5 分钟快速掌握 shell 中的正则表达式
我经常会在命令行使用 grep 等命令处理一些文本查找的问题。在使用正则表达式的时候经常会碰到一些令人困惑的问题，比如同样的正则表达式在一个命令中可以用，在另一个命令中却不可以用。
今天我们来好好整理下 shell 中的正则表达式，这样在使用的时候能够轻车熟路。
分类
正则表达式最早在 1950 年代由美国数学家 Stephen Cole Kleene 提出，后来被 Unix 操作系统的文本处理工具广泛使用。
经过多年的发展和实践，最终形成两大标准，一个是 POSIX 标准，另一个是 Perl 标准。后者本是为 Perl 语言实现的，由于其功能非常强大，被 Java、JavaScript 等语言广泛借鉴，从而被广泛使用。
我们这里将正则表达式分为三类：
- 基本正则表达式（Basic Regular Expression 简称 BRE），由 POSIX 标准定义。
- 扩展正则表达式（Extended Regular Expression 简称 ERE），也由 POSIX 标准定义。
- Perl 的正则表达式（Perl Regular Expression 简称 PRE），由 Perl 语言定义。
组成部分
基本组成部分
下表展示了正则表达式的基本组成部分。
| 正则表达式 | 描述 | 示例 | Basic RegEx | Extended RegEx | Perl regEx |
|---|---|---|---|---|---|
\ |
转义符，将特殊字符进行转义，忽略其特殊意义 | a.b匹配a.b，但不能匹配ajb，.被转义为特殊意义 | \ |
\ |
\ |
| ^ | 匹配行首 | ^tux匹配以tux开头的行 | ^ | ^ | ^ |
| $ | 匹配行尾 | tux$匹配以tux结尾的行 | $ | $ | $ |
| . | 匹配除换行符\n之外的任意单个字符 | ab.匹配abc或bad，不可匹配abcd或abde，只能匹配单字符 | . | . | . |
| [] | 匹配包含在[字符]之中的任意一个字符 | coo[kl]可以匹配cook或cool | [] | [] | [] |
| [^] | 匹配[^字符]之外的任意一个字符 | 123[^45]不可以匹配1234或1235，1236、1237都可以 | [^] | [^] | [^] |
| [-] | 匹配[]中指定范围内的任意一个字符，要写成递增 | [0-9]可以匹配1、2或3等其中任意一个数字 | [-] | [-] | [-] |
| ? | 匹配之前的项1次或者0次 | colou?r可以匹配color或者colour，不能匹配colouur | 不支持 | ? | ? |
| + | 匹配之前的项1次或者多次 | sa-6+匹配sa-6、sa-666，不能匹配sa- | 不支持 | + | + |
| * | 匹配之前的项0次或者多次 | co*l匹配cl、col、cool、coool等 | * | * | * |
| () | 匹配表达式，创建一个用于匹配的子串 | ma(tri)?匹配max或maxtrix | 不支持 | () | () |
| 匹配之前的项n次，n是可以为0的正整数 | [0-9]{3}匹配任意一个三位数，可以扩展为[0-9][0-9][0-9] | 不支持 | |||
| 之前的项至少需要匹配n次 | [0-9]{2,}匹配任意一个两位数或更多位数 | 不支持 | |||
| 指定之前的项至少匹配n次，最多匹配m次，n<=m | [0-9]{2,5}匹配从两位数到五位数之间的任意一个数字 | 不支持 | |||
| | | 交替匹配|两边的任意一项 | ab(c|d)匹配abc或abd | 不支持 | | | | |
POSIX 字符类
POSIX字符类是一个形如[:...:]的特殊元序列（meta sequence），他可以用于匹配特定的字符范围。
| 正则表达式 | 描述 | 示例 | Basic RegEx | Extended RegEx | Perl RegEx |
|---|---|---|---|---|---|
| [:alnum:] | 匹配任意一个字母或数字字符 | [[:alnum:]]+ | [:alnum:] | [:alnum:] | [:alnum:] |
| [:alpha:] | 匹配任意一个字母字符（包括大小写字母） | [[:alpha:]] | [:alpha:] | [:alpha:] | [:alpha:] |
| [:blank:] | 空格与制表符（横向和纵向） | [[:blank:]]* | [:blank:] | [:blank:] | [:blank:] |
| [:digit:] | 匹配任意一个数字字符 | [[:digit:]]? | [:digit:] | [:digit:] | [:digit:] |
| [:lower:] | 匹配小写字母 | [[:lower:]] | [:lower:] | [:lower:] | [:lower:] |
| [:upper:] | 匹配大写字母 | ([[:upper:]]+)? | [:upper:] | [:upper:] | [:upper:] |
| [:punct:] | 匹配标点符号 | [[:punct:]] | [:punct:] | [:punct:] | [:punct:] |
| [:space:] | 匹配一个包括换行符、回车等在内的所有空白符 | [[:space:]]+ | [:space:] | [:space:] | [:space:] |
| [:graph:] | 匹配任何一个可以看得见的且可以打印的字符 | [[:graph:]] | [:graph:] | [:graph:] | [:graph:] |
| [:xdigit:] | 任何一个十六进制数（即：0-9，a-f，A-F） | [[:xdigit:]]+ | [:xdigit:] | [:xdigit:] | [:xdigit:] |
| [:cntrl:] | 任何一个控制字符（ASCII字符集中的前32个字符) | [[:cntrl:]] | [:cntrl:] | [:cntrl:] | [:cntrl:] |
| [:print:] | 任何一个可以打印的字符 | [[:print:]] | [:print:] | [:print:] | [:print:] |
元字符
元字符（meta character）是一种 Perl 风格的正则表达式，只有一部分文本处理工具支持它，并不是所有的文本处理工具都支持。
| 正则表达式 | 描述 | 示例 | Basic RegEx | Extended RegEx | Perl RegEx |
|---|---|---|---|---|---|
| \b | 单词边界 | \bcool\b 匹配cool，不匹配coolant | \b | \b | \b |
| \B | 非单词边界 | cool\B 匹配coolant，不匹配cool | \B | \B | \B |
| \d | 单个数字字符 | b\db 匹配b2b，不匹配bcb | 不支持 | 不支持 | \d |
| \D | 单个非数字字符 | b\Db 匹配bcb，不匹配b2b | 不支持 | 不支持 | \D |
| \w | 单个单词字符（字母、数字与_） | \w 匹配1或a，不匹配& | \w | \w | \w |
| \W | 单个非单词字符 | \W 匹配&，不匹配1或a | \W | \W | \W |
| \n | 换行符 | \n 匹配一个新行 | 不支持 | 不支持 | \n |
| \s | 单个空白字符 | x\sx 匹配x x，不匹配xx | 不支持 | 不支持 | \s |
| \S | 单个非空白字符 | x\S\x 匹配xkx，不匹配xx | 不支持 | 不支持 | \S |
| \r | 回车 | \r 匹配回车 | 不支持 | 不支持 | \r |
| \t | 横向制表符 | \t 匹配一个横向制表符 | 不支持 | 不支持 | \t |
| \v | 垂直制表符 | \v 匹配一个垂直制表符 | 不支持 | 不支持 | \v |
| \f | 换页符 | \f 匹配一个换页符 | 不支持 | 不支持 | \f |
常见命令中的使用
| 命令 | Basic RegEx | Extended RegEx | Perl RegEx |
|---|---|---|---|
| grep | 支持 | 需加 -E 参数 |
需加 -P 参数 |
| egrep | 支持 | 支持 | 需加 -P 参数 |
| sed | 支持 | 需加 -r 参数 |
不支持 |
| awk | 支持 | 支持 | 不支持 |
常见面试知识点、技术解决方案、教程，都可以扫码关注公众号“众里千寻”获取，或者来这里 https://everfind.github.io 。
