linux工具——神奇的正则表达式

Hi, 我是小萝卜算子

近来有小伙伴私信我，说grep配合正则更无敌，但是正则总记不住，能不能整一个简单的参考，有需求必须安排一章

一、介绍

正则表达式是对字符串和特殊字符操作的一种逻辑公式，做开发的或多或少都接触过正则，其在检索匹配和替换领域能发挥超乎寻常的作用，掌握好正则表达式往往能达到事半功倍的效果，详情请看下文

二、常用字符

匹配符 （只列出常用的）

^: 匹配字符串开始，在方括号内标识非，即排除

$: 匹配字符串结束

[]: 匹配括号中的任一字符  [a-z] 匹配a-z ; [^A-Z] 不匹配A-Z;

. : 匹配除换行符之外所有的数据

\d(D):  匹配(非)数字 

\w(W):  匹配(非)数字、字母以及下滑线

\s(S) : 匹配(非)空格、换行符

\r -- \n -- \t:  回车 -- 换行 -- 制表符

\b(B):  匹配单词的(非)边界

eg:

匹配以a或者b或者c开头的数据

echo 'abcd' | grep -P '^(a|b|c)'

因为是单字符所以还可改为

echo 'abcd' | grep -P '^[abc]'

限定符

{n}: 次数=n

{n,}: 次数>=n 

{n,m}:   m>=次数>=n 

*:  次数>=0 

+:  次数>=1 

?:  0或者1(跟在限定符后表示非贪婪)

eg:

匹配最少连续三个ab组成的字符

echo 'mmababcdabababnn' | grep -P '(ab){3,}'

可以看出前面连续两个ab组成的字符没被匹配到

echo 'mmababcdabababnn' | grep -oP 'm+?'

m+是贪婪模式，尽可能多的匹配m数量，但是加了个？,则表示非贪婪

无敌的小括号

( ): 分组 

(?:pattern): 非获取分组

(?=pattern): 非获取匹配，正向肯定预查

(?!pattern): 非获取匹配，正向否定预查

(?<=pattern): 非获取匹配，反向肯定预查

(?<!pattern): 非获取匹配，反向否定预查

eg:

获取版本号

如 version1.23.4

echo 'version1.23.4' | grep -oP "(?<=version)[\d.]+"

(?<=version) 反向肯定预查，代表以version开头，但是并不获取此数据

特殊的字符

\ :转义字符

| :或  a|b 

eg:

获取 包含 * 或者 ^ 或者 + 的数据

echo "sdf*sdf^ssdfs\

当然更简洁的还是使用[]

echo "sdf*sdf^ssdfs\

因为在[]内 ^ 有特殊意义，所以要转义，如果放在后面，则可省略转义

echo "sdf*sdf^ssdfs\

三、应用实例

注：以下例子是用的grep + perl, 其他的正则可能会有些微差别

新建文本 tmp.txt 内容如下：

1：获取全数字内容 （纯数字）

cat tmp.txt | grep -oP '^[\d]+$'

2：获取方括号内容--非获取匹配(爬虫之类的html 标签之间内容也是类似)

cat tmp.txt | grep -oP '(?<=\[)[^]]*'

3：查出所有非空行（全空格也排除）和非注释行

sed '/^\s*#/d;/^\s*$/d' tmp.txt

sed -e '/^\s*#/d' -e '/^\s*$/d' tmp.txt

sed '/^\s*#\|^\s*$/d' tmp.txt

awk '!/^\s*#|^\s*$/' tmp.txt

grep -vP '^\s*#|^\s*$' tmp.txt

4：找出正数部分为5位及以内，小数部分为3位及以内的数据（此为线上真实例子）

cat tmp.txt | grep -oP '^(0|[1-9]\d{0,4})(\.\d{1,3})?$'

5：找出带下划线的数据，并转成驼峰（比较常用）

sed -n 's/_\(.\)/\u\1/gp' tmp.txt

update_password 修改为 updatePassword

6：交换方括号和大括号内容并输出（主要想让大家了解分组的用法）

sed 's/\([^][]*\)\(\].*{\)\([^}]*\)/\3\2\1/' tmp.txt

四、密码校验详解（手把手教大家）

需求：对用户输入的密码进行校验，要求只能含有数字，小写字母，大写字母

而且必须包含三种类型中的最少两种，且长度在6--10位

正常版：

1: 首先想到只能含有数字大小写字母，且6到10位

根据前面介绍的正则情况，可以限定 ^[\da-zA-Z]{6,10}$

2: 要求含3种类型中的至少两种，比如含有数字和小写字母，但是因为顺序不定所以可罗列为：[\d].*[a-z]|[a-z].*[\d]

那么把所有要求的情况展示出来，最终的结果是

echo 'password' | grep -P '[\da-zA-Z]{6,10}' | grep -P '[\d].*[a-z]|[a-z].*[\d]|[\d].*[A-Z]|[A-Z].*[\d]|[A-Z].*[a-z]|[a-z].*[A-Z]'

简洁版：

有没有觉得上面的方式有点怪怪的

首先是分两步验证

其次是如果情况很多的话罗列起来是不是很吓人，而且容易遗漏

有没有一种简单又实用的正则呢

答案当然是肯定的，这里就用到了零宽断言

当然基本要求还是固定的

^[\da-zA-Z]{6,10}$

判断是否包含小写字母和数字则

(?=.*[\d])(?=.*[a-z])不用区分先后顺

那么完整的结构为

echo 'password' | grep -P '(?=.*[\d])(?=.*[a-z])|(?=.*[A-Z])(?=.*[a-z])|(?=.*[\d])(?=.*[A-Z])^[\da-zA-Z]{6,10}$'

是不是很神奇呢！！！

其实掌握正则很简单，就是 匹配字符+限定符，以尽可能少的字符达到想要的结果，熟能生巧，想彻底掌握，还是需要多多练习哇。。。