首页 > 代码库 > 鸟哥的linux私房菜——第12章 正则表达式与文件格式化处理

鸟哥的linux私房菜——第12章 正则表达式与文件格式化处理

12.1什么是正则表达式

正则表达式就是处理字符串的方法,它是以行为单位来进行字符串的处理行为,正则表达式通过一些特殊符号的辅助,可以让用户轻易达到查找、删除、替换某特定字符串的处理程序。

vi、grep、awk、sed支持正则表达式,而cp,ls等命令只能使用bash自身的通配符

 

 

12.2基础正则表达式

grep高级参数:

grep [-A] [-B] [--color=auto]  ‘string‘   filename

-A:after的意思,除了列出该行外,后续的n行也列出来

-B:before的意思,除了列出该行外,前面的n行也列出来

--color=auto 可将正确的那个选取数据列出颜色

 

基础正则表达式练习:

例一:查找特定字符串

grep -n ‘the’ regular_express.txt

grep -vn ‘the‘ regular_express.txt   (-v反向选择)

例二:利用中括号[]来查找集合字符

grep -n ‘t[ae]st‘ regular_express.txt  (可匹配test或tast)

grep -n ‘[^g]oo‘ regular_express.txt  (oo前不能有g的字符)

grep -n ‘[^[:lower:]]oo‘ regular_express.txt   ([:lower:]代表a-z的意思)

例三:行首和行尾字符

grep -n ‘^test‘ regular_express.txt

(注:^在[]内表示“反向选择”,在[]外表示定位在行首)

grep -n ‘\.$‘ regular_express.txt   (找出行尾结束为小数点的那一行)

例四:任意一个字符.与重复字符*

grep -n ‘g..d’ regular_express.txt   (可匹配good,glad等字符)

grep -n ‘ooo*‘ regular_express.txt   (匹配至少两个o以上的字符)

grep -n ‘g.*g‘ regular_express.txt    (找出g开头与g结尾的字符串,.*表示o个或多个任意字符的意思)

例五:限定连续RE字符范围{}

grep -n ‘o\{2\}‘ regular_express.txt  (找出两个o的字符串)

grep -n ‘go\{2,5\}g’ regular_express.txt  (g后有两个到5个o,然后接一个g的字符串)

grep -n ‘go\{2,\}g’ regular_express.txt  (g后有两个及以上的o,然后接一个g的字符串)

 

基础正则表达式字符:

^word :待查找的字符串(word)在行首

word$ :待查找的字符串(word)在行尾

. :代表一定有一个任意字符的字符

\   : 转义字符,将特殊符号的特殊意义去除

*  : 重复0个或多个的前一个字符

[list] :从字符集合的RE字符里面找出想要选取的字符

[n1-n2]:从字符集合的RE字符里面找出想要选取的字符范围

[^list] :从字符集合的RE字符里面找出不要的字符串或范围

\{n,m\}:连续n到m个的前一个RE字符,\{n\}表示连续n个,\{n,\}表示连续n个及以上

 

sed工具:(详见sed & awk)

格式:sed [-nefr] [动作]

参数:

-n :使用安静模式,在一般的sed用法中,所有来自STDIN的数据一般都会被列到屏幕上,但如果加上-n参数后,则只有经过sed特殊处理的那一行才会被列出来

-e :直接在命令行模式上进行sed的动作编辑

-f  :直接将sed的动作写在一个文件内,-f filename 则可以执行filename内的sed动作

-r  :sed的动作支持的扩展型正则表达式的语法

-i  :直接修改读取的文件内容,而不是由屏幕输出

动作说明:[n1,[n2]] function

n1,n2不见得会存在,一般代表选择进行动作的行数

function参数:

a :新增,a的后面可以接字符串,而这些字符串会在目前的下一行出现

i  :插入,i 的后面可以接字符串,而这些字符串会在目前的上一行出现

c :替换,c的后面可以接字符串,这些字符串可以替换n1,n2之间的行

s :替换,可以直接进行替换工作,通常这个s可以搭配正则表达式

d :删除,因为是删除,所以d后面通常不接任何参数

p :打印,也就是将某个选择的数据打印出来,通常p会与参数sed -n一起运行

 

 

12.3扩展的正则表达式

+ :重复一个或多个的前一个RE字符

? :0个或一个的前一个RE字符

|  :用或的方式找出字符串

() :找出“组”的字符串  (如:egrep -n ‘g(la|oo)d’ regular_express.txt  表示找出glad或good字符串)

()+:多个重复组的判别   (如echo ‘AxyzxyzxyzxyzC‘ | egrep ‘A(xyz)+C‘  找出开头是A结尾是C,中间有一个以上的“xyz”字符串)

 

 

12.4文件的格式化与相关处理

格式化打印 printf:

格式:printf ‘打印格式‘ 实际内容

格式方面的几个特殊样式:

  \a 警告声音输出

  \b 退格键

  \f 清除屏幕

  \n 输出新的一行

  \r 亦即Enter按键

  \t 水平的tab按键

  \v 垂直的tab按键

  \xNN NN为两个数字,可以转换数字成字符

关于C语言内,常见的变量格式

  %ns :n代表数字,s代表string,即多个字符

  %ni : n代表数字,i代表interger,即多少整数字数

  %N.nf :n和N都是数字,f代表float,如十个位数,小数点两位为 %10.2f

 

awk工具 (详见sed & awk):

格式:awk ‘条件类型1{动作1} 条件类型2{动作2} ...’ filename

awk主要是处理每一行的字段内的数据,而默认的字段的分割符为空格键或tab键

变量:

NF : 每一行($0)拥有的字段总数

NR :目前awk所处理的是“第几行”数据

FS :目前的分隔字符,默认是空格键

逻辑运算符:

>  <  >=  <=  ==  !=

例:

cat /etc/passwd | awk ‘{FS=":"} $3<10 {print $1 "\t" $3}‘

cat pay.txt | awk ‘{if(NR==1) printf "%10s %10s,%10s\n",$1,$4,"Total"} NR>=2 {total=$1+$4 printf "%10s %10d %10.2f\n",$1,$3,total}‘

 

文本比较工具diff:

diff用于比较两个文件之间的区别,并且是以行为单位的,diff也可以比较两个目录

格式:diff [-bBi] from-file to-file

-b :忽略一行当中仅有多个空白的区别(如“about me”和“about           me”视为相同)

-B:忽略空白行的区别

-i:忽略大小写的区别

patch -pN <patch_file  更新

patch -R -pN <patch_file   还原

范例:以/tmp/test内的passwd.old 与passwd.new 制作补丁文件,并更新旧版数据

diff -Naur passwd.old passwd.new >passwd.patch

更新旧文件,变成和新文件一样

patch -p0 <passwd.patch

(pathing file passwd.old)

恢复旧文件的内容

patch -R -p0 <passwd.patch

 

 

文件打印pr:

pr /etc/man.config  (打印文本文件man.config)