正则表达式及Linux三大文本处理工具

Posted 2020-09-27

一、正则表达式

1、匹配字符的类型

• [a-z]：小写字母
• [A-Z]：大写字母
• [a-Z]：小或大写字母
• [0-9]：数字
• [a-zA-Z0-9]：表示匹配一个为字母或数字的字符
• . ：匹配1个任意字符，空格除外 
• [0-f]：16进制数
• abc | def：abc或def
• a (bc | de) f：abcf 或 adef
• \\<：单词头 单词一般以空格或特殊字符做分隔,连续的字符串被当做单词
• \\>：单词尾
• [^表达式]：除小写字母以外的所有字符，如此类推。

2、后跟以下符号控制匹配的数量

此类符号的左侧要有上面第一点的表达式

• 表达式*：0或n个字符
• 表达式+：1或n个字符
• 表达式?：0或1个字符
• 表达式{n}：n个字符
• 表达式{n:m}：n到m个字符
• 表达式{n,}：至少n个字符

【例】[a-z]*表示匹配0个或多个小写字母

3、将匹配的字符控制在头尾

• ^表达式：头部符合
• 表达式$：尾部符合

 

二、Linux三大文本处理工具

1、egrep 筛选工具

grep的扩展版，可以使用正则表达式

语法：

egrep -选项  ‘正则表达式‘  文件名

选项：

• -n :显示行号
• -o :只显示匹配的内容
• -q :静默模式，没有任何输出，得用$?来判断执行成功没有，即有没有过滤到想要的内容
• -l ：如果匹配成功，则只将文件名打印出来，失败则不打印，通常-rl一起用，grep -rl ‘root‘ /etc
• -A :如果匹配成功，则将匹配行及其后n行一起打印出来
• -B :如果匹配成功，则将匹配行及其前n行一起打印出来
• -C :如果匹配成功，则将匹配行及其前后n行一起打印出来
• --color
• -c :如果匹配成功，则将匹配到的行数打印出来
• -i ：忽略大小写
• -v :取反，不匹配
• -w：匹配单词

2、sed 流编辑器

语法：

语法1：sed  -选项  ‘数字定位+命令‘  文件名

选项：

• -n：静默模式，不输出
• -e：多项编辑，这个不是很清楚
• -i：直接修改文件内容，而不是输出
• -r：扩展模式，可使用正则表达式
• -f：指定文件名，将动作写在新的文件内

定位：

①数字定位（输入行序号定位）

• 1：单行 
• 1,3：范围 从第一行到第三行
• 2,+4：匹配行后若干行
• 4,~3：从第四行到下一个3的倍数行
• 2~3：第二行起每间隔三行的行
• $：尾行
• 1!：除了第一行以外的行

【例】sed -n ‘1p‘ /etc/passwd

②正则表达式定位

• 正则必须用//包裹起来
• 扩展正则需要用 -r 参数或转义
• 替换可使用正则表达式的子模式，即小括号（），可以\\1、\\2代表子模式

【例】sed -r ‘s/(.)(.)/\\2\\1/ file1 表示将匹配到的第一部分和第二部分替换

*贪婪选项：填上g，代表把一行中所有匹配项替换

命令：

• a ∶ 追加append， 
• c ∶ 改变change， 
• d ∶ 删除delete，
• i ∶ 插入insert， i 的后面可以接字串，而这些字串会在新的一行出现(目前的上一行)
• p∶ 列印print
• s∶ 取代substitute，可以直接进行替换的工作。通常这个 s 的动作可以搭配正则表达式。例如 1,20s/old/new/g

*s命令特别说明：

使用{命令1：命令2：命令3}可增加使用多个命令

s命令语法：sed  -r  ‘替换命令s/正则表达式/替换内容/贪婪选项g‘  文件名

3、awk 文本分析工具

由命令、正则（需要用//包围起来）、比较和关系运算组合而成

使用option中的-F参数定义间隔符号

用$1,$2,$3等的顺序表示files中每行以间隔符号分隔的各列不同域，NF变量表示当前记录的字段数

语法

awk -选项 参数  ‘逻辑判断{命令 变量1,变量2,变量3}‘ 文件名

选项

• -F 定义字段分隔符,默认的分隔符是连续的空格或制表符
• -v 定义变量并赋值 也可以借用次方式从shell变量中引入

AWK变量

• NR 当前记录的个数(全部文件连接后的统计)
• FNR 当前记录的个数(仅为当前文件的统计,非全部)
• FS 字段分隔符 默认为连续空格或制表符,可以使用多个不同的符号做分隔符 -F[:/]
• OFS 输出字符的分隔符 默认是空格

【OFS例】

# awk -F: ‘OFS="=====" {print $1,$2}‘ /etc/passwd
root=====x

• NF 当前读入行的字段个数
• ORS 输出记录分隔符 默认是换行

【ORS例】

# awk -F: ‘ORS="=====" {print $1,$2}‘ /etc/passwd
root x=====bin x=====

• FILENAME 当前文件名

【例1】使用AWK变量
# awk ‘{print NR,FNR,$1}‘ file1 file2 
1 1 aaaaa
2 2 bbbbb
3 3 ccccc
4 1 dddddd
5 2 eeeeee
6 3 ffffff
# 

【例2】引用shell变量的方法

# a=root
# awk -v var=$a -F: ‘$1 == var {print $0}‘ /etc/passwd
或者 把整个命令拆开传递,让shell变量外露,
# awk -F: ‘$1 == "‘$a‘" {print $0}‘ /etc/passwd
# a=NF
# awk -F: ‘{print $‘$a‘}‘ /etc/passwd

 

逻辑运算（可直接引用域进行运算）

• = += -= /= *=：赋值
• && || !：逻辑与 逻辑或 逻辑非
• ~ !~：匹配正则或不匹配,正则需要用 /正则/ 包围住
• < <= > >= != ==：关系，比较字符串时要把字符串用双引号引起来
• $：字段引用需要加$,而变量引用直接用变量名取
• + - * / % ++ --：运算符

转义序列

• \\\\ \\自身
• \\$ 转义$
• \\t 制表符
• \\b 退格符
• \\r 回车符
• \\n 换行符
• \\c 取消换行

  

更多详细资料参考：

http://www.cnblogs.com/linhaifeng/p/6596660.html#_label3