linux 正则表达式详解
声明
以下内容均总结自鸟哥私房菜这本书，如想详细了解，请参考该书以及其它相关资料。学习下面基础正则表达式之前请先简单了解一下grep的用法。
基础正则表达式
基础正则表达式语法
RE字符 | 含义 |
|---|---|
^word | 待搜寻的字符串(word)在行首！ |
word$ | 待搜寻的字符串(word)在行尾！ |
. | 代表『任意一个』字符，一定是一个任意字符！ |
\ | 转义字符，将特殊符号的特殊意义去除 |
* | 代表『任意一个』字符，一定是一个任意字符！ |
[list] | 找出包含在list集合里面的字符 |
[n1-n2] | 找出包含在n1-n2范围内的字符，这个是[list]的一种特殊写法，要求n1-n2使有序的，比如a-z表示小写字母,A-Z表示大写字母，0-9表示数字0到9，连续与否与ASCII哟有关 |
{n,m} | 这是限定连续RE字符的范围，{n,m}表示连续前一个字符的个数在n到m之间，若为{n}则表示连续n个前一个字符，若为{n,}则表示连续n个以上前一个字符 |
[^list] | 匹配不在list集合里面的字符 |
仅看上面的规则可能不能完全看懂，下面结合实际的例子来讲解，在讲解之前请先执行下面指令将文本样例下载下来。
wget http://linux.vbird.org/linux_basic/0330regularex/regular_express.txt样例详解
1.查找特定字符串
查找包含the的行
[root@localhost tmp]# grep -n 'the' regular_express.txt查找不包含the的行
[root@localhost tmp]# grep -nv 'the' regular_express.txt不区分大小写
[root@localhost tmp]# grep -in 'the' regular_express.txt查找包含Tast或者test字符串的行
2.使用[list]规则来进行查找
查找包含taste或test字符串的行
[root@localhost tmp]# grep -n 't[ae]st' regular_express.txt注意这里面正则表达式t[ae]st只能表示两个值tast或test，不能表示taest，也就是[]里面的字符串只选一个进行结合。
查找包含oo的行
[root@localhost tmp]# grep -n 'oo' regular_express.txt 查找oo前面的字符不是g的行
[root@localhost tmp]# grep -n '[^g]oo' regular_express.txt查找oo前面不是小写字母开始的行
[root@localhost tmp]# grep -n '[^a-z]oo' regular_express.txt这里面的-符号是有特使含义的，表示连续一组字符，字符是否连续和ASCII有关，这是一种简写，你也可以在[]里把a到z的所有字符全部写出来，明显没有[a-z]简单。同样的[0-9]，[A-Z]也是简写。
3.对行首和行尾字符进行限定^$
行首以字符串the开头
[root@localhost tmp]# grep -n '^the' regular_express.txt行首以小写字母开头
[root@localhost tmp]# grep -n '^[a-z]' regular_express.txt行首不是英文字母开头
[root@localhost tmp]# grep -n '^[^a-zA-Z]' regular_express.txt
1:"Open Source" is a good mechanism to develop programs.
21:# I am VBird这里要注意了，^这个符号在[]里面和外面是完全不一样的，在外面表示定位在行首，起到定位的作用，在里面表示非的意思。
查找以.结尾的行
[root@localhost tmp]# grep -n '\.$' regular_express.txt使用$定位在行尾，想要以.结尾的,但是.有特殊意义，所以需要使用\来转义吗， 来解除其特殊含义。在linux中每行是以$来结尾的，那么如何匹配空白行呢？
[root@localhost tmp]# grep -n '^$' regular_express.txt
22:所以如果想过滤文件中空白行和注释行，可以使用下面的指令
[root@localhost tmp]# grep -v '^$' /etc/sysconfig/iptables-config | grep -v '^#'grep -v ‘^$’表示过滤空白行，grep -v ‘^#’表示过滤注释行。
4.任意一个字符.与重复字符*
. 代表一定有一个任意字符 * 代表重复前一个0到无穷多次的意思 找出g??d的字符，即g开头，d结尾的四个字符
[root@localhost tmp]# grep -n 'g..d' regular_express.txt 如果想要列出含有oo,ooo,oooo等的数据，也就是至少含有两个o以上。用o*合适吗？不合适。因为表示前面字符重复0到任意多次，所以可以是空，啥都没有，所以o会匹配出所有数据。应该使用oo*，即至少有一个o，同理至少两个o为oo*。
[root@localhost tmp]# grep -n 'oo*' regular_express.txt匹配字符开头和结尾都是g，中间必须是o且可以有多个，即gog,goog,gooog等
[root@localhost tmp]# grep -n 'goo*g' regular_express.txt找到g开头和g结尾的
[root@localhost tmp]# grep -n 'g.*g' regular_express.txt包含任意数字
[root@localhost tmp]# grep -n '[0-9][0-9]*' regular_express.txt5.限定连续字符范围{}
由于{}在shell中是有特殊含义的，所以使用时需要先转义 限定字符中只包含两个o
[root@localhost tmp]# grep -n 'o\{2\}' regular_express.txtgg中间包含2到5个o
[root@localhost tmp]# grep -n 'o\{2,5\}' regular_express.txtgg中间至少包含两个o，这个又两种写法
[root@localhost tmp]# grep -n 'gooo*g' regular_express.txt
[root@localhost tmp]# grep -n 'go\{2,\}g' regular_express.txt注意：”!”在正则表达式中并不是特殊字符，所以要想查找文件中含有!和>字符的行，可以这样。
[root@localhost tmp]# grep -n '[!>]' regular_express.txt强调一下，正则表达式和linux的通配符是不一样的，在通配符中*代表零到无限多个字符，比如我使用
[root@localhost tmp]# ls test*
test.patch拓展正则表达式
了解基础正则表达式已经足够了，但是有些时候为了简化操作，也需要使用扩展正则表达式。比如使用基础正则表达式去除空白行和行首是#开头的注释行，使用
[root@localhost tmp]# grep -v '^$' regular_express.txt | grep -v '^#'如果使用扩展正则表达式可以使用
[root@localhost tmp]# egrep -v '^$|^#' regular_express.txt使用扩展表达式时，使用egrep而不是grep。
扩展正则表达式语法
RE字符 | 含义 |
|---|---|
+ | 重复一个或一个以上的前一个RE字符 |
？ | 零个或者一个前一个RE字符 |
| | 表示或 |
() | 查找组字符串 |
()+ | 多个重复组判断 |
样例详解
1. +：重复一个或一个以上的前一个RE字符
找出包含god,good,goood的行
[root@localhost tmp]# egrep -n 'go+d' regular_express.txt
1:"Open Source" is a good mechanism to develop programs.
9:Oh! The soup taste good.
13:Oh! My god!2. ?：零个或者一个前一个RE字符
找出包含gd或god的行
[root@localhost tmp]# egrep -n 'go?d' regular_express.txt
13:Oh! My god!
14:The gd software is a library for drafting programs.3. |：或
找出包含god,good,或者dog的行
[root@localhost tmp]# egrep 'god|good|dog' regular_express.txt
"Open Source" is a good mechanism to develop programs.
Oh! The soup taste good.
Oh! My god!
I like dog.4. ()：查找组
找出包含glad或者good的行
[root@localhost tmp]# egrep 'g(oo|la)d' regular_express.txt
"Open Source" is a good mechanism to develop programs.
Oh! The soup taste good.
The world <Happy> is the same with "glad".5. ()+：多个重复组判断
在下面的文本内容中，找出以A开头C结尾的含有一个以上的xyz字符串。 文本内容： 1.sasbAxyzxyzxyzCqwee 2.sdafAxysaC
[root@localhost tmp]# echo '1.sasbAxyzxyzxyzCqwee
2.sdafAxysaC' | egrep 'A(xyz)+C'
1.sasbAxyzxyzxyzCqwee强调
ls test*表示查找文件名test开头的文件。而在正则表达式中*则代表重复前面的RE字符0到无穷多次，通配符和正则不要搞混了。
腾讯云开发者
