regular-expression
正则表达式和扩展的正则表达式可以称为是很多 Linux 命令行工具 (grep, sed and ...) 的精髓所在。所有本小节将分别介绍:
- regular-expression
- extended regular-expression
参考资料:
RegexOne (opens new window)
grep的注意事项
In GNU grep there is no difference in available functionality between basic and extended syntaxes.
Basic vs Extended Regular Expressions
In basic regular expressions the meta-characters ?, +, {, |, (, and ) lose their special meaning; instead use the
backslashed versions ?, +, {, |, (, and ).
这就意味着，如果需要在 basic grep 中使用上面提到的 meta-characters 的特殊含义，就需要使用 backslash 进行转译；否则他们只表示原有的含义 (比如？只表示文本中的问号。)
| abc | Letters |
|---|---|
| 123 | Digits |
| \d | Any Digit |
| \D | Any Non-digit character |
| . | Any Character |
| \. | Period |
| [abc] | Only a, b, or c |
| [^abc] | Not a, b, nor c |
| [a-z] | Characters a to z |
| [0-9] | Numbers 0 to 9 |
| \w | Any Alphanumeric character |
| \W | Any Non-alphanumeric character |
| {m} | m Repetitions |
| {m,n} | m to n Repetitions |
| * | Zero or more repetitions |
| + | One or more repetitions |
| ? | Optional character |
| \s | Any Whitespace |
| \S | Any Non-whitespace character |
| ^…$ | Starts and ends |
| (…) | Capture Group |
| (a(bc)) | Capture Sub-group |
| (.*) | Capture all |
| (abc|def) | Matches abc or def |
| \bwooo\b | whole wooo only |
# 匹配数字
使用 0-9 或者 \d 来匹配数字。
# 匹配一个任意字符
使用 . (dot) 来匹配一个任意字符 (letter, digit, whitespace, everything)。
使用 \. 来匹配 . 。
# 匹配指定字符
[abc] 将匹配一个 a，b 或者 c 字符。
# 不匹配指定字符
[^abc] 将不匹配一个 a，b 或者 c 字符。
# 匹配指定范围的一个字符
[0-6] 将匹配一个 1, 2, 3, 4, 5, 6 字符。
# 匹配指定数量的某个字符
a{3} 将匹配 3 个 a 字符。
a{1, 3} 将匹配至少 1 个，至多 3 个 a 字符。
[wxy]{5} 将匹配 5 个字符，每个字符都可以是 w, x, y 中的一个。
.{2,6} 将匹配至少 2 个至多 6 个任意字符。
# Star and Plus
Star and the Plus, which essentially represents either 0 or more or 1 or more of the character that it follows (it always follows a character or group).
这句话中 group 的意思就比如 \d 就是一个 group，它代表了所有的数字，所以 \d+ 表示有可以用来匹配任意的数字。
星号可以用来匹配 0 个或者任意个重复的字符，比如:
a* 可以用来匹配 0 个及以上的字符 a;
加号可以用来匹配 0 个或者任意个重复的字符，比如:
a+ 可以用来匹配 1 个及以上的 a 字符。
# 可选字符
ab?c 可以用来匹配 ab 或者 abc 。表明 b 是可选字符。
# 匹配任意的 whitesapce
whitespace 有 the tab (\t), the new line (\n) and the carriage return (\r).
\s 可以代表任何的 whitesapce
# 指定行的开始和结束字符
^(hat) 指定行首，$(dollar sign) 指定行尾
# 匹配 group
正则表达式不仅能够匹配字符串，还能使用 () 捕获字符串，所有的 () 中捕获的字符串都会变为一个 group，然后可以被进行后续处理。
^(IMG\d+)\.png$ 将所有 () 中匹配到的内容放到一个 group 中 (^ 可以在括号内外)。
# 嵌套 groups
^(IMG(\d+)).png$
第一个括号将所有的照片名称的字母部分及数字放到一个群组中；
第二个嵌套的括号将数组放到一个群组中。
# 多个独立的 groups
(\d+)x(\d+)
可以将分辨率的高和宽分别放到两个组中。
# OR
语法为: (milk|bread|juice)
注意
这里的括号并不表示 group.
You can use any sequence of characters or metacharacters in a condition.
# Metacharacters
\d : 表示任意一个 digitals 字符
\D : 表示任意一个非 digitals 字符
\s : 表示任意一个 space (\n, \r...) 字符
\S : 表示任意一个非 space (\n, \r...) 字符
\w : 表示任意一个字母字符
\W : 表示任意一个非字母字符
\b : 表示从先前的匹配中匹配到 word 和 non-word 的边界。
比如用:.*\b 来提取一句话，这句话中不包含任何的非字母。