首页 > 代码库 > 正則表達式基本使用方法简单介绍
正則表達式基本使用方法简单介绍
正則表達式非常实用, 有些书专门用整本书来讲这个, 可见其博大精深。 有人的地方就有江湖。 有字符串的地方就有正則表達式。所谓的正則表達式, 只是是一种模式/形式罢了。 说白了, 就是一个字符串形式。 没那么玄乎其玄。
我们之前介绍过的grep, sed和awk是一种文本/字符串处理工具。 而正則表達式却不同。 它仅仅是一种字符串形式。 我们能够用grep, sed和awk对正則表達式进行处理。 为了方便集中介绍正則表達式, 我们用最简单的grep来做处理工具。
正則表達式也不同于通配符。 虽然也有类似的地方。
在正則表達式中的*和通配符中的*就不是一个意思, 这一点务必引起重视。
除了主要的正則表達式外, 实际上还有扩展的正則表達式。 比方+, ?, ()等东东。 此时我们要用egrep或者grep -E, 在本文中, 我们用egrep.
以实践操作为荣, 以只看不练为耻。
在本文中,我们只进行基本介绍, 兴许有新东西加入到本博客中, 我们一起来玩玩吧:
1. ^xxx表示以xxx開始的行, 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep ^go test.txt good good study Administrator@51B6904C3C8A485 ~/reg $
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep up$ test.txt daydayup Administrator@51B6904C3C8A485 ~/reg $
顺便说一下, ^$能够表示空行, 这个显而易见。
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep d.y test.txt daydayup Administrator@51B6904C3C8A485 ~/reg $
再来看一个错误的使用方法:
Administrator@51B6904C3C8A485 ~/reg $ echo "w.x.y.z" | grep "w.x" w.x.y.z Administrator@51B6904C3C8A485 ~/reg $结果尽管侥幸正确。 但这不过碰巧而已。 不信。 请看:
Administrator@51B6904C3C8A485 ~/reg $ echo "w_x_y_z" | grep "w.x" w_x_y_z Administrator@51B6904C3C8A485 ~/reg $为什么过滤w.x的时候, 却把w_x_y_z过滤出来了呢? 原来, 在正則表達式中。 点不再是普通的点了。 点表示的是换行符之外的随意一个字符。
但倘若我们就是要过滤w.x这个串, 怎么办呢? 那就必需要用到\来转义了, 我们即将会介绍。 先来热热身:
Administrator@51B6904C3C8A485 ~/reg $ echo "www.x.y.z" | grep "w\.x" www.x.y.z Administrator@51B6904C3C8A485 ~/reg $ echo "w_x_y_z" | grep "w\.x" Administrator@51B6904C3C8A485 ~/reg $这就对了。
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep d.*y test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep s.*t test.txt good good study Administrator@51B6904C3C8A485 ~/reg $ grep s.t test.txt Administrator@51B6904C3C8A485 ~/reg
比方注意。 s.t并无法过滤出相应的行。 而s.*t却能够, 由于.*表示0个或者多个字符。
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep s[rst]u test.txt good good study Administrator@51B6904C3C8A485 ~/reg $ grep s[abc]u test.txt Administrator@51B6904C3C8A485 ~/reg $假设要表示全部的英文字母。 那该用如何的集合呢? 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep s[a-zA-Z]u test.txt good good study Administrator@51B6904C3C8A485 ~/reg $
假设是数字, 那就用[0-9]限定即可了。 非常easy, 一笔带过。
我们继续继续看例如以下:
Administrator@51B6904C3C8A485 ~/reg $ cat test1.txt good good study day day up daydayup Administrator@51B6904C3C8A485 ~/reg $ grep [a-z]ay test1.txt day day up daydayup Administrator@51B6904C3C8A485 ~/reg $能够看到, [a-z]ay把daydayup这一行也过滤出来了, 倘若我们仅仅要过滤出含有day单词的行, 那该怎么办呢? 我们以下就会讲。
6. \ 表示转义。 比方\<xxx就是以xxx开头的单词, xxx\>表示以xxx结尾的单词。 例如以下(正則表達式最好都加上双引號吧):
Administrator@51B6904C3C8A485 ~/reg $ cat test1.txt good good study day day up daydayup Administrator@51B6904C3C8A485 ~/reg $ grep "\<[a-z]ay\>" test1.txt day day up Administrator@51B6904C3C8A485 ~/reg $对, 别忘了。 我们的-w选项也能够过滤单词行, 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ cat test1.txt good good study day day up daydayup Administrator@51B6904C3C8A485 ~/reg $ grep -w [a-z]ay test1.txt day day up Administrator@51B6904C3C8A485 ~/reg $可是, 以下的结果可能会出乎你我的意料:
Administrator@51B6904C3C8A485 ~/reg $ cat test2.txt good good study day day up oh day‘abc oh daydayup Administrator@51B6904C3C8A485 ~/reg $ grep "\<[a-z]ay\>" test2.txt day day up oh day‘abc oh Administrator@51B6904C3C8A485 ~/reg $ grep -w [a-z]ay test2.txt day day up oh day‘abc oh Administrator@51B6904C3C8A485 ~/reg $为什么day‘abc所在的行也被过滤出来了呢? 这就涉及到正則表達式对单词的定义了。 ‘和空格符一样, 都是切割符号。
7. []中的^表示反义
我们知道, ^xxx表示以xxx开头的行, 可是。 在[]中的^, 就表示取反了, 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep "d[^abcd]" test.txt good good study Administrator@51B6904C3C8A485 ~/reg $ grep "d[^abcdy]" test.txt good good study Administrator@51B6904C3C8A485 ~/reg $ grep "d[^abcdy ]" test.txt Administrator@51B6904C3C8A485 ~/reg $
8. 一些字符类
比方[[:lower:]] 等价于[a-z]
比方[[:upper:]] 等价于[A-Z]
其余的还有不少, 我们不一一列举。 来看一个上述[[:lower:]]的应用, 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ grep "^[[:lower:]]" test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep "^[[:upper:]]" test.txt Administrator@51B6904C3C8A485 ~/reg $
9. 不得不说的反复
前面我们已经说过, *表示对前面的字符反复0次或者多次。 我们再来复习一下:
Administrator@51B6904C3C8A485 ~/reg $ cat test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep "d.*u" test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $ grep "d.*p" test.txt daydayup Administrator@51B6904C3C8A485 ~/reg $假设要反复一次或者多次。 那就用+, 例如以下(注意, 例如以下要用扩展的正則表達式, 用grep -E或者直接用egrep):例如以下:
Administrator@51B6904C3C8A485 ~/reg $ echo "gd" | egrep "go*d" gd Administrator@51B6904C3C8A485 ~/reg $ echo "gd" | egrep "go+d" Administrator@51B6904C3C8A485 ~/reg $ echo "god" | egrep "go+d" god Administrator@51B6904C3C8A485 ~/reg $ echo "good" | egrep "go+d" good Administrator@51B6904C3C8A485 ~/reg $那要表示只反复0次或者1次, 该怎么搞呢? 用问号即可了。 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ echo "good" | grep "go+d" Administrator@51B6904C3C8A485 ~/reg $ echo "gd" | egrep "go?那要是指定反复4次, 该怎么搞呢? 例如以下:d" gd Administrator@51B6904C3C8A485 ~/reg $ echo "god" | egrep "go?d" god Administrator@51B6904C3C8A485 ~/reg $ echo "good" | egrep "go?d" Administrator@51B6904C3C8A485 ~/reg $
Administrator@51B6904C3C8A485 ~/reg $ echo "goood" | egrep "go{4}d" Administrator@51B6904C3C8A485 ~/reg $ echo "gooood" | egrep "go{4}d" gooood Administrator@51B6904C3C8A485 ~/reg $ echo "goooood" | egrep "go{4}d" Administrator@51B6904C3C8A485 ~/reg $那要是反复4次或以上, 该怎么搞呢? 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ echo "goood" | egrep "go{4,}d" Administrator@51B6904C3C8A485 ~/reg $ echo "gooood" | egrep "go{4,}d" gooood Administrator@51B6904C3C8A485 ~/reg $ echo "goooood" | egrep "go{4,}d" goooood Administrator@51B6904C3C8A485 ~/reg $那要是反复4次到6次, 该怎么搞呢? 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ echo "goood" | egrep "go{4,6}d" Administrator@51B6904C3C8A485 ~/reg $ echo "gooood" | egrep "go{4,6}d" gooood Administrator@51B6904C3C8A485 ~/reg $ echo "goooood" | egrep "go{4,6}d" goooood Administrator@51B6904C3C8A485 ~/reg $ echo "gooooood" | egrep "go{4,6}d" gooooood Administrator@51B6904C3C8A485 ~/reg $ echo "goooooood" | egrep "go{4,6}d" Administrator@51B6904C3C8A485 ~/reg $说道这里, 关于反复的问题是非常明显了。 以下来小结一下:
x*表示0个或者多个x
x+表示1个或者多个x
x?
表示0和或者1个x
x{4}比表示4个x
x{4,}表示4个或4个以上的x
x{4,6}表示有有4个或者5个或者6个x
既然已经学了这么多, 那想想怎样匹配出一个5位的正整数呢? 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ echo "123456" | egrep "[1-9][0-9]{4}" 123456 Administrator@51B6904C3C8A485 ~/reg $ echo "1234" | egrep "\<[1-9][0-9]{4}\>" Administrator@51B6904C3C8A485 ~/reg $ echo "12345" | egrep "\<[1-9][0-9]{4}\>" 12345 Administrator@51B6904C3C8A485 ~/reg $ echo "123456" | egrep "\<[1-9][0-9]{4}\>" Administrator@51B6904C3C8A485 ~/reg $
10. ()表示总体, 例如以下:
Administrator@51B6904C3C8A485 ~/reg $ echo "abababc" | egrep "(ab){3,}" abababc Administrator@51B6904C3C8A485 ~/reg $ echo "abababc" | egrep "(ab){4,}" Administrator@51B6904C3C8A485 ~/reg $另外还要注意, 有时候会用()表示空(不是空格哈), 如:
Administrator@51B6904C3C8A485 ~/reg $ echo "ab" | egrep "a b" Administrator@51B6904C3C8A485 ~/reg $ echo "ab" | egrep "a()b" ab Administrator@51B6904C3C8A485 ~/reg $ echo "ab" | egrep "a b" Administrator@51B6904C3C8A485 ~/reg $ echo "a b" | egrep "a()b" Administrator@51B6904C3C8A485 ~/reg $ echo "a b" | egrep "a b" a b Administrator@51B6904C3C8A485 ~/reg $
11. |表示或, 非常好理解。
Administrator@51B6904C3C8A485 ~/reg $ egrep "^g|p$" test.txt good good study daydayup Administrator@51B6904C3C8A485 ~/reg $如上就表示以g开头或者以p结尾的行。
OK, 先说这么多。 兴许有新东东。 再补充。
正則表達式基本使用方法简单介绍