Linux 命令行——Linux 正则：grep 的使用

本文摘录自 Linux 命令行

1. 正则表达式

操作文本的工具的高级使用需要使用到的技术，是一种符号表示法，是一种文本识别模式。在类 Unix 系统中，文本数据起着举足轻重的作用。但是在我们能完全理解这些工具提供的功能前，我们先来看看与这些工具高级使用关联的技术–正则表达式。

2. grep

grep：global regular expression print，其中的 regular 作正则的意思。所以我们能看出 grep 和正则有关联。本质上，grep 会在文本文件中查找一个指定的正则表达式，并把匹配行输出到标准输出。

       # 我们之前用的查找固定字符串
       ls /usr/bin | grep zip
       # 创建需要查找的样例
       root@bogon Pics # ls /bin > dirlist-bin.txt
       root@bogon Pics # ls /usr/bin >dirlist-usr-bin.txt
       root@bogon Pics # ls /sbin > dirlist-sbin.txt
       root@bogon Pics # ls /usr/sbin > dirlist-usr-sbin.txt
       root@bogon Pics # ls dirlist*.txt
       dirlist-bin.txt		dirlist-usr-bin.txt
       dirlist-sbin.txt	dirlist-usr-sbin.txt
       # 查找含有 bzip 的文件：显示结果显示了文件名+匹配项
       root@bogon Pics # grep bzip dirlist*.txt
       dirlist-usr-bin.txt:bzip2
       dirlist-usr-bin.txt:bzip2recover
       # 查找不匹配的文件
       root@bogon Pics # grep -L bzip dirlist*.txt
       dirlist-bin.txt
       dirlist-sbin.txt
       dirlist-usr-sbin.txt
       # 结果额外显示文本的行号
       root@bogon Pics # grep -n bzip dirlist*.txt
       dirlist-usr-bin.txt:84:bzip2
       dirlist-usr-bin.txt:85:bzip2recover
       # 不显示文件名
       root@bogon Pics # grep -h bzip dirlist*.txt
       bzip2
       bzip2recover
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

3. 原义字符和元字符（Literals And Metacharacters）

看起来不明显，但是 grep 程序一直在使用正则表达式，即使是非常简单的例子。“bzip”这个正则表达式意味着，匹配项所在行至少包含4个字符，顺序固定且中间没有其他字符。字符串“bzip”中的所有字符都是原义字符，它们匹配本身。除了原义字符，正则也可能包含元字符，其被用来指定更复杂的匹配项：^ $ . [] {} - ? * + () | \，其他字符均为原义字符。如果用反斜杠则可以将元字符转化为原义字符。用引号将元字符引起来则可以阻止 shell 将其展开。

1. 圆点字符：用来表示任意字符。如果我们在正则中使用它，它将会匹配在此位置的任意一个字符：grep -h '.zip' dirlist*.txt：在文件中查找包含正则“.zip“的文本行。对于搜索结果，我们会发现没有 zip 程序，这是因为圆点符号将它的匹配长度增加到了四个字符。如果有文件是 .zip 也会匹配到。
2. 锚点：在正则里，插入符号^和美元符号💲被看作锚点。这意味着正则只会在文本行的开头或末尾匹配才会找到它。

       root@bogon Pics # grep  '^zip' dirlist*.txt             
       dirlist-usr-bin.txt:zip
       dirlist-usr-bin.txt:zipcloak
       dirlist-usr-bin.txt:zipdetails
       dirlist-usr-bin.txt:zipdetails5.18
       dirlist-usr-bin.txt:zipdetails5.30
       dirlist-usr-bin.txt:zipgrep
       dirlist-usr-bin.txt:zipinfo
       dirlist-usr-bin.txt:zipnote
       dirlist-usr-bin.txt:zipsplit
       root@bogon Pics # grep  'zip$' dirlist*.txt
       dirlist-usr-bin.txt:funzip
       dirlist-usr-bin.txt:gunzip
       dirlist-usr-bin.txt:gzip
       dirlist-usr-bin.txt:unzip
       dirlist-usr-bin.txt:zip
       root@bogon Pics # grep  '^zip$' dirlist*.txt
       dirlist-usr-bin.txt:zip
       
       # 每个 Linux 系统中都有字典，如何在字典中查找包含特定字符且字符位置固定的单词？如查找第三个字母是“j”，第五个字母是“r”的单词
       root@bogon Pics # grep -i '^..j.r$' /usr/share/dict/words 
       Gujar
       Kajar
       Major
       major
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

3. 中括号表达式和字符类：除了匹配任意字符，我们也能匹配单个字符。通过中括号表达式，我们能指定一个待匹配字符集合：grep -h '[bg]zip' dirlist*.txt:会输出 bzip2、bzip2recover、gizp。一个字符集合可能包含任意多个字符，且元字符被放置到中括号也会失去它们的特殊含义。然而有两个字符在中括号中有着特殊的含义：插入字符^：表示否定；连字符-：表示一个字符范围。

       # 如果在中括号表达式中的第一个字符是一个插入符^，则与剩余的字符结合被看作是不会出现的字符集合。得到的文件都有 zip，且 zip 的前一个字符是除了“b”和“g”之外的字符。这里这里也没有出现 zip 程序，因为 ^ 也占了一个字符位置
       root@bogon Pics # grep -h '[^bg]zip' dirlist*.txt
       bunzip2
       funzip`	
       gunzip
       unzip
       unzipsfx
       
       # 通过使用三个字符 A-Z，我们就可以表达A到Z的26个字母。下面的用来匹配所有以大写字母开头的文件（注意 ^ 不在中括号中不是否的含义,也不占一个位置）
       root@bogon Pics # grep -h '^[A-Z]' dirlist*.txt
       AssetCacheLocatorUtil
       AssetCacheManagerUtil
       AssetCacheTetheratorUtil
       DeRez
       GetFileInfo
       IOAccelMemory
       IOMFB_FDR_Loader
       ...
       DirectoryService
       KernelEventAgent
       PasswordService
       WirelessRadioManagerd
       
       # 匹配所有以字母和数字开头的文件
       grep -h '^[A-Za-z0-9]' dirlist*.txt
       # 上面的 - 连字符被特殊对待，当作展开符号，那怎么样匹配文件中含有 -  的文件呢？只需要将-放在首位就行
       grep -h '[-AZ]' dirlist*.txt 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27