正则表达式-Regular expression学习笔记

正则表达式

正则表达式(Regular expression)是一种符号表示法，被用来识别文本模式。

最近在学习正则表达式，今天整理一下其中的一些知识点

grep － 打印匹配行

grep 是个很强大的程序，用来找到文件中的匹配文本。这样使用 grep 命令：

grep pattern [file...]

当 grep 遇到一个文件中的匹配”模式”，它会打印出包含这个类型的行。（可以使用正则表达式）

grep 程序以这样的方式来接受选项和参数：

grep [options] regex [file...]

grep选项

选项	描述
-i	忽略大小写。不会区分大小写字符。也可用--ignore-case 来指定。
-v	不匹配。通常，grep 程序会打印包含匹配项的文本行。这个选项导致 grep 程序只会打印不包含匹配项的文本行。也可用--invert-match 来指定。
-c	打印匹配的数量（或者是不匹配的数目，若指定了-v 选项），而不是文本行本身。 也可用--count 选项来指定。
-l	打印包含匹配项的文件名，而不是文本行本身，也可用--files-with-matches 选项来指定。
-L	相似于-l 选项，但是只是打印不包含匹配项的文件名。也可用--files-without-match 来指定。
-n	在每个匹配行之前打印出其位于文件中的相应行号。也可用--line-number 选项来指定。
-h	应用于多文件搜索，不输出文件名。也可用--no-filename 选项来指定。

正则表达式元字符由以下字符组成：

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

. 任何字符

圆点字符，其被用来匹配任意字符。如果我们在正则表达式中包含它， 它将会匹配在此位置的任意一个字符。

锚点 ^--开头 $--结尾

在正则表达式中，插入符号和美元符号被看作是锚点。这意味着正则表达式 只有在文本行的开头或末尾被找到时，才算发生一次匹配。

grep -h '^zip' dirlist*.txt  
#以zip开头的文件
$ grep -h 'zip$' dirlist*.txt
#以zip结尾的文件
$ grep -h '^zip$' dirlist*.txt
#名字为zip的文件

中括号表达式和字符类

除了能够在正则表达式中的给定位置匹配任意字符之外，通过使用中括号表达式， 我们也能够从一个指定的字符集合中匹配单个字符。通过中括号表达式，我们能够指定 一个待匹配字符集合（包含在不加中括号的情况下会被解释为元字符的字符）。

插入字符（^）

如果在中括号表示式中的第一个字符是一个插入字符（^），则剩余的字符被看作是不会在给定的字符位置出现的 字符集合。

插入字符如果是中括号表达式中的第一个字符的时候，才会唤醒否定功能；否则，它会失去 它的特殊含义，变成字符集中的一个普通字符。

字符字符（-）

[A-Z]

表示A到Z所有字母

[A-Za-z0-9]

表示所有大小写字母和0-9数字

POSIX

字符集	说明
[:alnum:]	字母数字字符。在 ASCII 中，等价于：[A-Za-z0-9]
[:word:]	与[:alnum:]相同, 但增加了下划线字符。
[:alpha:]	字母字符。在 ASCII 中，等价于：[A-Za-z]
[:blank:]	包含空格和 tab 字符。
[:cntrl:]	ASCII 的控制码。包含了0到31，和127的 ASCII 字符。
[:digit:]	数字0到9
[:graph:]	可视字符。在 ASCII 中，它包含33到126的字符。
[:lower:]	小写字母。
[:punct:]	标点符号字符。在 ASCII 中，等价于：[-!"#$%&'()*+,./:;<=>?@[\]_`{|}~]
[:print:]	可打印的字符。在[:graph:]中的所有字符，再加上空格字符。
[:space:]	空白字符，包括空格、tab、回车、换行、vertical tab 和 form feed.在 ASCII 中， 等价于：[ \t\r\n\v\f]
[:upper:]	大写字母。
[:xdigit:]	用来表示十六进制数字的字符。在 ASCII 中，等价于：[0-9A-Fa-f]

通过改变环境变量 LANG 的值，你可以选择让你的系统使用传统的（ASCII）排列规则这个 LANG 变量包含了语种和字符集。这个值最初由你安装 Linux 系统时所选择的安装语言决定。

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=

把这个 LANG 变量设置为 POSIX，来更改 locale，使其使用传统的 Unix 行为。

export LANG=POSIX

通过把这条语句添加到你的.bashrc 文件中，可以使这个更改永久有效。

基本正则表达式（BRE）

BRE 可以辨别以下元字符：

^ $ . [ ] *

扩展正则表达式（ERE）

ERE 添加了以下元字符（以及与其相关的功能）:

( ) { } ? + |

交替

添加 alternation，以竖杠线元字符为标记

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

这个表达式将会在我们的列表中匹配以“bz”，或“gz”，或“zip”开头的文件名。

限定符

• ? - 匹配零个或一个元素

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

• *- 匹配零个或多个元素

像 ? 元字符一样，这个 * 被用来表示一个可选的字符

与 ? 不同，匹配的字符可以出现 任意多次，不仅是一次。

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

• +- 匹配一个或多个元素

元字符的作用与 * 非常相似，除了它要求前面的元素至少出现一次匹配。

• { } - 匹配特定个数的元素

限定符	意思
	匹配前面的元素，如果它确切地出现了 n 次。
	匹配前面的元素，如果它至少出现了 n 次，但是不多于 m 次。
	匹配前面的元素，如果它出现了 n 次或多于 n 次。
	匹配前面的元素，如果它出现的次数不多于 m 次。

总结

元 字 符	说明
*	0个或多个匹配
+	1个或多个匹配（等于{1,}）
?	0个或1个匹配（等于{0,1}）
	指定数目的匹配
	不少于指定数目的匹配
	匹配数目的范围（ m不超过255）