今天开始学习正则表达式啦!感觉这个用到的情况很多,特别是处理字符串数据的时候,之前太懒了没有系统学习。果然欠下的债是要还的鸭~😢
基础正则表达式介绍与练习
本次实验将介绍正则表达式的一些基本概念和用法。
- 正则表达式的概念
- 特殊符号
什么是正则表达式
在做文字处理或编写程序时,用到查找、替换等功能,使用正则表达式能够简单快捷的完成目标。简单而言,正则表达式通过一些特殊符号的帮助,使用户可以轻松快捷的完成查找、删除、替换等处理程序。例如 grep, expr, sed , awk. 或 Vi 中经常会使用到正则表达式,为了充分发挥 shell 编程的威力,需要精通正则表达式。正规表示法基本上是一种『表示法』, 只要工具程序支持这种表示法,那么该工具程序就可以用来作为正规表示法的字符串处理之用。 也就是说,例如 vi, grep, awk ,sed 等等工具,因为她们有支持正规表示法, 所以,这些工具就可以使用正规表示法的特殊字符来进行字符串的处理。
grep是一个最初用于Unix操作系统的命令行工具。在给出文件列表或标准输入后,grep会对匹配一个或多个正则表达式的文本进行搜索,并只输出匹配(或者不匹配)的行或文本。
正则表达式特殊符号
[:alnum:] 代表英文大小写字母及数字
[:alpha:] 代表英文大小写字母
[:blank:] 代表空格和 tab 键
[:cntrl:] 键盘上的控制按键,如 CR,LF,TAB,DEL
[:digit:] 代表数字
[:graph:] 代表空白字符以外的其他
[:lower:] 小写字母
[:print:] 可以被打印出来的任何字符
[:punct:] 代表标点符号
[:upper:] 代表大写字母
[:space:] 任何会产生空白的字符如空格,tab,CR 等
[:xdigit:] 代表 16 进位的数字类型
查找小写字母:
$ grep -n '[[:lower:]]' regular_express.txt
查找数字:
$ grep -n '[[:digit:]]' regular_express.txt
语系对正则表达式的影响
由于不同语系的编码数据不同,所以造成不同语系的数据选取结果有所差异。以英文大小写为例,zh_CN.big5 及 C 这两种语系差异如下:
- LANG=C 时: 0 1 2 3 4….ABCDE…Zabcde…z
- LANG=zh_CN 时:0 1 2 3 4…aAbBcCdD…..zZ
在使用正则表达式[A-Z]时, LANG=C 的情况下,找到的仅仅是大写字符 ABCD..Z。而在 LANG=zh_CN 情况下,会选取到 AbBcCdD…..zZ 字符。因此在使用正则表达式时要特别留意语系。
由于我们一般使用的兼容与 POSIX 的标准,因此使用 C 语系。
grep命令与正则表达式
本次实验将介绍通过 grep 命令使用正则表达式。
- 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
搜索特定字符串”the”
参数说明:
-a :将 binary 档案以 text 档案的方式搜寻数据
-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,亦即显示出没有 ‘搜寻字符串’ 内容的那一行!
$ grep -n 'the' regular_express.txt
$ grep -in 'the' regular_express.txt
字符组匹配
[]中包含的任意一个字符。只能是一个。
字符组支持由连字符“ - ”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。
[^…] 排除型字符组。排除后面的字符。
[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
查找“tast”或者“test”两个字符串。
grep -n 't[ae]st' regular_express.txt
查找不包含“#”的字符串
grep -n '[^#]' regular_express.txt
查找字符“oog”,如果我不想要“oog”字符前面有 g,则查找“[^g]oog”,同理,查找“[^go]oog”是指字符“oog”前面不能为 g 或者 o。
$ grep -n 'oog' regular_express.txt
$ grep -n '[^g]oog' regular_express.txt
$ grep -n '[^go]oog'regular_express.txt
grep -n ‘[^go]oog’regular_express.txt 结果返回为空,表明没有匹配到满足要求的字符串。
行首符^与行尾符$
在第一个小实验中,查找了一行字符中含有“the”的,如果你想要只查找行首为“the”的字符行,则使用以下命令:
$ grep -n '^the' regular_express.txt
查找行首为大写字母的所有行:
’^[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。
$ grep -n '^[A-Z]' regular_express.txt
查找以 d 字母结尾的行:
$ grep -n 'd$' regular_express.txt
查找空行:
$ grep -n '^$' regular_express.txt
查找注释行:
grep -n '^#' regular_express.txt
应用实例:
查看/etc/insserv.conf 文档
’^$’ : 过滤掉空白行
’^#’ : 过滤掉注释行(以#号开头)
$ cat -n /etc/insserv.conf
$ grep -v '^$' /etc/insserv.conf | grep -v '^#'
任意一个字符: “ . “(小数点)与重复字符 “ * ”(星号)
查找 a?ou?类型的字符。
$ grep -n 'a.ou.' regular_express.txt
‘a.ou.’ : 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。
*(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。
$ grep -n 'e*' regular_express.txt
$ grep -n '@*' regular_express.txt
$ grep -n 'eee*' regular_express.txt
限定连续字符范围{ }
{ }可限制一个范围区间内的重复字符数。举个例子,若要找出 2~5 个 o 的连续字符串,如何做? 此时便要用到{}了。由于 { } 在 shell 中有特殊意义,需要用到转义字符\对{ }进行转译。
查找连续的两个 o 字符:
$ grep -n 'o\{2\}' regular_express.txt
结果与命令 grep -n ‘ooo*’ regular_express.txt 的结果相同。
查找 g 后面接 2 到 5 个 o,然后再接 g 的字符串
$ 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
正则表达式运用之sed工具命令
本实验继续以上一个实验的 regular_express.txt 为实验文本,通过正则表达式和 sed 工具简单快捷的完成文件查询、修改等功能。
- sed 工具
- 文件副本编辑
实验原理
sed 是非交互式的编辑器。它不会修改文件,除非使用 shell 重定向来保存结果。默认情况下,所有的输出行都被打印到屏幕上。
sed 编辑器逐行处理文件(或输入),并将结果发送到屏幕。具体过程如下:首先 sed 把当前正在处理的行保存在一个临时缓存区中(也称为模式空间),然后处理临时缓冲区中的行,完成后把该行发送到屏幕上。sed 每处理完一行就将其从临时缓冲区删除,然后将下一行读入,进行处理和显示。处理完输入文件的最后一行后,sed 便结束运行。sed 把每一行都存在临时缓冲区中,对这个副本进行编辑,所以不会修改原文件。
如果要修改原文件,可使用-i 选项。
将文件内容列出并打印行号同时将2-5行删除显示
代码如下:
$ nl regular_express.txt | sed '2,5d'
命令解释:’2,5d’ 表示 2~5 行,d 表示删除。
同上删除第 2 行
$ nl regular_express.txt | sed '2d'
同上删除第三行到最后一行, $定位到最后一行
$ nl regular_express.txt | sed '3,$d'
在原文件中删除第 1 行:
$ sed -i '1d' regular_express.txt
a表示在行后加上字符串,i表示在行前添加字符串
在第二行后添加 test 字符串
$ nl regular_express.txt | sed '2a test'
在执行上面sed指令时报错,因为macOS默认安装的是BSD的sed,需要安装GNU的sed,然后用gsed
替代当前的sed即可。
brew install gnu-sed
alias sed=gsed
在第二行前添加 test 字符串
$ nl regular_express.txt | sed '2i test'
在第二行后加入两行 test,“\n”表示换行符
$ nl regular_express.txt | sed '2a test\ntest'
将 2-5 行内容取代为 No 2-5 number
c为替换内容选项。
$ nl regular_express.txt | sed '2,5c No 2-5 number'
列出 regular_express.txt 内第 5-7 行
sed 命令中-n 为安静模式选项。以下两条命令执行结束后可对比结果。
$ nl regular_express.txt |sed -n '5,7p'
$ nl regular_express.txt |sed '5,7p'
替换字符串
用法:sed ‘s/被替换字符串/新字符串/g’
获取本机 IP 的行
$ /sbin/ifconfig eth0 |grep 'inet '
inet 后面的空格不能少
命令详解: 在/sbin/ifconfig eth0 的结果中查找‘inet’,打印至终端
将 IP 前面的部分予以删除,下面两条命令结果相同。
$ /sbin/ifconfig eth0 |grep 'inet '| sed 's/.inet...://g'
$ /sbin/ifconfig eth0 |grep 'inet '| sed 's/.\{0,9\}://'
将 IP 后面的部分删除
$ /sbin/ifconfig eth0 |grep 'inet '| sed 's/.inet...://g'| sed 's/..:.*$//g'
$ /sbin/ifconfig eth0 |grep 'inet '| sed 's/.inet...://g'| sed 's/.\{0,3\}:.*$//g'
上述命令是比较复杂的正则表达式运用,熟悉正则表达式可以明显的简化命令,简单快捷的完成文件查询、修改等功能。
拓展正则表达式
事实上,一般实验者只需要熟悉基础的正则表达式就足够了。不过有时候为了简化命令操作,了解一些使用范围更广的扩展表达式,会更加方便。本实验将介绍扩展正则表达式的基本知识。
- egrep 命令
- 扩展正则表达式
简单对比
正规表示法:
$ grep -v '^$' regular_express.txt |grep -v '^#'
该条指令表示反向先寻找空的即寻找到不空字符串然后需要不是注释的字符串,其实就是所有字符串hhhh。需要使用到管线命令来搜寻两次! 那么如果使用延伸型的正规表示法,我们可以简化为:
$ egrep -v '^$|^#' regular_express.txt
利用支持延伸型正规表示法的 egrep 与特殊字符 “|” 的组功能来区隔两组字符串。
此外,grep 默认仅支持基础正则表达式,如果要使用扩展性正则表达式,可以使用grep - E。grep -E 与 egrep 相当于命令别名关系。
扩展规则
+ :表示重复一个或一个以上前一个 RE 字符
$ egrep -n 'go+d' regular_express.txt
等同于普通写法:
$ grep -n 'goo*d' regular_express.txt
? : 表示重复零个或一个前一个RE 字符
$ egrep -n 'go?d' regular_express.txt
上述三条命令结果如上,发现 ‘goo*d’ 与 ‘go+d’ 等同,而 ‘go?d’ 结果不同。
| :表示用或的方式找出数个字符串
$ egrep -n 'gd|good' regular_express.txt
() : 表示找出群组字符串
$ egrep -n 'g(la|oo)d' regular_express.txt
也就是搜寻(glad)或 good 这两个字符串
()+ : 多个重复群组判别
$ echo 'AxyzxyzxyzxyzC'|egrep 'A(xyz)+C'
$ echo 'AxyzxyzxyzxyzC'|egrep 'A(xz)+C'
也就是要找开头是 A 结尾是 C 中间有一个以上的 ‘xyz’ 或 ‘xz’ 字符串的意思。
结果显示 ‘A(xyz)+C’ 可以匹配, ‘A(xz)+C’ 没有匹配项。
正则表达式基础挑战实验
介绍
Linux 系统管理员通常会对用户数据库文件进行修改完成对用户的管理工作,菜鸟小明想要对自己电脑里的用户进行管理,在这里提供了一个用户数据库文件 user
,请你根据要求协助小明完成用户的管理。
文件的格式和具体含义如下:
用户名:密码:用户标识号(UID):组标识号(GID):用户描述:主目录:登录Shell
请打开 Xfce 终端输入文件下载代码:
wget http://labfile.oss.aliyuncs.com/courses/798/user
将完成的结果追加输出到该文件中。
目标
-
新建结果文件
/home/shiyanlou/result
,将用户记录的编辑结果(如查找结果等)输出到该文件中 -
要求顺便输出行号
-
找出登录 Shell 为
bash
的用户行记录 -
找出 UID 或 GID 是5位数及以上的用户行记录
-
有主目录在
/var/spo??l
下的用户,但想不起来spo
到底有几个o
,找出满足条件的用户行记录 -
已知有个用户其用户名形如 ‘mi..M’ 中间有多个未知的
mi
,找出该用户行记录
提示
- Linux 追加命令 »
- grep 与 egrep 命令
解决方法
cat user | grep -n 'bash' >> /home/shiyanlou/result
cat user | grep -n '[0-9]\{5,\}' >> /home/shiyanlou/result
cat user | egrep -n 'var/spo+l' >> /home/shiyanlou/result
cat user | egrep -n 'mi(mi)+M' >> /home/shiyanlou/result
参考
[1] 正则表达式基础