正则表达式

欢迎阅读《每天一个Linux命令》系列！在本篇文章中，将说明正则表达式。

一、概念

正则表达式是由一系列特殊字符组成的字符串，每个特殊字符都被称为元字符，元字符并不表示字面上的含义，而都有特定的含义。

例如 a 、b 、1 、2 等字符属于普通字符，普通字符可以按照字面理解，而* 、^ 、[] 等元字符，shell赋予了他们超越字面意思的意义，如 * 字面意思是符号，实际却表示重复前面的字符 0 次或多次的隐藏含义。

正则表达式也是强大的文本匹配工具，可以用于各种场景，例如文件搜索、文本处理、数据分析等。在Linux运维中，正则表达式更是必不可少的工具，可以用于以下场景：

• 查找和替换文本；
• 验证输入数据；
• 提取文本信息；
• 编写脚本。

二、组成

一个正则表达式由下列1项或多项组成：

• 一个字符集：普通字符。
• 锚：指定了正则表达式要匹配的文本在文本行中所处的位置。
• 修饰符：扩大或缩小正则表达式匹配文本的范围。

三、正则表达式

正则表达式由一系列特殊字符组成，其中每个字符都有特定的含义和功能。以下是一些常见的正则表达式字符和功能：

字符	说明
\	转义，将下一字符标记为特殊字符
^	匹配输入字符开头（如'^a'，匹配a开头）
$	匹配输入字符串结尾（如'$a'，匹配a结尾）
*	匹配一个字符出现n次
+	一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。
?	零次或一次匹配前面的字符或子表达式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。
{n}	n 是非负整数。正好匹配 n 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。
{n,}	n 是非负整数。至少匹配 n 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。
{n,m}	M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。
?	当此字符紧随任何其他限定符（、+、?、{n}、{n,}、{n,m*}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"。
.	匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。
(pattern)	匹配 pattern 并捕获该匹配的子表达式。可以使用 \(0…\)9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"\("或者"\)"。
(?:pattern)	匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。
(?=pattern)	执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
(?!pattern)	执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
x|y	匹配 x 或 y。例如，'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。
[xyz]	字符集。匹配包含的任一字符。例如，"[abc]"匹配"plain"中的"a"。
[^xyz]	反向字符集。匹配未包含的任何字符。例如，"[^abc]"匹配"plain"中"p"，"l"，"i"，"n"。
[a-z]	字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。
[^a-z]	反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。
\b	匹配一个字边界，即字与空格间的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。
\B	非字边界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。
\cx	匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。
\d	数字字符匹配。等效于 [0-9]。
\D	非数字字符匹配。等效于 [^0-9]。
\f	换页符匹配。等效于 \x0c 和 \cL。
\n	换行符匹配。等效于 \x0a 和 \cJ。
\r	匹配一个回车符。等效于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。
\S	匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。
\t	制表符匹配。与 \x09 和 \cI 等效。
\v	垂直制表符匹配。与 \x0b 和 \cK 等效。
\w	匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。
\W	与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。
\xn	匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。
*num*	匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。
*n*	标识一个八进制转义码或反向引用。如果 *n* 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。
*nm*	标识一个八进制转义码或反向引用。如果 *nm* 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 *nm前面至少有 *n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 *nm* 匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。
\nml	当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。
\un	匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。

四、常用示例

复制 /etc/passwd 作为测试文件：

Text Only

cat /etc/passwd >> /tmp/test.txt

1.筛选出指定字符串开头的行

例如：筛选出以 r 开头的行：

Bash

grep -i -n '^r' test.txt

输出：

Bash

1:root:x:0:0:root:/root:/bin/bash

2.筛选出指定字符串结尾的行

例如：筛选出以 n 结尾的行：

Bash

grep -i -n 'n$' test.txt 

输出：

Bash

2:bin:x:1:1:bin:/bin:/sbin/nologin
3:daemon:x:2:2:daemon:/sbin:/sbin/nologin
...

3.筛选出指定符号结尾的行

例如：筛选出以小数点结尾的行，小数点作为特殊符号，需要用转义字符 \ ：

Bash

# echo 写入小数点到文件，再筛选
echo '...' >> test.txt | grep -i '\.$' test.txt 

输出：

Bash

...

4.筛选出文件中的空行

^ 开头和 $ 结尾，两者结合就是空白行，-n 输出行号，标识有 23、24 两行空白：

Bash

grep -n '^$' test.txt 

输出：

Bash

23:
24:

5.筛选出包含指定字符串的行

例如：筛选出包含 roo 的行：

Bash

echo "ROOT" >> test.txt | grep -i -n 'root*' test.txt                   

输出：

Text Only

1:root:x:0:0:root:/root:/bin/bash
10:operator:x:11:0:operator:/root:/sbin/nologin
27:ROOT

6.找出文件中指定字符串出现的次数

例如：找出文件中 r 出现的次数：

Bash

grep -i -n 'r*' test.txt | wc -l 
25

7.找出文件中包含大小写字母及数字的字符

也可以单独筛选 [a-f] 或者 [1-5] ，数字大小写，可随意组合：

Bash

grep -i -n '[a-zA-Z0-9]' test.txt

输出：

Bash

1:root:x:0:0:root:/root:/bin/bash
...省略

其中，输出的内容，字母和数字标红，用于标识，而冒号 : 则是白色字体显示。

8.替换文件中指定字符串为其他字符串

例如：将文件的 root 全部替换为 admin ：

Bash

sed 's/root/admin/g' test.txt

输出：

Bash

admin:x:0:0:admin:/admin:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
...

9.删除文件中指定行数内容

例如：删除文章第二行到第三行的内容：

Bash

sed '2,3d' test.txt 

输出：

Bash

root:x:0:0:root:/root:/bin/bash
adm:x:3:4:adm:/var/adm:/sbin/nologin
...

10.输出指定列内容

例如：先准备文件，并写入内容，使用命令：

Bash

vim josh.txt

josh josh1 josh2
josh josh1 josh2
josh josh1 josh2

然后输出第一列到第二列的内容：

Text Only

awk '{print $1,$2}' josh.txt

输出：

Bash

josh josh1
josh josh1
josh josh1

五、总结

正则表达式是一种强大的工具，可以用于各种实际应用。掌握正则表达式的使用方法，可以提高工作效率和代码质量。