正则表达式lookahead

由于之前更改了自动删除索引脚本，让保留半个月的数据，有一些无用的索引都没有自动删除，现在需要手动删一下，尤其是那些数据为0的索引。

在服务器查看了一下，有4个日期的索引是空的，乘以数据类别7就是28个，但是由于所有索引有将近200个，如果通过肉眼去挑出这28个再复制粘贴，工作量很大、很无聊而且很容易出错，由于索引都是日期格式yyyy_mm_dd结尾，就想着用正则匹配的方法把它们找出来，再在sublime编辑一下去服务器执行。

 

1. 正则表达式 $结尾符

我们都知道结尾符号在正则表达式是$，如果有多个情况，则用|相连，如要匹配以13或17结尾的行，用   

\w+13$|\w+17$

 

2. lookahead

那匹配不以xx结尾的呢？？正则表达式似乎很难做到，但不是做不到，先要了解Lookahead的概念，可以戳此链接Lookahead 看官方文档。Lookahead有分negative和positive两种。

1. Negative lookahead：

如果是要找出包含某些字符，但是这些字符后面紧跟的不能是某些字符的字符串。 格式是用括号括起来，?！开头。如q(?!u)， 可以匹配所有q后面不是u的字符， 如qa, qb, qc, Iraq等等。对于Iraq，引擎会先匹配到q, 然后发现进入了一个negtative lookahead, 接下来匹配u字符，但是Iraq后面是个空格，所以不满足lookahead，再加上是个negative的，负负得正所以会返回q.

2. Positive lookahead：

某些字符后紧跟某些字符的字符串，格式是用括号括起来，?=开头。如表达式q(?=u)， 可以匹配qu， 等同于表达式qu。

要挑出不以xx结尾的行，很明显要用Negative lookahead。

 

3. 不以xx开头、结尾， 不包含xx的正则表达式

了解了概念之后，就可以动手写表达式了。

1. 不以17, 18开头的行

^(?!17|18).*$ 

2. 不包含17, 18的行， 如下可匹配到1，2，5行。

^((?!17|18).)*$

3. 不以17, 18结尾的行， 如下可匹配到1，2，5， 8， 9行。

^((?!17$|18$).)*$

 

4. 解释

接下来以上述3的正则表达式  ^((?!17$|18$).)*$  为例，做出解释：

　　1.  ^表示从行首开始匹配

　　2. 第一个左括号(表示分组开始

　　3. 第二个左括号(表示lookahead开始

　　4. ?!表示是个negative lookahead

　　5. 17$表示以17结尾，17$|18$表示以17或18结尾

　　6. )表示negative lookahead结束

　　7. .表示匹配非\n的任意字符，由于每个字符后面其实是有个空格的，这个.一定不能少

　　8. )表示分组结束

　　9. *表示把最后一个匹配到的值放入\1变量

　　10. 在$行尾结束匹配

 

参考： Stack Overflow-- Regular expression to match a line that doesn't contain a word

 

附今天整个操作步骤：

1. curl 'localhost:9200/_cat/indices?v'| sort -k 2， 先把所有索引拷贝到sublime

2. 用sublime的csv工具把第二列索引列拷贝出来

3. 用正则表达式^((?!(04_13$|04_14$|04_17$|04_18$)).)*$， 把不是这几个日期的行全部替换成空

4. 把空行替换成空

5. 用csv工具在每列列头插入 curl -XDELETE es:9200/