正則表達式-Regular expression學習筆記

正則表達式

正則表達式(Regular expression)是一種符號表示法，被用來識別文本模式。

最近在學習正則表達式，今天整理一下其中的一些知識點

grep － 打印匹配行

grep 是個很強大的程序，用來找到文件中的匹配文本。這樣使用 grep 命令：

grep pattern [file...]

當 grep 遇到一個文件中的匹配」模式」，它會打印出包含這個類型的行。（可使用正則表達式）

grep 程序以這樣的方式來接受選項和參數：

grep [options] regex [file...]

grep選項

選項	描述
-i	忽略大小寫。不會區分大小寫字符。也可用--ignore-case 來指定。
-v	不匹配。一般，grep 程序會打印包含匹配項的文本行。這個選項致使 grep 程序只會打印不包含匹配項的文本行。也可用--invert-match 來指定。
-c	打印匹配的數量（或者是不匹配的數目，若指定了-v 選項），而不是文本行自己。 也可用--count 選項來指定。
-l	打印包含匹配項的文件名，而不是文本行自己，也可用--files-with-matches 選項來指定。
-L	類似於-l 選項，可是隻是打印不包含匹配項的文件名。也可用--files-without-match 來指定。
-n	在每一個匹配行以前打印出其位於文件中的相應行號。也可用--line-number 選項來指定。
-h	應用於多文件搜索，不輸出文件名。也可用--no-filename 選項來指定。

正則表達式元字符由如下字符組成：

^ $ . [ ] { } - ? * + ( ) | \

. 任何字符

圓點字符，其被用來匹配任意字符。若是咱們在正則表達式中包含它， 它將會匹配在此位置的任意一個字符。

錨點 ^--開頭 $--結尾

在正則表達式中，插入符號和美圓符號被看做是錨點。這意味着正則表達式 只有在文本行的開頭或末尾被找到時，纔算發生一次匹配。

grep -h '^zip' dirlist*.txt  
#以zip開頭的文件
$ grep -h 'zip$' dirlist*.txt
#以zip結尾的文件
$ grep -h '^zip$' dirlist*.txt
#名字爲zip的文件

中括號表達式和字符類

除了可以在正則表達式中的給定位置匹配任意字符以外，經過使用中括號表達式， 咱們也可以從一個指定的字符集合中匹配單個字符。經過中括號表達式，咱們可以指定 一個待匹配字符集合（包含在不加中括號的狀況下會被解釋爲元字符的字符）。

插入字符（^）

若是在中括號表示式中的第一個字符是一個插入字符（^），則剩餘的字符被看做是不會在給定的字符位置出現的 字符集合。

插入字符若是是中括號表達式中的第一個字符的時候，纔會喚醒否認功能；不然，它會失去 它的特殊含義，變成字符集中的一個普通字符。

字符字符（-）

[A-Z]

表示A到Z全部字母

[A-Za-z0-9]

表示全部大小寫字母和0-9數字

POSIX

字符集	說明
[:alnum:]	字母數字字符。在 ASCII 中，等價於：[A-Za-z0-9]
[:word:]	與[:alnum:]相同, 但增長了下劃線字符。
[:alpha:]	字母字符。在 ASCII 中，等價於：[A-Za-z]
[:blank:]	包含空格和 tab 字符。
[:cntrl:]	ASCII 的控制碼。包含了0到31，和127的 ASCII 字符。
[:digit:]	數字0到9
[:graph:]	可視字符。在 ASCII 中，它包含33到126的字符。
[:lower:]	小寫字母。
[:punct:]	標點符號字符。在 ASCII 中，等價於：[-!"#$%&'()*+,./:;<=>?@[\]_`{|}~]
[:print:]	可打印的字符。在[:graph:]中的全部字符，再加上空格字符。
[:space:]	空白字符，包括空格、tab、回車、換行、vertical tab 和 form feed.在 ASCII 中， 等價於：[ \t\r\n\v\f]
[:upper:]	大寫字母。
[:xdigit:]	用來表示十六進制數字的字符。在 ASCII 中，等價於：[0-9A-Fa-f]

經過改變環境變量 LANG 的值，你能夠選擇讓你的系統使用傳統的（ASCII）排列規則這個 LANG 變量包含了語種和字符集。這個值最初由你安裝 Linux 系統時所選擇的安裝語言決定。

locale
LANG=zh_CN.UTF-8
LC_CTYPE="zh_CN.UTF-8"
LC_NUMERIC=zh_CN.UTF-8
LC_TIME=zh_CN.UTF-8
LC_COLLATE="zh_CN.UTF-8"
LC_MONETARY=zh_CN.UTF-8
LC_MESSAGES="zh_CN.UTF-8"
LC_PAPER=zh_CN.UTF-8
LC_NAME=zh_CN.UTF-8
LC_ADDRESS=zh_CN.UTF-8
LC_TELEPHONE=zh_CN.UTF-8
LC_MEASUREMENT=zh_CN.UTF-8
LC_IDENTIFICATION=zh_CN.UTF-8
LC_ALL=

把這個 LANG 變量設置爲 POSIX，來更改 locale，使其使用傳統的 Unix 行爲。

export LANG=POSIX

經過把這條語句添加到你的.bashrc 文件中，可使這個更改永久有效。

基本正則表達式（BRE）

BRE 能夠辨別如下元字符：

^ $ . [ ] *

擴展正則表達式（ERE）

ERE 添加了如下元字符（以及與其相關的功能）:

( ) { } ? + |

交替

添加 alternation，以豎槓線元字符爲標記

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

這個表達式將會在咱們的列表中匹配以「bz」，或「gz」，或「zip」開頭的文件名。

限定符

• ? - 匹配零個或一個元素

echo "(555) 123-4567" | grep -E '^\(?[0-9][0-9][0-9]\)? [0-9][0-9][0-9]-[0-9][0-9][0-9][0-9]$'
(555) 123-4567

• *- 匹配零個或多個元素

像 ? 元字符同樣，這個 * 被用來表示一個可選的字符

與 ? 不一樣，匹配的字符能夠出現 任意屢次，不只是一次。

[[:upper:][:lower:] ]*

• +- 匹配一個或多個元素

元字符的做用與 * 很是類似，除了它要求前面的元素至少出現一次匹配。

• { } - 匹配特定個數的元素

限定符	意思
{n}	匹配前面的元素，若是它確切地出現了 n 次。
{n,m}	匹配前面的元素，若是它至少出現了 n 次，可是很少於 m 次。
{n,}	匹配前面的元素，若是它出現了 n 次或多於 n 次。
{,m}	匹配前面的元素，若是它出現的次數很少於 m 次。

總結

元 字 符	說明
*	0個或多個匹配
+	1個或多個匹配（等於{1,}）
?	0個或1個匹配（等於{0,1}）
{n}	指定數目的匹配
{n,}	很多於指定數目的匹配
{n,m}	匹配數目的範圍（ m不超過255）