linux基础知识-24
一、正则表达式
正则表达式 (regular expression)，简写(regex)，用来描述一些表达复杂模式的方法。
linux中的grep, vi, find, sed等命令都支持正则表达式。
linux@myccloves:~$ grep '^VER' /etc/os-release
VERSION_ID="15.6"
VERSION="15.6"
正则表达式用特殊字符组成，称为元字符（metacharacters）。^表示以……开始，正则表达式应该放到单引号中防止和shell解释时的冲突。
linux@myccloves:~$ cat /etc/os-release | egrep '[ew]{2}'
PRETTY_NAME="Deepin 15"
NAME="Deepin"
ID=deepin
HOME_URL="https://www.deepin.org/"
BUG_REPORT_URL="http://feedback.deepin.org/feedback/"
此例中[ew]表示匹配e或w中的1个，而后面的{2}表示重复两次，也就是说有ee或ww字样的就符合要求。
我们要注意fgrep不支持正则，而grep支持简单的正则，egrep支持扩展正则表达式。
二、正则表达式的组成
一个正则表达式可由下列元素构成：
- 文字字符 比如：字母，数字等
- 通配符 比如："." 表示匹配任意字符
- 修饰符 可以改变它前面离它最近的模式字符的含义。如：ab*c，匹配ac,abc,abbc,abbbc等，*表示重复0次或多次
- 锚点 指定模板的上下文，比如一行的开始，或一个字的结束。比如：^cat 表示以cat开头。
三、括号表达式
| 表达式 | 说明 |
|---|---|
| [aeiou] | 表示匹配其中的一个字符 |
| [^aeiou] | 表示匹配非aeiou的一个字符 |
| [a-d] | 表示匹配a,b,c,d其中的一个 |
| [A-Z] | 表示匹配所有大写字母 |
| [0-9] | 表示匹配数字 |
| [:alnum:] | 表示匹配字母，数字 |
| [:alpha:] | 表示匹配字母 |
| [:blank:] | 表示匹配空格和制表符 |
| [:digit:] | 表示匹配数字 |
| [:lower:] | 表示匹配小写字母 |
| [:space:] | 表示匹配空白 |
| [:upper:] | 表示区大写字母 |
比如：匹配有大写字母的行
linux@myccloves:/etc$ cat resolv.conf
# Generated by NetworkManager
nameserver 172.16.18.1
linux@myccloves:/etc$ cat resolv.conf | egrep '[[:upper:]]'
# Generated by NetworkManager
四、通用修饰符
| 表达式 | 说明 |
|---|---|
| ? | 表示重复0次或1次 |
| * | 表示重复0次或多次 |
- |表示重启1次或多次
{m}| 表示重复m次
{m,n} |表示重复m-n次
注意：修饰符都很贪婪，如：对于now is the time， t.*e匹配the time而不是the，这就是贪婪！
五、描点搜索
| 表达式 | 说明 |
|---|---|
| ^foo | 表示以foo开头的行 |
| foo$ | 表示以foo结尾的行 |
| \<foo\> | 表示字首和字尾， 为了与普通字符<>区分，则用\<, \> |
六、正则表达式分组
对于 ?, *, +重复前面的字符，如果想重复前面的多个字符可以分组。比如： foo(bar)? 重复bar零次或1次。
用()进行分组，多个字符串可以用|分隔。（foo|foobar）表示匹配foo或foobar
七、转义元字符
正则的元字符具有特殊的意义，如果想把它变成普通字符可以用\进行转议。比如 "." 表示匹配任意字符，但就想把点当成普通字符点，可以这样：\.
总结：
| 字符 | 功能 | 语法 | 说明 |
|---|---|---|---|
| . | 通配符 | 基本 | 表示匹配一个或任意字符 |
| [abc],[a-z] | 包含域 | 基本 | 表示域内任意一个字符 |
| [abc],[a-z] | 排除范围 | 基本 | 表示不包含在域内的任意一个字符 |
| ? | 修饰符 | 扩展 | 表示0或者1个前面的项 |
| * | 修饰符 | 基本 | 表示0或者多个前面的项 |
| + | 修饰符 | 扩展 | 表示1或者多个前面的项 |
| 修饰符 | 扩展 | 表示前面的项重复m-n | |
| 修饰符 | 基本 | 表示前面的项重得n次 | |
| ^ | 锚 | 基本 | 表示一行的开始 |
| $ | 锚 | 基本 | 表示一行的结束 |
| \< | 锚 | 基本 | 表示一个单词的开始 |
| \> | 锚 | 基本 | 表示一个单词的结束 |
| (...) | 分组 | 基本 | 修饰一组字符 |
| (...|...) | 分组 | 扩展 | 允许指定可选模式 |
| |转义 | 扩展(基本) | 转义元字符 |
注意 ：正则表达式与文件名匹配是不同的，意义也不同。所以正则要用''括起来。
八、sort命令
sort命令用于排序，他的选项有：
-b 忽略一行开始的空格符或者制表符
-g 排浮点数排序
-n 按整数排序
-r 降序
-k 指定序列
-t 指定分隔符
sort命令，之前我们接触过，默认按字母顺序排序。可以按数字排序，可以进行升序、降序等。 除此之外，sort可以按字段排序，我们分析一下：
数据如下：姓名，语文，数学
张三 98.5 97
李四 82.35 85.5
王五 100 99.5
马六 94.5 80
sort默认按姓名排序，如果现在想要按语文（第二列）排序，而且是降序怎么办法？ 已知各个数据之间用水平制表符分隔的：
linux@myccloves:~/test$ sort -k2 -g -r 1.txt
王五 100 99.5
张三 98.5 97
马六 94.5 80
李四 82.35 85.5
-k 表示按指定列数排序，这里指定的是2。
-g 表示按小数排序。
-r 表示降序。
我们也可以多列排序：
张三 男 98.5 97
李四 男 82.35 85.5
王五 男 100 99.5
王冰 女 94.5 80
先按性别排序，再按语文成绩降序排序：
linux@myccloves:~/test$ sort -k2,2 -k3gr,3 2.txt
王冰 女 94.5 80
王五 男 100 99.5
张三 男 98.5 97
李四 男 82.35 85.5
-k2,2 表示按第二列排序，后面的2表示到第二列止，如果不指定，则从第二列开始一直到行尾为作关键字。
-k3gr,3 表示按第三列，小数降序排列。
指定分隔符排序，比如：/etc/passwd文件，我想按uid降序排序（第三列）：
sort -t: -k3rn /etc/passwd
-t:指定分隔符为 "："
-k3rn表示第三列，降序，按整数排序。
例：对ps aux按占用内存的大小进行排序
USER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMAND
root 1 0.0 0.1 219240 7796 ? Ss 09:42 0:02 /sbin/init splash
root 2 0.0 0.0 0 0 ? S 09:42 0:00 [kthreadd]
发现内存占用百分比是第4列：
ps aux | sort -k4nr
如果你运行了，你会发现，标题在里面了，所以我们 ps aux时把标题去掉。 去掉的方法用tail -n +2，这条命令要注意：
- tail -n 2 表示显示后两条
- tail -n +2 表示从第二行开始读取
所以我们先用tail -n +2过滤掉标题，之后再用管道符流向 sort程序：
ps aux | tail -n +2 | sort -k4nr
九、uniq命令
uniq可以删除重复记录，一般需要和sort组合。
linux@myccloves:~/test$ cat 1.txt
0
1
0
0
0
2
linux@myccloves:~/test$ cat 1.txt | uniq -c
1 0
1 1
3 0
1 2
我们发现有：4个0是重复的，1,2没有重复。 通过 uniq -c得到的结果是：0重复1次，1重复1次，0重复3次，2重复1次，这里的-c显示重复几次。
但我们0明明是重复4次啊，这说明uniq统计紧挨着的重复项，所以我们需要先排序，再uniq:
linux@myccloves:~/test$ cat 1.txt | sort -n | uniq -c
4 0
1 1
1 2
