UNIX下正则表达式.pdf

UNIX 下的正则表达式（Regular Expression ） （初2002 年 3 月 12 日，最后修改：2002 年 3 月 26 日 ，修改次数：21　蓝飞鸟） 让我们来看一个命令，用 ls 命令列出目录： ls -l |grep ^d 初学 Linux 的朋友，明白 ls 和 DO 的 DIR 是意思相差不多，但是如果没弄明白 Regular Expression ，就只会觉得UNIX 下的命令太复杂，而不会享受到 UNIX 的命令的强大。象这 个命令：ls -l |grep ^d 就运用了| （管道）、grep （搜索）和正则表达式，而要看懂这个命令， 关键的还在正则表达式。 正则表达式就是 regular expression ，从英文翻译过来常有多种译法，因此regular expression 还有别的叫法，如规则表达式、文字匹配模式，一般来说是在使用 grep 搜索，sed 和 awk 语 言时列出或者匹配字符串的一种办法。值 得注意的正则表达式看起来颇象一些命令的文件 名匹配模式，如 find ，实际上，正则表达式与文件名匹配模式不同。在UNIX 中，正则表达 式是由一个或多个 字符和 meta 字符组成的字符串，把正则表达式与数据源进行匹配之前， 程序自动把它展开变为规定的模式，然后一个字符一个字符的进行比较。 我查了一下帮助资料，目前 regular expression 有两种形式，一种是现代的（PO IX 1003.2 叫 这种为扩展的 regular expression ），另一种是老的（基本regular expression ）形式，我这里讲 的完全针对现代形式，如 egrep 的 regular expression （以下简称RE ），因为以前的基本RE 只保留在那些向后兼容老程序中。 UNIX 有很多地方会用到正则表达式，在大文件中查找符合条件的字符串或 SHELL 编程中， 要想把自己的想法贯彻给 UNIX ，非得熟练运用RE 不可，搞不 清楚 RE ，在UNIX 中，无异 于背着肥马爬行，既觉得处处不方便，做甚麽事都碍手碍脚，又浪费时间体力。想想，本来 敲一行命令然后去喝杯茶就能完成的工 作，非得守在计算机旁边敲了命令等着结果输出， 再接着输入数据，眼睛还得盯着屏幕，费神又费力。如果弄明白了 RE ，许多时候就能得心 应手。 在我以前的学 习过程中，随着对 Linux 系统的熟悉，我发现学 习UNIX 第 步就是要弄清 RE ，这样，更容易看懂复杂的命令组合。正则表达式的具体应用，要结合实际情况，但首 先得搞懂几个 RE 的基本观念。 RE 由以下几个基本部分组成： • 字符集，指匹配一个或多个指定的字符。字符集可以指定范围或 列出所有指定的 字符。 • 定位标识符，指明在一行的行首或是行 。 • 匹配次数。一般指某个字符连续重复出现多次。 • meta 字符。必须结合 meta 字符才能实现。 总的来说，meta 字符是关键，明白了 meta 字符的含义，就容易搞清楚字符集、定位标识符 以及匹配次数，通常有以下 meta 字符，在列出 meta 字符之前，先约定几个术语（借用 PO IX 中的说明文档）。 每个 RE 由一个或多个 分支 构成，每个分支之间由|符号分隔。如在 file 中查找匹配字符串 string1 或 string2 的行： egrep string1|string2 file 每个分支由一个或多个 块 连接而成，依次匹配每一个块。 每一个块由一个 原子 后面跟*、+ 、-、?符号或者{} （表示范围）组成，原子可以是用()括号 包围起来的 RE。 使用中，通常要把 RE 用 （引号）引起来，否则，{}和()必须加\ （转义符） ，即\ {原子\ }， \(原子\)。值得注意的是，grep 和 egrep(扩展 grep)存在着诸多不同，其中有 点就是，在 egrep 中的{}、()、| 等符号，只要在(引号)中，不加\ （斜杠），而grep 中的这些符号， 在 （引号）中也必须加\ （斜杠），如egrep string1|string2用 grep 表示就是 grep string1\| string2 $ 从行 开始匹配 ^ 从行首开始匹配 .