正则、grep、sed、awk
每次用到正则都要蛋疼一下,索性总结一下在这里。
正则
正則表達式主要分为基础正则和扩展正则。注意,正则和一般命令行输入的命令的通配符不同。正则仅仅使用于支持这样的表示法的工具,如:vi,grep,sed、awk。而ls等命令不支持这样的表示,仅仅能使用bash自身的通配符。
基础部分:
[abc] 匹配括号里的一个
[^abc] 匹配非括号里的一个(取反)
^word 以word开头
word$ 以word结尾
[n1-n2] 从n1到n2之间的全部连续字符.
注意:这个连续与否,与ASCII编码有关,
不同的语系编码方式不同:
LANG=C:0 1 2 3 …A B C …a b c
LANG=zh_CN.gb2312: 0 1 2…a A b B ..z Z
上面是编码顺序,正则使用时,需留意语系环境,通常为兼容POSIX,使用“C”语系。"export LANG=C"
特殊符号如: [:alnum:]等,就是为了避免语系问题。其它例如以下图:
[0-9]或\d 表示一个数字
\s 一个空格,tab,回车或一个换行符
\w 表示“一个单词字符”,等同于[0-9A-Za-z_]
. 小数点,代表一定有一个随意字符.单独使用须要表示小数点时,需转义\.
* 反复前一个0到无穷多次
{n,m} 连续前面的字符n到m个
{n,} 同上,n个以上
注意:在shell里{和}需转义\{\}
扩展正则:
+:反复一个或一个以上的前一个RE字符
?: 零个或一个前一个RE字符
|: 或方法
():组方法,通常和上述几个结合使用,如:a(b|c)d表示 abd或acd,a(xyz)+b,能够匹配axyzxyzxyzb
注意:!和<>不是正则的特殊字符
grep 几个经常使用參数:
-v: 把满足条件取反的信息输出
-i: 忽略大写和小写
-n: 显示行号
grep一般是以行为单位输出,但能够这样:
-o: 只输出符合要求的部分
egrep,grep升级版,支持扩展正则
sed
sed是按一次处理一行的方式进行的。sed把当前正在处理的行保存在一个叫做模式空间(pattern space)的暂时缓存里,处理完毕后依据是否满足要求打印输出。然后再读入下一行到这个暂时缓存里,直到最后一行。因此,sed不会改动或破坏初始文件。
基本使用方法,详见:sed简明教程
awk
上古时期的神器,用好了依旧称手
有些版本号差异,但大致同样:旧awk、新awk(nawk)、gnu awk(gawk)、POSIX awk等
awk不把输入数据看成一个无穷无尽的字符串,而是把它看作一种结构。默认情况下,把每行看成一个记录(record),并以换行符终止。
这个记录分隔符保存在内置变量ORS和RS里分别表示,输出和输入的记录分隔符。
而对于每个记录,以域(field)为单位分隔,默认情况下,域分隔符为空格符,由内置变量FS保存,每个域依次相应变量$1、$2…而$0表示一个整行。
设置FS,就可以改变默认分隔符
eg:{FS=“:”} 多个的话:{FS="[,\t]”}
PS要使分隔符在第一行生效,需加BEGINkeyword
输出的时候,OFS保存的默认输出域分隔符,默觉得空格
eg:{print $1,$2},默认以空格分隔输出。
awk命令由模式(pattern)和操作(action)组成。
awk 'pattern {action}'
模式控制awk对一行输入做什么样的操作,包含一个正則表達式,一个产生正确或者错误条件的表达式,或者他们的组合。当读入一个模式表达式时,有一个隐含的if语句。
操作封装在花括号中。花括号中多个动作以换行符或者分号分隔
匹配操作符,~,用来与一行或一个域里的表达式匹配
eg: awk ‘$1 ~ /xxx/‘ file
反向的话,!~ 就可以。
awk脚本
流程控制,变量,操作符等和其它脚本大同小异。注意它特殊的BEGIN和END段。
近期处理一个文本,感觉到awk的高效,例如以下:
以行为单位过滤出当中的IP地址:
要得到:
awk初体验:
#!/usr/bin/awk -f BEGIN { FS = "[, \t]" } { for(i = 1; i <= NF; i++) { if ($1 == "#") continue if ($i ~ /((([0-9]{1,2})|(1[0-9]{2,2})|(2[0-4][0-9])|(25[0-5]))\.){3}(([0-9]{1,2})|(1[0-9]{2,2})|(2[0-4][0-9])|(25[0-5]))/) printf $i"\t" if (i == NF) printf "\n" } }
PS:MacOS里有个小坑,开头的路径是/usr/bin/awk,而不是linux下的/bin/awk