詳解正則表達式以及文本處理工具—grep、egrep的用法和特性

1、grep

（1）grep簡介

grep：全稱是Global search REgular expression and Print out the line，全局搜索正則表達式並輸出合適的行。

grep是一種強大的文本搜索工具，根據用戶指定的文本模式（搜索條件）對目標文件進行逐行搜索，顯示能匹配到的行。（只對文本進行搜索處理）

Unix的grep家族包含grep、egrep和fgrep。

（2）grep的用法

語法格式：grep [option]... 'PATTERN' FILE...

                     選項       文本模式     文件

   命令選項：

  --color=auto ：自動標記顏色（對匹配到的字符串標記顏色，默認是紅色）

  -v: 反向選取(只顯示沒有被匹配到的行)

  -o: 僅顯示匹配的字串，而非字串所在的行

  -i: (ignore-case)忽略字符大小寫

  -A # ：顯示匹配到的行和該行的後#行 （#表示數字）

  -B # ：顯示匹配到的行和該行的前#行

  -C # ：顯示匹配到的行、該行的前#行和該行的後#行

  -E: 支持使用擴展正則表達式（至關於使用egrep命令）

grep不是拿整行匹配的，是按字串匹配的。（當在一行中第一次匹配到指定的字符串時，它不會直接跳到下一行再去匹配，而是在本行繼續日後匹配。）

grep工做於貪婪模式：儘量多的去匹配

要想使用grep的高級用法，須結合正則表達式和管道一塊兒使用。所以，接下來讓咱們撥開迷霧，走進正則表達式的花園。

2、正則表達式簡介

正則表達式：

   正則表達式，又稱正規表示法、常規表示法（英語：Regular Expression，在代碼中常簡寫爲regex、regexp或RE），計算機科學的一個概念。

   正則表達式使用單個字符串來描述、匹配一系列符合某個句法規則的字符串。在不少文本編輯器裏，正則表達式一般被用來檢索、替換那些符合某個模式的文本。

           其實正則表達式就是一類字符所書寫的模式，其中許多字符不表示其字面意義，而是表達控制或通配等功能；

元字符:

   正則表達式中具備特殊意義的專用字符(相似於C語言中的關鍵字);

  不表示其字面意義，而用於額外功能性描述

分類：

     正則表達式分爲兩類： 「基本正則表達式」和「擴展正則表達式」

     grep內置「基本正則表達式」的功能，也可使用grep -E 利用「擴展正則表達式」的功能。

     egrep內置「擴展正則表達式」的功能。

     fgrep: 不支持使用正則表達式

3、基本正則表達式

基本正則表達式的元字符：

（1）字符匹配：

.: 匹配任意單個字符

[]: 匹配指定範圍內的任意單個字符

      [0-9], [[:digit:]]  （單個0-9的數字）

              [a-z], [[:lower:]]  （單個小寫字母）

              [A-Z], [[:upper:]]  （單個大寫字母）

              [[:space:]]  （空格）

              [[:punct:]]  （單個標點符號）

              [[:alpha:]]  （單個字母，包括大小寫）

                  

     [[:alnum:]] （單個數字或字母）

[^]:匹配指定範圍內外的任意單個字符

（2）次數匹配元字符：用於實現指定其前面的字符所可以出現的次數

    *: 任意長度，它前面的字符能夠出現任意次

    \?: 0次或1次，它前面的字符是無關緊要的

    \{m\}: m次，它前面的字符要出現m次

    \{m,n\}: 至少m次，至多n次（m<n）

    \{m,\}：至少m次

    \{0,n\}: 至多n次

    .*：任意長度的任意字符

 

（3）位置錨定：

   ^: 行首錨定；寫在模式最左側

   $: 行尾錨定：寫在模式最右側

          ^$: 空白行

          （查找有空白行的，有才會顯示）

\<: 錨定詞首，出現於單詞左側，也可用\b

  \>: 錨定詞尾，出現於單詞右側, 也可用\b

（不包含特殊字符的連續字符組成的串叫單詞）

（4）分組：

\(\) ：分組的格式

      

分組中的模式匹配到的內容，可由正則表達式引擎記憶在內存中，以後可被引用。

引用有編號：自左然後的左括號，以及與其匹配右括號（無論內嵌多少個括號，都是從左到右編號的。）

     例如，\(a\(b\(c\)\)mn\(x\)\).*\1  （\1引用的是第一個左括號以及與其匹配右括號間匹配的內容）

\#: 引用第n個括號所匹配到的內容，而非模式自己（#表示數字）（如，\(ab\(x\).*\2 : \2引用的是\(x\)的匹配內容）

    例如：

       \(ab\?c\).*\1

      abcmnaaa        abcmnabc（匹配成功）  abcmnac        acxyac（匹配成功）

4、擴展正則表達式

egrep內置「擴展正則表達式」的功能，也可以使用grep -E 利用「擴展正則表達式」的功能。

         grep -E  'PATTERN' FILE...

        egrep 'PATTERN' FILE...

（1）字符匹配：

   . ：匹配單個任意字符

   [] ：匹配指定範圍內的任意單個字符

  [^] ：匹配指定範圍外的任意單個字符

（2）次數匹配：

  *：任意次

  ?: 0次或1次（無關緊要）

  +: 至少1次；（至關於基本正則表達式的\{1,\}）

{m}: 精確匹配m次

{m,n}: 至少m次，至多n次（m<n）

{m,} : 至少m次

{0,n} ：至多n次

（3）位置錨定：

^ ：行首錨定

$ ：行尾錨定

\<, \b ：詞首錨定

\>, \b ：詞尾錨定

^$, ^[[:space:]]*$ ：空白行

（4）分組：

() ：

一樣可以使用引用：\1, \2, \3

| ：或者（擴展正則表達式特有的）

   例如：a|b表示a或者b

          conC|cat :表示conC或cat

          con(C|c)cat :表示conCat 或 concat