正则表达式【TLCL】

grep【global regular expression print】　　　　　　　　print lines matching a pattern

grep [options] regex [file...]

regex 是指一个正则表达式

grep选项列表:

-i　　　　　　　　　　忽略大小写--ignore-case

-v　　　　　　　　　　invert match

-c　　　　　　　　　　打印匹配的数量，而不是文本行本身--count

-l　　　　　　　　　　打印包含匹配项的文件名，而不是文本行本身 --files-with-matches　　　　　　

-L　　　　　　　　　　相似于-l 选项，但是只是打印不包含匹配项的文件名--files-without-match

-n　　　　　　　　　　打印相应的行号--line-number

-h　　　　　　　　　　应用于多文件搜索，不输出文件名--no-filename

• 元义字符和原字符

^ $ . [ ] { } - ? * + ( ) | \

注意：正如我们所见到的，当 shell 执行展开的时候，许多正则表达式元字符，也是对 shell 有特殊 含义的字符。把元字符用引号引起来至关重要， 这样可以阻止 shell 试图展开它们。

.　　　　　　　　匹配在此位置的任意一个字符
^　　　　　　　　锚点，行开头
$　　　　　　　　锚点，行结尾
[***]　　　　　　字符集合，元字符被放置到中括号里面后会失去了它们的特殊含义。^表示否定，-表示范围。

注意：

• 要包含-：可将-放在开头[-***]
• 字典顺序和ASCII 顺序不同，[A-Z]不总是工作【查看LANG变量】

• POSIX字符集

[:alnum:]　　　　　　　　　　字符数字字符，在ASCII中等价于[A-Za-z0-9]

[:word:]　　　　　　　　　　　增加了下划线

[:alpha:]　　　　　　　　　　字母字符

[:blank:]　　　　　　　　　　包含空格和tab

[:cntrl:]　　　　　　　　　　ASCII的控制码，0-31,127

[:digit:]　　　　　　　　　　0-9

[:graph:]　　　　　　　　　　可视字符，33-126

[:lower:]　　　　　　　　　　小写字母

[:punct:]　　　　　　　　　　标点符号字符

[:print:] 　　　　　　　　　可打印字符，在[:graph:]中的所有字符，再加上空格字符。

[:space:]　　　　　　　　　　在 ASCII 中， 等价于[ \t\r\n\v\f]

[:upper:]　　　　　　　　　　大写字母

[:xdigit:]　　　　　　　　　　表示十六进制数字的字符

locale命令，查看locale操作。

• POSIX基本的 Vs.扩展的正则表达式

BRE：

可以识别 ^ $ . [ ] *

字符“(”，“)”，“{”，和 “}”用反斜杠转义后，被看作是元字符

ERE：

添加了 ( ) { } ? + |

在任意元字符之前加上反斜杠会导致其被看作是一个文本字符

• egrep 【grep -E】

echo "AAA" | grep -E 'AAA|BBB|CCC'

为了把 alternation 和其它正则表达式元素结合起来，我们可以使用()来分离 alternation。

grep -Eh '^(bz|gz|zip)' dirlist*.txt

• 限定符

？　　　　　　　　　　匹配零个或者一个元素

eg:^\(?[0-9][0-9][0-9]\)?  [0-9][0-9][0-9]-[0-9][0-9][0-9][0-9]$

通常圆括号都是元字符（在 ERE 中），所以我们在圆括号之前加上了反斜杠，使它们成为文本字符

*　　　　　　　　　　匹配零个或多个元素

[[:upper:]][[:upper:][:lower:] ]*.

+　　　　　　　　　　匹配一个或多个元素

^([[:alpha:]]+ ?)+$

{}　　　　　　　　　　匹配特定个数的元素

{n} n次， {n,m} n到m次， {n,}大于等于n次， {,m}小于等于m次

• find

find . -regex '.*[^-\_./0-9a-zA-Z].*'

注意：

当某一行包含的字符串匹配上了一个表达式的时候，grep 命令会打印出这一行

find 命令要求路径名精确地匹配这个正则表达式

• locate查找文件

locate 程序支持基本的（--regexp 选项）和扩展的（--regex 选项）正则表达式

• 在less和vim中查找文本

vim 支持基本的正则表达式

在扩展表达式中，许多被认为是元字符的字符在基本的表达式中被看作是文本字符,

只有用反斜杠把它们转义之后，它们才被看作是元字符。