正则表达式

Mr.Hope ... 2020年6月4日 01:08 大约 5 分钟

# 正则表达式

正则表达式是表达文本模式的方法。

  • .: 匹配任何单个字符。
  • ?: 上一项是可选的,最多匹配一次。
  • *: 前一项将被匹配零次或多次。
  • +: 前一项将被匹配一次或多次。
  • {N}: 上一项完全匹配 N 次。
  • {N,}: 前一项匹配 N 次或多次。
  • {N,M}: 前一项至少匹配 N 次,但不超过 M 次。
  • --: 表示范围,如果它不是列表中的第一个或最后一个,也不是列表中某个范围的终点。
  • ^: 匹配行首的空字符串;也代表不在列表范围内的字符。
  • $: 匹配行尾的空字符串。
  • \b: 匹配单词边缘的空字符串。
  • \B: 匹配空字符串,前提是它不在单词的边缘。
  • \<: 匹配单词开头的空字符串。
  • \>: 匹配单词末尾的空字符串。

# 元字符

元字符是表示特殊函数的字符,包括以下这些 ^ $ . [ ] { } - ? * + ( ) | \\。除了元字符,其他字符在正则表达式中,都表示原来的含义。

  • . 匹配任意字符,但不含空字符
  • ^ 匹配文本行开头
  • $ 匹配文本行结尾
grep -h '.zip' dirlist*.txt
1

上面命令在文件中查找包含正则表达式“.zip”的文本行。注意,上面命令不会匹配 zip 程序,因为 zip 只有三个字符,而 .zip 要求四个字符。

grep -h '^zip' dirlist*.txt
grep -h 'zip$' dirlist*.txt
1
2

上面命令分别在文件列表中搜索行首,行尾以及行首和行尾同时包含字符串“zip”(例如,zip 独占一行)的匹配行。注意正则表达式‘^$’(行首和行尾之间没有字符)会匹配空行。

# 方括号

方括号之中的字符,表示可以任意匹配其中的一个。

grep -h '[bg]zip' dirlist*.txt
1

上面命令匹配包含字符串“bzip”或者“gzip”的任意行。

注意,元字符放入方括号之中,会失去其特殊含义。但有两种情况除外,^ 在方括号的开头,表示否定,否则只是一个普通字符,表示原义。

grep -h '[^bg]zip' dirlist*.txt
1

上面命令匹配不以 bg 开头的 zip 字符串。注意,上面命令不会匹配 zip,因为一个否定的字符集仍然要求存在一个字符。

- 在方括号之中表示一个字符区域。

grep -h '^[A-Z]' dirlist*.txt
1

上面命令匹配所有以大写字母开头的文本行。类似的,^[A-Za-z0-9] 表示以大写字母、小写字母、数字开头的文本行。

注意,连字号如果不构成一个字符区域,则表示其本来的含义。

grep -h '[-AZ]' dirlist*.txt
1

上面命令匹配包含一个连字符,或一个大写字母“A”,或一个大写字母“Z”的文件名。

# 预定义字符类

由于 locale 设置不同,Shell 展开正则表达式 [A-Z] 时,可能不是解释为所有大写字母,而是解释为包括所有字母的字典顺序。

ls /usr/sbin/[A-Z]*
1

上面命令在某些发行版里面,会返回所有大写字母或小写字母开头的文件。

为了避免这个问题,可以使用正则表达式的预定义字符类。

  • [:alnum:] 字母数字字符。在 ASCII 中,等价于: [A-Za-z0-9]
  • [:word:][:alnum:] 相同, 但增加了下划线字符。
  • [:alpha:] 字母字符。在 ASCII 中,等价于 [A-Za-z]
  • [:blank:] 包含空格和 tab 字符。
  • [:cntrl:] ASCII 的控制码。包含了 0 到 31,和 127 的 ASCII 字符。
  • [:digit:] 数字 0 到 9
  • [:graph:] 可视字符。在 ASCII 中,它包含 33 到 126 的字符。
  • [:lower:] 小写字母。
  • [:punct:] 标点符号字符。
  • [:print:] 可打印的字符。等于 [:graph:] 中的所有字符,再加上空格字符。
  • [:space:] 空白字符,包括空格,tab,回车,换行,vertical tab, 和 form feed.在 ASCII 中, 等价于 [ \t\r\n\v\f]
  • [:upper:] 大写字母。
  • [:xdigit:] 用来表示十六进制数字的字符。在 ASCII 中,等价于 [0-9A-Fa-f]
ls /usr/sbin/[[:upper:]]*
1

上面命令返回所有大写字母开头的文件名。

# 选择

| 表示匹配一系列字符串之中的一个。注意与方括号区分,方括号表示匹配一系列字符之中的一个。

$ echo "AAA" | grep -E 'AAA|BBB'
AAA
$ echo "BBB" | grep -E 'AAA|BBB'
BBB
$ echo "CCC" | grep -E 'AAA|BBB'
$
1
2
3
4
5
6

上面代码中,AAA|BBB 表示匹配字符串 AAA 或者是字符串 BBBgrep 程序使用 -E 参数,表示按照正则表达式规则匹配。并且,这个正则表达式放在单引号之中,为的是阻止 Shell 把 | 解释为管道操作符。

| 可以多个连用,也可以与其他正则规则结合使用。

echo "AAA" | grep -E 'AAA|BBB|CCC'

grep -Eh '^(bz|gz|zip)' dirlist*.txt
1
2
3

# 量词操作符

量词操作符表示一个元素被匹配的次数。

  • ? 匹配前面的元素出现 0 次或 1 次
  • * 匹配前面的元素出现 0 次或多次
  • + 匹配前面的元素出现 1 次或多次
  • {n} 匹配前面的元素出现了 n
  • {n,m} 匹配前面的元素它至少出现了 n 次,但是不多于 m
  • {n,} 匹配前面的元素至少出现了 n
  • {,m} 匹配前面的元素,如果它出现的次数不多于 m 次。