linux正则表达式初探

为什么要学习正则表达式？

简单而言，仅仅用通配符无法满足处理字符的需求，这时候就是正则表达式大展身手的机会。相较而言，正则表达式比通配符更灵活，也更强大。

我们在网站注册用户的时候，网站一般会对用户密码做出格式要求，比如只允许使用大小写字母、下划线、减号和数字并且8≤密码字符长度≤24。这个时候必须要使用正则表达式来起到规范格式的作用。

^[a-zA-Z0-9_-]{8,24}$　　# 看到这一串是不是还以为乱码了？

正则表达式描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

需要说明的是，正则表达式是一种表示方法，支持该方法的程序就可以用正则表达式来处理字符串。

语系对正则表达式的影响

二进制计算机记录的都是0和1，屏幕输出可以阅读的文字是根据编码表转换而来的。不同语系的编码顺序可能存在区别，所以在使用正则表达式时，需要注意系统语系。

• C : 0 1 2 3 4 … A B C D … Z a b c d … z

• zh_CN.big5 : 0 1 2 3 4 … a A b B c C d D … z Z

若使用[A-Z]选取大写字母，在zh_CN.big5语系下，会把除了大写字母外从b-z的小写字母也会找出来。（似乎采用UTF-8编码方式会较少的遇到这个问题？有待研究）

如何规避语系对正则表达式的影响

使用一些特殊符号：

[:alnum:]	代表英文大小写字母和数字
[:alpha:]	仅代表英文字母
[:blank:]	代表空格或tab
[:cntrl:]	代表控制键，ctrl tab del
[:digit:]	仅代表数字
[:graph:]	与 [:blank:] 相反
[:lower:]	小写字母
[:upper:]	大写字母
[:print:]	代表可以被打印出来的字符
[:punct:]	标点
[:space:]	代表任意可产生空白的字符，如空格 tab CR回车
[:xdigit:]	16进制数字类型，0-9，A-F,a-f

基本型正则表达式的元字符

^chars　　# 匹配的字符串在行首（^代表行首）

chars$　　# 匹配的字符串在行末（$代表行末）

[list]　　# 匹配一个列表中存在的字符。如a[bc]d可以匹配到abd或acd，无法匹配到abcd

[^list]　　# 匹配一个列表中不存在的字符，注意和^chars区分

[n1-n2]　　# 匹配一个从n1（含）到n2（含）字符之间所有的连续字符，这里的连续指的是在ASCII编码上的连续，要注意语系问题！

char*　　# 星号代表重复0到任意多个星号之前的字符

.　　# 代表有一个任意字符，如a.c可以匹配到abc\azc\a空格c，但不能匹配到ac

\　　# 转义符，去掉特殊符号所代表的意义

.*联用表示零个或多个任意字符

扩展型正则表达式的元字符

char+　　# 匹配加号之前的字符一次或多次

char?　　# 匹配问号之前的字符零次或一次

|　　# or的意思

()　　# 分组匹配，如搜寻glad或good，可以这样表达：egrep -n 'g(la|oo)d' filename

()+　　# 将组内的字符匹配一次或多次，比如查找AxyzxyzxyzxyzC，可以用egrep 'A(xyz)+C'

char{}　　# 表示匹配模式中前面字符的期望个数。如'r.{2}t’ 匹配以r开头，后面跟两个任意字符，最后以t结尾的任何单词。花括号可以指定区间，char{2,5}表示匹配前面的字符最少2次，最多5次。自行理解char{2,}和char{,5}。

正则表达式的使用

新建文本文件取名REtest.txt,填充内容如下：

taste.
test
teas
ts


I am grt
I am grot
I am groot!
I am grooooot!
I am groooot
I am groooooot?
deep.
dump
decamp
dp
d 

 

  1. 匹配以t开头的行

 

 

 2. 匹配以p结尾的行

 

 3. 匹配以t开头中间是a或e后跟s的字符串所在行

 

4. 匹配以t开头中间有零个或任意个字符后跟s的字符串所在行，注意和3比较

 

5. 匹配gr中间有零个或任意个o后跟t的字符串所在行

 

6. 匹配d后跟有一个字符的字符串所在行　　# 注意结果中没有单独的d字母所在行

 

 7. 匹配以.结尾的行，注意转义符的使用

 

8. 匹配gr开头后跟的（oo）最少出现2次、最多出现3次，后跟t的字符串所在行，注意这里用了egrep

 

9. 匹配空白行并输出行号