linux：正则表达式grep命令

Posted 2020-11-03 KumataのBloG

基本语法
一个正则表达式通常被称为一个模式（pattern），为用来描述或者匹配一系列符合某个句法规则的字符串。

一、选择：|

• |   竖直分隔符表示选择，例如"boy|girl"可以匹配"boy"或者"girl"

二、数量限定：+ ? * 

• +表示前面的字符必须出现至少一次(1次或多次)，例如，"goo+gle",可以匹配"gooogle","goooogle"等；
• ?表示前面的字符最多出现一次(0次或1次)，例如，"colou?r",可以匹配"color"或者"colour";
• *星号代表前面的字符可以不出现，也可以出现一次或者多次（0次、或1次、或多次），例如，“0*42”可以匹配42、042、0042、00042等。

三、范围和优先级
()圆括号可以用来定义模式字符串的范围和优先级，这可以简单的理解为是否将括号内的模式串作为一个整体。例如，"gr(a|e)y"等价于"gray|grey"，（这里体现了优先级，竖直分隔符用于选择a或者e而不是gra和ey），"(grand)?father"匹配father和grandfather（这里体验了范围，?将圆括号内容作为一个整体匹配）。

四、语法（部分）
正则表达式有多种不同的风格，下面列举一些常用的作为 PCRE 子集的适用于perl和python编程语言及grep或egrep的正则表达式匹配规则：(由于markdown表格解析的问题，下面的竖直分隔符用全角字符代替，实际使用时请换回半角字符)

PCRE（Perl Compatible Regular Expressions中文含义：perl语言兼容正则表达式）是一个用 C 语言编写的正则表达式函数库，由菲利普.海泽(Philip Hazel)编写。PCRE是一个轻量级的函数库，比Boost 之类的正则表达式库小得多。PCRE 十分易用，同时功能也很强大，性能超过了 POSIX 正则表达式库和一些经典的正则表达式库。

五、字符描述

• \\ 将下一个字符标记为一个特殊字符、或一个原义字符。例如，“n”匹配字符“n”。“\\n”匹配一个换行符。序列“\\\\”匹配“\\”而“\\(”则匹配“(”。
• ^ 匹配输入字符串的开始位置。
• $ 匹配输入字符串的结束位置。
• {n} n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
• {n,} n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
• {n,m} m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
• * 匹配前面的子表达式零次或多次。例如，zo*能匹配“z”、“zo”以及“zoo”。*等价于{0,}。
• + 匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
• ? 匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。
• ? 当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
• . 匹配除“\\n”之外的任何单个字符。要匹配包括“\\n”在内的任何字符，请使用像“(.｜\\n)”的模式。
• (pattern) 匹配pattern并获取这一匹配的子字符串。该子字符串用于向后引用。要匹配圆括号字符，请使用“\\(”或“\\)”。
• x｜y 匹配x或y。例如，“z｜food”能匹配“z”或“food”。“(z｜f)ood”则匹配“zood”或“food”。
• [xyz] 字符集合（character class）。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。其中特殊字符仅有反斜线\\保持特殊含义，用于转义字符。其它特殊字符如星号、加号、各种括号等均作为普通字符。脱字符^如果出现在首位则表示负值字符集合；如果出现在字符串中间就仅作为普通字符。连字符 - 如果出现在字符串中间表示字符范围描述；如果如果出现在首位则仅作为普通字符。
• [^xyz] 排除型（negate）字符集合。匹配未列出的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
• [a-z] 字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
• [^a-z] 排除型的字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。

六、优先级
优先级为从上到下从左到右，依次降低：

 

运算符	说明
\\	转义符
(), (?:), (?=), []	括号和中括号
*、+、?、{n}、{n,}、{n,m}	限定符
^、$、\\任何元字符	定位点和序列
｜	选择

grep模式匹配命令

一、 基本操作
grep命令用于打印输出文本中匹配的模式串，它使用正则表达式作为模式匹配的条件。grep支持三种正则表达式引擎，分别用三个参数指定：

参数 说明

• -E POSIX扩展正则表达式，ERE
• -G POSIX基本正则表达式，BRE
• -P Perl正则表达式，PCRE

在通过grep命令使用正则表达式之前，先介绍一下它的常用参数：

参数 说明

• -b 将二进制文件作为文本来进行匹配
• -c 统计以模式匹配的数目
• -i 忽略大小写
• -n 显示匹配文本所在行的行号
• -v 反选，输出不匹配行的内容
• -r 递归匹配查找
• -A n n为正整数，表示after的意思，除了列出匹配行之外，还列出后面的n行
• -B n n为正整数，表示before的意思，除了列出匹配行之外，还列出前面的n行
• --color=auto 将输出中的匹配项设置为自动颜色显示

 

使用正则表达式

使用基本正则表达式，BRE

位置

查找/etc/group文件中以"shiyanlou"为开头的行

$ grep \'shiyanlou\' /etc/group

$ grep \'^shiyanlou\' /etc/group

数量

# 将匹配以\'z\'开头以\'o\'结尾的所有字符串

$ echo \'zero\\nzo\\nzoo\' | grep \'z.*o\'

# 将匹配以\'z\'开头以\'o\'结尾，中间包含一个任意字符的字符串

$ echo \'zero\\nzo\\nzoo\' | grep \'z.o\'

# 将匹配以\'z\'开头,以任意多个\'o\'结尾的字符串

$ echo \'zero\\nzo\\nzoo\' | grep \'zo*\'

#注意：其中\\n为换行符

选择

# grep默认是区分大小写的，这里将匹配所有的小写字母

$ echo \'1234\\nabcd\' | grep \'[a-z]\'

# 将匹配所有的数字

$ echo \'1234\\nabcd\' | grep \'[0-9]\'

# 将匹配所有的数字

$ echo \'1234\\nabcd\' | grep \'[[:digit:]]\'

# 将匹配所有的小写字母

$ echo \'1234\\nabcd\' | grep \'[[:lower:]]\'

# 将匹配所有的大写字母

$ echo \'1234\\nabcd\' | grep \'[[:upper:]]\'

# 将匹配所有的字母和数字，包括0-9,a-z,A-Z

$ echo \'1234\\nabcd\' | grep \'[[:alnum:]]\'

# 将匹配所有的字母

$ echo \'1234\\nabcd\' | grep \'[[:alpha:]]\'

下面包含完整的特殊符号及说明：

特殊符号       说明

• [:alnum:] 代表英文大小写字母及数字，亦即 0-9, A-Z, a-z
• [:alpha:]  代表任何英文大小写字母，亦即 A-Z, a-z
• [:blank:]  代表空白键与 [Tab] 按键两者
• [:cntrl:]    代表键盘上面的控制按键，亦即包括 CR, LF, Tab, Del.. 等等
• [:digit:]    代表数字而已，亦即 0-9
• [:graph:] 除了空白字节 (空白键与 [Tab] 按键) 外的其他所有按键
• [:lower:]  代表小写字母，亦即 a-z
• [:print:]   代表任何可以被列印出来的字符
• [:punct:]  代表标点符号 (punctuation symbol)，亦即：" \' ? ! ; : # $...
• [:upper:] 代表大写字母，亦即 A-Z
• [:space:]  任何会产生空白的字符，包括空白键, [Tab], CR 等等
• [:xdigit:]  代表 16 进位的数字类型，因此包括： 0-9, A-F, a-f 的数字与字节

注意：之所以要使用特殊符号，是因为上面的[a-z]不是在所有情况下都管用，这还与主机当前的语系有关，即设置在LANG环境变量的值，zh_CN.UTF-8的话[a-z]，即为所有小写字母，其它语系可能是大小写交替的如，"a A b B...z Z"，[a-z]中就可能包含大写字母。所以在使用[a-z]时请确保当前语系的影响，使用[:lower:]则不会有这个问题。

# 排除字符

$ $ echo \'geek\\ngood\' | grep \'[^o]\'

注意:当^放到中括号内为排除字符，否则表示行首。

 

使用扩展正则表达式，ERE

要通过grep使用扩展正则表达式需要加上-E参数，或使用egrep。

数量

# 只匹配"zo"

$ echo \'zero\\nzo\\nzoo\' | grep -E \'zo{1}\'

# 匹配以"zo"开头的所有单词

$ echo \'zero\\nzo\\nzoo\' | grep -E \'zo{1,}\'

 

注意：推荐掌握{n,m}即可，+,?,*，这几个不太直观，且容易弄混淆。

 

选择

# 匹配"www.shiyanlou.com"和"www.google.com"

$ echo \'www.shiyanlou.com\\nwww.baidu.com\\nwww.google.com\' | grep -E \'www\\.(shiyanlou|google)\\.com\'

# 或者匹配不包含"baidu"的内容

$ echo \'www.shiyanlou.com\\nwww.baidu.com\\nwww.google.com\' | grep -Ev \'www\\.baidu\\.com\'

注意：因为.号有特殊含义，所以需要转义。