大有可爲的「正則表達式」(二）

5.3.  基本和擴展正則表達式

Unix支持兩種的正則表達式的版本：

（1）現代版本：擴展正則表達式（extended regular expression，ERE），屬於IEEE1003.2標準，擁有比BRE更多的功能。

（2）廢棄版本：基本正則表達式（basic regular expression，BRE），它是多年之前使用的更原始類型的正則表達式，功能弱且語法容易混淆，後來被1003.2標準取代，保留它們只是爲了與舊程序兼容。

ERE和BRE之間的主要區別：對於BRE來講，有一些特定的元字符不能使用，而其餘元字符必須使用反斜線引用。不能使用的元字符有問號、加號和豎線

？    +      |

必須轉義的元字符有花括號和圓括號

{  }    (  )

基本正則表達式的限制：

Ø  花括號必須使用反斜線引用，如\{\}

Ø  圓括號必須使用反斜線引用，如\(\)

Ø  不能使用?，可是可使用\{0,1\}模擬

Ø  不能使用+，可是可使用\{1，\}模擬

Ø  不能使用|（豎線）

Ø  不能使用預字義字符類

 

5.4.  正則表達式的基本規則

1. 全部的普通字符，例如字母和數字都與自身匹配，如shell匹配於shell；WoRd匹配於WoRd，但不匹配於word

2. 當咱們須要表示meta字符自己時，能夠轉義它，即前面放一個反斜槓。例如

\*     匹配字面上的*

\\      匹配字面上的\

3. 在方括號表達式中，全部其餘的的meta字符都會失去其特殊含義，例如

[ .\*]匹配於句點、反斜槓及星號。

4. 爲了擴展正則表達式的功能，可使用錨指定查找模式的位置。如$元字符是一個匹配行末尾的錨。爲了搜索以「xiao「結尾的行，可使用：

grep  ‘xiao$’  data

經過使用這^ $這兩個錨，可是兩個錨之間不指定任何內容何以方便地查找空行。

         grep  ‘^$ ’   data     | wc   -l

匹配包含一個字符的行

         grep  ‘^.$’   data

注意：^與$僅在BRE的起始與結尾下有特殊用途。

查找全部包含字符串」kn」的行，可是字符串kn只能出如今單詞的開頭

grep  ‘\<kn’  data

爲了搜索完整的單詞，可吧同時使用\<和\>

grep  ‘\<word\>   data

爲了方便起見，在使用GNU實用工具的系統上，如Linux和FreeBSD系統，可使用\b（boundary marker ，邊界標記）做爲\<和\>的替代，

grep  ‘\<word\>   data  =  grep  ‘\bword\b’   data

5.5.  ERE運算符的優先級

如下由高至低列出了ERE運算符的優先級：

運算符	含義
[ . . ] [ = =] [ : : ]	用於字符對應的方括號符號
\metacharacter	轉義的元字符
[ ]	方括號表達式
（ ）	分組
+  *  ?  { }	重複前置的正則表達式
無符號（no symbol）	連續字符
^  $	錨點
|	交替

 

5.6.  額外的正則表達式運算符

運算符	含義
\w	匹配任何單詞組成字符，等同於［［:alnum:］］
\W	匹配任何非單詞組成字符，等同於［^［:alnum:］］
\< \>	匹配單詞的起始與結尾
\b	匹配單詞的起始或結尾處所找到的空字符串。注意：因爲awk使用\b表示後退字符，所以GNU awk（gawk）使用\y表示此功能
\B	匹配兩個單詞組成字符之間的空字符串

 

5.6.  匹配字符：字符類

在正則表達式中，元字符.（點號）匹配任何單個的字符，新行字符除外（在Unix中，新行字符標記一行的末尾）

例：grep   ‘xiao..y’  data

在data文件中查找全部包含下述模式的行：字符串xiao後跟兩個任意字符，再後跟一個字母y

字符類：將字符放在方括號[]中指定但願搜索的字符。這樣的結構就稱爲一個字符類。

 

grep  ‘\\\*.*[A-Za-z]+\$’ data

查找全部包含字符「\*」，後面跟任意數量的字符，再後跟1 個或多個字母，最後跟一個「$」的行。

怎樣理解複雜的正規表達式

當遇到難以理解的正則表達式時，將它寫在一張紙上，而後將正則表達式分紅不一樣部分，縱向書寫不一樣部分，一個在另外一個之上。依次取不一樣部分，並將各部分的含義寫在同一行上。

咱們將這個正則表達式分隔成：

\\    _____  1個\（反斜線）字符

\*    ——   1個*（星號）字符

.*    ____   任意數量的其餘字符

[A-Za-z]  ____  1 個或多個大寫字母或小寫字母

\$    ____   1個$（美圓）字符

 

5.7.  正規表達式案例

示範文件：Linux中的字典文件/usr/share/dict/words

 

（1）哪些英語單詞以「qu」開頭並以y結尾呢？

grep  ‘^yu[a-z]+y$’  /usr/share/dict/words

grep  '^qu.*y$'     /usr/share/dict/words^    行的開頭

egrep '^yu[a-z]+y$' /usr/share/dict/words

 

qu   字符串qu

[a-z]+ 1個或多個小寫字母

y    字母y

$    行的結尾

（2）查找一個包含全部5個元間字母a、e、i、o、u（而且以該順序出現）的普通英語單詞。

這5個字母沒必要連在一塊兒，可是它們必須按字母表順序出現

 

grep   'a[a-z]*e[a-z]*i[a-z]*o[a-z]*u' /usr/share/dict/words

 

（3）在/bin目錄中查找包含兩個字母長的命令

ls /bin | egrep '^[a-z]{2}$'

ls /bin | grep '^[a-z][a-z]$'

 

注：在一些系統上，grep並不會返回預想的結果，由於它不能將括號識別爲花括號元字符，若是出現這種狀況，可使用egrep 代替grep