2	
     3	bc
tanqianshan[Downloads]$ grep -n "^$" tmp.tsv 
2:

. 代表且只能代表任意一个字符（不匹配空行）

tanqianshan[Downloads]$ cat  tmp.tsv 
abc

bc
tanqianshan[Downloads]$ grep  ".b" tmp.tsv 
abc

\ 转义字符，让有特殊含义的字符脱掉马甲，先出原型，如 \. 只表示小数点。

• 重复之前的字符或文本0个或多个，之前的文本或字符连续0次或多次

.* 任意多个字符

^.* 以任意多个字符串开头

[] 匹配字符集

$ echo -e "Call\nTall\nBall" | sed -n '/[CT]all/ p'
Call
Tall

[^] 排除字符集

$ echo -e "Call\nTall\nBall" | sed -n '/[^CT]all/ p'
Ball

[-]字符范围。

$ echo -e "Call\nTall\nBall" | sed -n '/[C-Z]all/ p' 

Call 
Tall

[abc] 匹配字符集合内的任意一个字符a或b或c，可以写成[a-c]

[a-z] 匹配所有小写字母；

[0-9] 0到9任意一个数

[^abc] 匹配不包含^后的任意字符a或b或c，是对[abc]的取反，且与^含义不同

a\{n,m\} 重复前面a字符n到m次（如果用egrep或sed -r可去掉斜线）

a\{n,\} 重复前面a字符至少n次，如果用egrep或sed -r可去掉斜线

a\{n\} 重复前面a字符n次，如果用egrep或sed -r可去掉斜线

| 或操作。

echo -e "str1\nstr2\nstr3\nstr4" | sed -n '/str\(1\|3\)/ p'

str1 str3

2.4 扩展正则表达式ERE

• |重复前一个字符一次或一次以上，前一个字符连续一个或多个，把连续的文本／字符取出 ？ |重复前面一个字符0次或1次（.是有且只有1个） 管道符| | 表示或者同时过滤多个字符 （） | 分组过滤被括起来的东西表示一个整体（一个字符），后向引用

2.5 一些预定义的

2.6 元字符

元字符是一种Perl风格的正则表达式，只有一部分文本处理工具支持它，并不是所有的文本处理工具都支持

参考资料

• https://www.cnblogs.com/chensiqiqi/p/6285060.html
• https://blog.csdn.net/fanren224/article/details/79693782