Shell编程之正则表达式

近期研读 伍之昂老师 的<<Linux Shell编程从初学到精通>>,这里当作本身的学习笔记.

元字符:元字符（Metacharacters）是用来阐释字符表达式意义的字符，简言之，元字符就是描述字符

的字符，它用于对字符表达式的内容、转换及各类操做信息进行描述。

正则表达式:正则表达式是由一串字符和元字符构成的字符串，简称RE（Regular Expression）。正

则表达式的主要功能是文本查询和字符串操做，它能够匹配文本的一个字符或字符集合。实际上，正

则表达式完成了数据过滤，将不知足正则表达式定义的数据拒绝掉，剩下与正则表达式匹配的数据。

POSIX 标准将正则表达式分为两类：基本的正则表达式和扩展的正则表达式。

基本的正则表达式

基本的正则表达式元字符集合及其意义:

下面逐个介绍正则表达式元字符的意义和用法，并举一些例子结合使用元字符集合。

1．"*"符号

"*"符号用于匹配前面一个普通字符的0 次或屡次重复，如：

hel*o

"*"符号前面的普通字符是l，*字符就表示匹配l 字符0 次或屡次，如字符串heo、helo、hello、hellllllo均可以由hel*o来表示。

2．"."符号

点号"."用于匹配任意一个字符，如：  

…73.

因为"."符号只能匹配一个字符，所以，上述字符串表示前面三个字符为任意字符，第4 和第5 个字符是7和3，最后一个字符为任意字符，如xcb73八、4J973U都能匹配上述字符串。值得注意的是，"."符号能够匹配一个空格，所以，x b73八、ui 73e也能匹配上述字符串。

3．"^"符号

"^"符号用于匹配行首，表示行首的字符是"^"字符后面的那个字符，如：

^cloud

这表示匹配以cloud开头的行。结合上面介绍的"*"符号和"."符号，再举一个例子：

^…X86*

该字符串表示行首的三个字符为任意字符（能够是空格），第4～6 个字符为X86，第7个字符开始能够重复匹配6，如：866X8666六、8 6X86均可以匹配上述字符串。

4．"$"符号

$符号匹配行尾，$符号放在匹配字符以后，与"^"符号的功能和用法都相反，如：

micky$

该正则表达式表示匹配以micky结尾的全部行。一个特殊的正则表达式是匹配全部空行的表达式，为：

#表明一个空行
^$

该正则表达式既匹配行首，又匹配行尾，中间没有任何字符，所以，为空行。须要牢记空行表示方法，不少命令都用到这个正则表达式来表示空行。

若是须要匹配只包含一个字符的行，以下所示：

^.$

5．"[]"符号

方括号[]匹配字符集合，该符号支持穷举方法列出字符集合的全部元素，也支持使用"-"符号表示字符集合范围，代表字符集合范围从"-"左边字符开始，到"-"右边字符结束。若是要匹配任意一个数字，可使用以下所示的两种方法，前一种穷举了阿拉伯数字，后一种用数字范围表示，显得比较简洁。

#穷举方法列出字符集合
[0123456789]
#使用"-"来表示集合范围
[0-9]

"[]"也能够用作字母匹配，以下所示：

[a-z] #全部小写字母
[A-Z] #全部大写字母
[b-p] #小写字母b～p

Linux 系统对大小写是敏感的，而且支持字母排序，所以，Linux 中有大写字母序列和小写字母序

列，二者是分开的，a～z 表示全部的小写字母，A～Z 表示全部的大写字母，而b～p表示从b到p之间

全部的小写字母。

咱们知道，"^"符号表示匹配行首，可是，"^"符号放到"[]"符号中就再也不表示匹配行首了，而是表示

取反符号，请看下面例子:

[^b-d]

"[^b-d]" 正则表达式匹配不在b～d范围以内的全部字符，此时，符号"^"再也不表示匹配行首，而是取

反符号，不在b～d范围内的字符实际上涵盖了除了小写字母b、c和d以外的全部字符（包括其余字母、

数字、空格等）。再举一个"[]"符号和"*"符号结合的例子。

[A-Za-z] [A-Za-z]*

上诉正则表达式表示以任意一个字母开头，再以任意字母进行0 次或任意次重复，实际上，这个正则表达式能够匹配任意英文单词。

6．"\"符号

"\"符号是转义符，用于屏蔽一个元字符的特殊意义，即以字面含义来解释"\"符号后面的元字符，如：

#转义符号屏蔽元字符"."的特殊含义
\.

7．"\<\>"符号

"\<\>"符号是精确匹配符号，该符号利用"\"符号屏蔽"<>"符号，如：

\<the\>

该正则表达式精确匹配the 这个单词，而不匹配包含the 字符的单词，如them、there、another 等。

8．"\{\}"系列符号

"\{\}"系列符号与"*"符号相似，都是表示前一个字符的重复。可是，"*"符号表示重复0 次或任意次，而"\{\}"系列符号能够指定重复次数，"\{\}"系列符号包括如下三种形式。

\{n\}：匹配前面字符出现n次。

\{n,\}：匹配前面字符至少出现n次。

\{n,m\}：匹配前面字符出现n～m次。

请看以下例子:

#\{\}系列符号的用法
JO\{3\}B #重复字符O 3 次
JO\{3,\}B #重复字符O 至少3次
JO\{3,6\}B #重复字符O 3～6次

JO\{3\}B表示重复字符O 3次，匹配值为：JOOOB。

JO\{3,\}B 表示重复字符O 至少3 次，JOOOB、JOOOOB、JOOOOOB 等字符串均可由该正则表达式来匹配。

JO\{3,6\}B表示重复字符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。

再举一个例子：

#精确匹配5个小写字母
[a-z] \{5\}

上诉正则表达式表示精确匹配5个小写英文字母，好比hello、house等。

扩展的正则表达式

除基本的正则表达式的元字符以外，awk 和Perl 等Linux 工具还支持正则表达式扩展出来的一些元字符，以下所示

扩展的正则表达式元字符集合及其意义:

下面详细介绍扩展的正则表达式元字符及其用法。

1．"?"符号

匹配"?"符号以前的那个字符0 次或1 次，如：

#?符号的意义
JO?B

该表达式表示匹配O 字符0次或1 次，即匹配JB、JOB、JOOB等。须要注意的是，"?"字符至多能够匹配1 个字符。

2．"+"符号

与"*"符号相似，都是匹配其前面的那个字符屡次，可是，"*"符号能够匹配0次，而"+"符号至少匹配1 次，如：

#+符号的意义
S+EU

该表达式表示匹配S 1 次或任意次，SEU、SSEU、SSSSEU 等字符串均可由该表达式进行匹配。

3．"()"符合和"|"符号

"()"符号一般与"|"符号结合使用，表示一组可选字符的集合，如：

#()符号和|符号的意义
re(a|e|o)d

该表达式中的(a|e|o)表示在字符a、e 和o 中选择任意一个字符，即read、reed、reod 均可由该表达式进行匹配。

事实上，()符号不多使用到，由于"[]"符号彻底可以替代"()"符号表示一组可选字符的集合，re(a|e|o)d就等价于re[aeo]d。

"|"符号也能够表示多个正则表达式的"或"关系，基本格式为：

  RE1 | RE2 | RE3 |…

上述格式中，RE一、RE2和RE3表示正则表达式。

"|"符号在扩展的正则表达式中表示"或"意义，遗憾的是，"|"符号的这种用法却不多被人记住，"|"符号最著名的是其管道符用法。