正则表达式

正则表达式是表达文本模式的方法。

• .：匹配任何单个字符。
• ?：上一项是可选的，最多匹配一次。
• *：前一项将被匹配零次或多次。
• +：前一项将被匹配一次或多次。
• {N}：上一项完全匹配N次。
• {N，}：前一项匹配N次或多次。
• {N，M}：前一项至少匹配N次，但不超过M次。
• --：表示范围，如果它不是列表中的第一个或最后一个，也不是列表中某个范围的终点。
• ^：匹配行首的空字符串；也代表不在列表范围内的字符。
• $：匹配行尾的空字符串。
• \b：匹配单词边缘的空字符串。
• \B：匹配空字符串，前提是它不在单词的边缘。
• \<：匹配单词开头的空字符串。
• \>：匹配单词末尾的空字符串。

元字符

元字符是表示特殊函数的字符，包括以下这些^ $ . [ ] { } - ? * + ( ) | \\。除了元字符，其他字符在正则表达式中，都表示原来的含义。

• . 匹配任意字符，但不含空字符
• ^ 匹配文本行开头
• $ 匹配文本行结尾

$ grep -h '.zip' dirlist*.txt

上面命令在文件中查找包含正则表达式“.zip”的文本行。注意，上面命令不会匹配zip程序，因为zip只有三个字符，而.zip要求四个字符。

$ grep -h '^zip' dirlist*.txt
$ grep -h 'zip$' dirlist*.txt

上面命令分别在文件列表中搜索行首，行尾以及行首和行尾同时包含字符串“zip”（例如，zip 独占一行）的匹配行。 注意正则表达式‘^$’（行首和行尾之间没有字符）会匹配空行。

方括号

方括号之中的字符，表示可以任意匹配其中的一个。

$ grep -h '[bg]zip' dirlist*.txt

上面命令匹配包含字符串“bzip”或者“gzip”的任意行。

注意，元字符放入方括号之中，会失去其特殊含义。但有两种情况除外，^在方括号的开头，表示否定，否则只是一个普通字符，表示原义。

$ grep -h '[^bg]zip' dirlist*.txt

上面命令匹配不以b或g开头的zip字符串。注意，上面命令不会匹配zip，因为一个否定的字符集仍然要求存在一个字符。

-在方括号之中表示一个字符区域。

$ grep -h '^[A-Z]' dirlist*.txt

上面命令匹配所有以大写字母开头的文本行。类似的，^[A-Za-z0-9]表示以大写字母、小写字母、数字开头的文本行。

注意，连字号如果不构成一个字符区域，则表示其本来的含义。

$ grep -h '[-AZ]' dirlist*.txt

上面命令匹配包含一个连字符，或一个大写字母“A”，或一个大写字母“Z”的文件名。

预定义字符类

由于locale设置不同，Shell展开正则表达式[A-Z]时，可能不是解释为所有大写字母，而是解释为包括所有字母的字典顺序。

$ ls /usr/sbin/[A-Z]*

上面命令在某些发行版里面，会返回所有大写字母或小写字母开头的文件。

为了避免这个问题，可以使用正则表达式的预定义字符类。

• [:alnum:] 字母数字字符。在 ASCII 中，等价于：[A-Za-z0-9]
• [:word:] 与[:alnum:]相同, 但增加了下划线字符。
• [:alpha:] 字母字符。在 ASCII 中，等价于[A-Za-z]
• [:blank:] 包含空格和 tab 字符。
• [:cntrl:] ASCII 的控制码。包含了0到31，和127的 ASCII 字符。
• [:digit:] 数字0到9
• [:graph:] 可视字符。在 ASCII 中，它包含33到126的字符。
• [:lower:] 小写字母。
• [:punct:] 标点符号字符。
• [:print:] 可打印的字符。等于[:graph:]中的所有字符，再加上空格字符。
• [:space:] 空白字符，包括空格，tab，回车，换行，vertical tab, 和 form feed.在 ASCII 中， 等价于[ \t\r\n\v\f]
• [:upper:] 大写字母。
• [:xdigit:] 用来表示十六进制数字的字符。在 ASCII 中，等价于[0-9A-Fa-f]

$ ls /usr/sbin/[[:upper:]]*

上面命令返回所有大写字母开头的文件名。

选择

|表示匹配一系列字符串之中的一个。注意与方括号区分，方括号表示匹配一系列字符之中的一个。

$ echo "AAA" | grep -E 'AAA|BBB'
AAA
$ echo "BBB" | grep -E 'AAA|BBB'
BBB
$ echo "CCC" | grep -E 'AAA|BBB'
$

上面代码中，AAA|BBB表示匹配字符串AAA或者是字符串BBB。grep程序使用-E参数，表示按照正则表达式规则匹配。并且，这个正则表达式放在单引号之中，为的是阻止Shell把|解释为管道操作符。

|可以多个连用，也可以与其他正则规则结合使用。

$ echo "AAA" | grep -E 'AAA|BBB|CCC'

$ grep -Eh '^(bz|gz|zip)' dirlist*.txt

量词操作符

量词操作符表示一个元素被匹配的次数。

• ? 匹配前面的元素出现0次或1次
• * 匹配前面的元素出现0次或多次
• + 匹配前面的元素出现1次或多次
• {n} 匹配前面的元素出现了n次
• {n,m} 匹配前面的元素它至少出现了n次，但是不多于m次
• {n,} 匹配前面的元素至少出现了n次
• {,m} 匹配前面的元素，如果它出现的次数不多于 m 次。