实验介绍

本节实验将介绍通过 grep 命令使用正则表达式。

知识点

  • grep 命令
  • 字符组匹配
  • 行首行尾符
  • 任意和重复字符
  • 限定连续字符范围

1、查找特定字符串

参数说明:

  • -a :以 text 档案的方式搜寻 binary 档案数据
  • -c :计算找到 ‘搜寻字符串’ 的次数
  • -i :忽略大小写的不同,所以大小写视为相同
  • -n :顺便输出行号
  • -v :反向选择,亦即显示没有 ‘搜寻字符串’ 内容的行
bash
1
2
3
grep -n 'the' regular_express.txt

grep -in 'the' regular_express.txt

2-1-0

2-1-0

反向查找,当该行没有字符串’the’时才显示在屏幕上。

bash
1
grep -vn 'the' regular_express.txt

2-1-1

2-1-1

2、字符组匹配

[ ]可以用来查找字符组。 值得注意的是,无论[ ]中包含多少个字符,它都只代表一个字符。比如说,我们想要查找”tast”或者”test”这两个字符串,注意到二者的拼写大部分相同,都是 t?st 的形式,故此时可以使用[ ]进行查找:

bash
1
grep -n 't[ae]st' regular_express.txt

2-2-0

2-2-0

字符组支持使用连字符“ - ”来表示一个范围。当“ - ”前后构成范围时,要求前面字符的码位小于后面字符的码位。

为反向选择字符组,用于排除后面的字符,使用方式为需要反向选择的字符

需要注意 与参数 -v 的区别,尽管二者都表示反向选择,但是如果包含有反向选择的字符的行含有其他字符的话, 仍会输出该行,而 -v 则只会输出不含有反向选择的字符的行。

下面给出一些应用示例:

plaintext
1
2
3
4
5
[abc]           :表示“a”或“b”或“c”
[0-9] :表示 0~9 中任意一个数字,等价于[0123456789]
[\u4e00-\u9fa5] :表示任意一个汉字
[^a1<] :表示除“a”、“1”、“<”外的其它任意一个字符
[^a-z] :表示除小写字母外的任意一个字符

使用 - 和 查找“Xoo”形式的字符串,要求“oo”之前不能包含小写字母:

bash
1
grep -n '[^a-z]oo' regular_express.txt

回忆前一节所提到的正则表达式特殊符号,[:lower:]表示小写字母,因此也可以使用

bash
1
grep -n '[^[:lower:]]oo' regular_express.txt

2-2-1

2-2-1

这两者是等价的,但是可以看出,使用[a-z]来表示小写字母明显更加便捷,也更加灵活。

查找字符”oog”。

bash
1
grep -n 'oog' regular_express.txt

如果我不想要“oog”字符前面有 g,则使用“g\oog”。

bash
1
grep -n '[^g]oog' regular_express.txt

同理,若不想让字符“oog”前面为 g 或者 o,则使用“[\^go]oog”。

bash
1
grep -n '[^go]oog' regular_express.txt

2-2-2

2-2-2

其中,

bash
1
grep -n '[^go]oog' regular_express.txt

返回结果为空,表示没有匹配到符合要求的字符串。

3、行首符 ^ 与行尾符 $

在第一个实验中,我们使用

bash
1
grep -n 'the' regular_express.txt

查找含有“the”的字符串,如果你只想查找行首为“the”的字符行,则使用以下命令:

bash
1
grep -n '^the' regular_express.txt

查找行首为大写字母的所有行:

bash
1
grep -n '^[A-Z]' regular_express.txt

注意行首符 ^ 和反向选择 的区别,’^[A-Z]’ 表示以大写字母开头。’a-z‘ 表示除了大写字母 A-Z 的所有字符。

行尾符 $ 的用法与行首符类似。

查找以字母 d 结尾的行:

bash
1
grep -n 'd$' regular_express.txt

这里有一个小技巧,将行首符与行尾符连用,可以用来查找空行:

bash
1
grep -n '^$' regular_express.txt

应用实例:

查看/etc/insserv.conf 文档

‘^$’ : 过滤掉空白行

‘^#’ :过滤掉注释行(以#号开头)

bash
1
2
3
cat -n /etc/insserv.conf

grep -v '^$' /etc/insserv.conf | grep -v '^#'

2-2-3

2-2-3

4、任意一个字符 . 与重复字符 *

查找 a?ou? 类型的字符:

bash
1
grep -n 'a.ou.' regular_express.txt

其中小数点表示任意一个字符,一个小数点只能表示一个未知字符。

plaintext
1
2
3
4
5
*(星号):代表重复前面 0 个或者多个字符。
e*: 表示具有空字符或者一个以上 e 字符。
ee*,表示前面的第一个 e 字符必须存在。第二个 e 则可以是 0 个或者多个 e 字符。
eee*,表示前面两个 e 字符必须存在。第三个 e 则可以是 0 个或者多个 e 字符。
ee*e :表示前面的第一个与第三个 e 字符必须存在。第二个 e 则可以是 0 个或者多个 e 字符。

下面的第一条命令与第二条命令由于允许存在空字符,所以会打印所有文本。

bash
1
2
3
4
5
grep -n 'e*' regular_express.txt

grep -n '@*' regular_express.txt

grep -n 'eee*' regular_express.txt

5、限定连续字符范围 { }

{ }可限制一个范围区间内的重复字符数。如果现在要求找出存在连续的两个 o 字符的字符串,根据前面所学的知识,我们可以使用

bash
1
grep -n 'ooo*' regular_express.txt

另一种方式是使用 { }。由于 { 与 } 在 shell 中有特殊意义,故在使用时需要用到转义字符\。

查找连续的两个 o 字符:

bash
1
grep -n 'o\{2\}' regular_express.txt

查找 g 后面接 2 到 5 个 o,然后再接 g 的字符串:

bash
1
2
3
4
5
6
7
8
9
10
11
12
grep -n 'go\{2,5\}g' regular_express.txt
总结:
^word 表示带搜寻的字符串(word)在行首
word$ 表示带搜寻的字符串(word)在行尾
.(小数点) 表示 1 个任意字符
\ 表示转义字符,在特殊字符前加\会将特殊字符意义去除
* 表示重复 0 到无穷多个前一个 RE(正则表达式)字符
[list] 表示搜索含有 l,i,s,t 任意字符的字符串
[n1-n2] 表示搜索指定的字符串范围,例如[0-9] [a-z] [A-Z]等
[^list] 表示反向字符串的范围,例如[^0-9]表示非数字字符,[^A-Z]表示非大写字符范围
\{n,m\} 表示找出 n 到 m 个前一个 RE 字符
\{n,\} 表示 n 个以上的前一个 RE 字符