Shell編程之正則表達式

近期研讀 伍之昂老師 的<<Linux Shell編程從初學到精通>>,這裏當作本身的學習筆記.

元字符:元字符（Metacharacters）是用來闡釋字符表達式意義的字符，簡言之，元字符就是描述字符

的字符，它用於對字符表達式的內容、轉換及各類操做信息進行描述。

正則表達式:正則表達式是由一串字符和元字符構成的字符串，簡稱RE（Regular Expression）。正

則表達式的主要功能是文本查詢和字符串操做，它能夠匹配文本的一個字符或字符集合。實際上，正

則表達式完成了數據過濾，將不知足正則表達式定義的數據拒絕掉，剩下與正則表達式匹配的數據。

POSIX 標準將正則表達式分爲兩類：基本的正則表達式和擴展的正則表達式。

基本的正則表達式

基本的正則表達式元字符集合及其意義:

下面逐個介紹正則表達式元字符的意義和用法，並舉一些例子結合使用元字符集合。

1．"*"符號

"*"符號用於匹配前面一個普通字符的0 次或屢次重複，如：

hel*o

"*"符號前面的普通字符是l，*字符就表示匹配l 字符0 次或屢次，如字符串heo、helo、hello、hellllllo均可以由hel*o來表示。

2．"."符號

點號"."用於匹配任意一個字符，如：  

…73.

因爲"."符號只能匹配一個字符，所以，上述字符串表示前面三個字符爲任意字符，第4 和第5 個字符是7和3，最後一個字符爲任意字符，如xcb73八、4J973U都能匹配上述字符串。值得注意的是，"."符號能夠匹配一個空格，所以，x b73八、ui 73e也能匹配上述字符串。

3．"^"符號

"^"符號用於匹配行首，表示行首的字符是"^"字符後面的那個字符，如：

^cloud

這表示匹配以cloud開頭的行。結合上面介紹的"*"符號和"."符號，再舉一個例子：

^…X86*

該字符串表示行首的三個字符爲任意字符（能夠是空格），第4～6 個字符爲X86，第7個字符開始能夠重複匹配6，如：866X8666六、8 6X86均可以匹配上述字符串。

4．"$"符號

$符號匹配行尾，$符號放在匹配字符以後，與"^"符號的功能和用法都相反，如：

micky$

該正則表達式表示匹配以micky結尾的全部行。一個特殊的正則表達式是匹配全部空行的表達式，爲：

#表明一個空行
^$

該正則表達式既匹配行首，又匹配行尾，中間沒有任何字符，所以，爲空行。須要牢記空行表示方法，不少命令都用到這個正則表達式來表示空行。

若是須要匹配只包含一個字符的行，以下所示：

^.$

5．"[]"符號

方括號[]匹配字符集合，該符號支持窮舉方法列出字符集合的全部元素，也支持使用"-"符號表示字符集合範圍，代表字符集合範圍從"-"左邊字符開始，到"-"右邊字符結束。若是要匹配任意一個數字，可使用以下所示的兩種方法，前一種窮舉了阿拉伯數字，後一種用數字範圍表示，顯得比較簡潔。

#窮舉方法列出字符集合
[0123456789]
#使用"-"來表示集合範圍
[0-9]

"[]"也能夠用作字母匹配，以下所示：

[a-z] #全部小寫字母
[A-Z] #全部大寫字母
[b-p] #小寫字母b～p

Linux 系統對大小寫是敏感的，而且支持字母排序，所以，Linux 中有大寫字母序列和小寫字母序

列，二者是分開的，a～z 表示全部的小寫字母，A～Z 表示全部的大寫字母，而b～p表示從b到p之間

全部的小寫字母。

咱們知道，"^"符號表示匹配行首，可是，"^"符號放到"[]"符號中就再也不表示匹配行首了，而是表示

取反符號，請看下面例子:

[^b-d]

"[^b-d]" 正則表達式匹配不在b～d範圍以內的全部字符，此時，符號"^"再也不表示匹配行首，而是取

反符號，不在b～d範圍內的字符實際上涵蓋了除了小寫字母b、c和d以外的全部字符（包括其餘字母、

數字、空格等）。再舉一個"[]"符號和"*"符號結合的例子。

[A-Za-z] [A-Za-z]*

上訴正則表達式表示以任意一個字母開頭，再以任意字母進行0 次或任意次重複，實際上，這個正則表達式能夠匹配任意英文單詞。

6．"\"符號

"\"符號是轉義符，用於屏蔽一個元字符的特殊意義，即以字面含義來解釋"\"符號後面的元字符，如：

#轉義符號屏蔽元字符"."的特殊含義
\.

7．"\<\>"符號

"\<\>"符號是精確匹配符號，該符號利用"\"符號屏蔽"<>"符號，如：

\<the\>

該正則表達式精確匹配the 這個單詞，而不匹配包含the 字符的單詞，如them、there、another 等。

8．"\{\}"系列符號

"\{\}"系列符號與"*"符號相似，都是表示前一個字符的重複。可是，"*"符號表示重複0 次或任意次，而"\{\}"系列符號能夠指定重複次數，"\{\}"系列符號包括如下三種形式。

\{n\}：匹配前面字符出現n次。

\{n,\}：匹配前面字符至少出現n次。

\{n,m\}：匹配前面字符出現n～m次。

請看以下例子:

#\{\}系列符號的用法
JO\{3\}B #重複字符O 3 次
JO\{3,\}B #重複字符O 至少3次
JO\{3,6\}B #重複字符O 3～6次

JO\{3\}B表示重複字符O 3次，匹配值爲：JOOOB。

JO\{3,\}B 表示重複字符O 至少3 次，JOOOB、JOOOOB、JOOOOOB 等字符串均可由該正則表達式來匹配。

JO\{3,6\}B表示重複字符O 至少3 次，至多6次，JOOOB、JOOOOOOB等字符串都知足，可是JOOB、JOOOOOOOB等字符串就不知足。

再舉一個例子：

#精確匹配5個小寫字母
[a-z] \{5\}

上訴正則表達式表示精確匹配5個小寫英文字母，好比hello、house等。

擴展的正則表達式

除基本的正則表達式的元字符以外，awk 和Perl 等Linux 工具還支持正則表達式擴展出來的一些元字符，以下所示

擴展的正則表達式元字符集合及其意義:

下面詳細介紹擴展的正則表達式元字符及其用法。

1．"?"符號

匹配"?"符號以前的那個字符0 次或1 次，如：

#?符號的意義
JO?B

該表達式表示匹配O 字符0次或1 次，即匹配JB、JOB、JOOB等。須要注意的是，"?"字符至多能夠匹配1 個字符。

2．"+"符號

與"*"符號相似，都是匹配其前面的那個字符屢次，可是，"*"符號能夠匹配0次，而"+"符號至少匹配1 次，如：

#+符號的意義
S+EU

該表達式表示匹配S 1 次或任意次，SEU、SSEU、SSSSEU 等字符串均可由該表達式進行匹配。

3．"()"符合和"|"符號

"()"符號一般與"|"符號結合使用，表示一組可選字符的集合，如：

#()符號和|符號的意義
re(a|e|o)d

該表達式中的(a|e|o)表示在字符a、e 和o 中選擇任意一個字符，即read、reed、reod 均可由該表達式進行匹配。

事實上，()符號不多使用到，由於"[]"符號徹底可以替代"()"符號表示一組可選字符的集合，re(a|e|o)d就等價於re[aeo]d。

"|"符號也能夠表示多個正則表達式的"或"關係，基本格式爲：

  RE1 | RE2 | RE3 |…

上述格式中，RE一、RE2和RE3表示正則表達式。

"|"符號在擴展的正則表達式中表示"或"意義，遺憾的是，"|"符號的這種用法卻不多被人記住，"|"符號最著名的是其管道符用法。