Linux-正则表达式

1.正则表达式的定义：

  正则表达式通常用于判断语句中，使用字符串描述、匹配一系列符合某个规则的字符串。

正则表达式是由普通字符与元字符组成。

• 普通字符包括小写字母、数字、标点符号及一些其他符号。
• 元字符是指在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。 

（正则表达式模式都区分大小写）

2.正则表达式的分类：

正则表达式根据从POSIX BRE或者POSIX ERE标准可以分为：

• 基本正则表达式
• 扩展正则表达式

可以使用：
man 7 regex
（可以使用 man手册帮助）

3.文本三剑客（grep  sed  awk）支持的正则表达式：

shell是不支持正则表达式的（shell支持的是通配符）。shell中的正则表达式只有个别命令支持的，一般常用的是文本三剑客。

支持正则的shell命令	正则类型
grep	默认使用基本正则表达式(BRE)（要使用扩展正则需要加转义字符）
sed	默认使用基本正则表达式（BRE）
awk	使用扩展正则表达式(ERE)
egrep 或 grep -E	使用扩展的正则表达式(ERE)

 4.基本正则表达式：

支持的工具：grep、egrep、sed、 awk。（注意grep要配合-E或者-P使用）

元字符	含义及用法
\	表示转义字符，去掉特殊符号的特殊含义
.	匹配任意单个字符
^	匹配字符串开头的位置
$	匹配字符串末尾的位置
*	匹配前面的字符出现0~+∞
[list]	匹配list列表中的一个字符（列表中只要有一个符合即可）
[^list]	匹配任意非list列表中的一个字符
{n}	匹配前面的子表达式n次
{n,}	匹配前面的子表达式最少n次
{,n}	匹配前面的子表达式最多n次
{n,m}	匹配前面的子表达式n到m次
[ ]	代表单个字符
\?	1次或0次
^$	空行
.*	1~+∞

4.1转义字符的运用：

将特殊含义的字符转换为普通字符的含义：

被转义的特殊字符	转义前的含义作用
\ =	具有赋值的作用，或则进行字符判断
\ !	取反
\ &	单个&符可以将命令挂在后台上，两个是逻辑符号且的作用
\ $	取值变量的作用

将普通字符转换为特殊作用的字符：

被赋予新含义的普通字符	现在拥有的作用
\n	换行
\t	转化为制表符
\w（小写）	匹配包括下划线的任何单词字符
\W(大写)	匹配任何非单词字符。等通于"[^A-Za-z0-9_]"
\r	转换后是回车符
\d	匹配一个数字字符
\D	匹配一个非数字字符。等价于[^0-9]
\s（小写）	空白符
\S(大写)	非空白符

4.2.中括号表达式：

普通中括号包围的字符组，表示某个单个字符匹配中括号内的任意字符即匹配成功

1. x[abc]z ： 可以匹配包含“xaz”、“xbz”、“xcz”的字符串
2. 取反表示法： 中括号内开头使用 ^ ,表示只要不是中括号内的字符就匹配   

 x[ ^abc]z ： 可以匹配包含 “xdz”、“xez” 等字符串，但不能匹配包含“xaz”、“xbz”、“xcz”的字符串 

特殊元字符在中括号中匹配：

• 想要在中括号中匹配： ^ ，需要将其放在 中括号非开头的位置 ，如：[a^]
• 想要在中括号中匹配： - ，需要将其放在 开头位置或结尾位置 ，如：[abc-]、[-abc]
• 想要在中括号中匹配： ] ，需要将其放在 开头位置 ，如：[]abc]

 位置匹配：

^ ： 匹配行首

$ ： 匹配行尾

\b   匹配单词边界处的位置（开头和结尾） \bword\b 等价于 \<word\>

\<   匹配单词开头处的位置

\>   匹配单词结尾处的位置

\B   匹配非单词边界处的位置

字符类：

[:alnum:]	字母和数字
[:alpha:]	代表任何英文大小写字母 A-Z  a-z
[:lower:]	小写字母
[:upper:]	大写字母
[:blank:]	空白字符
[:space:]	包括空格、制表符 (水平和垂直)、换行符、回车符等各种类型的空白,比[:blank:]包含的范围广
[:cntrl:]	不可打印的控制字符（退格、删除、警铃...）
[:digit:]	十进制数字
[:xdigit:]	十六进制数字
[:graph:]	可打印的非空白字符
[:print:]	可打印字符
[:punct:]	标点符号

量词：
\{m\} ： 表示匹配前一个字符或前一个子表达式m次

\{m，n\} ： （m<n）表示匹配前一个字符或前一个字表达式最少m次，最多n次

\{m，\} ： 表示匹配前一个字符或前一个子表达式至少m次

\{，n\} ： 表示匹配前一个字符或前一个字表达式最多n次（匹配0次也算是成功）

*  表示前一个字符或前一个子表达式匹配0次或多次，等价于：{0，}

.*   匹配任意长度的任意字符

5.扩展正则表达式的元字符：

egrep 默认使用的 是扩张正则

支持的工具：egrep、awk，注意：使用grep要配合-E或者-P使用，sed要配合-r使用。
 

元字符	含义及用法
+	匹配前面子表达式1次以上，例: go+d，将匹配至少一个o，如god、good、goood等
?	匹配前面子表达式0次或者1次，例: go?d，将匹配gd或god
()	将括号中的字符串作为一个整体，例1: g(oo)+d，将匹配oo整体1次以上，如good、gooood等
|	以或的方式匹配字符串，例：g(oo|la)d，将匹配good或者 glad
*	匹配前面字符任意次
{n}	匹配n次
{m,n}	至少m，至多n次

扩展常用的量词：

• +  表示匹配前一个字符或前一个子表达式1或多次，即至少一次 等价于 {1, }
• ?  表示匹配前一个字符或前一个子表达式0或1次，等价于 {0,1} 等价于 {,1}

分组捕获和反向引用：
使用小括号（）包围一部分正则表达式，这部分正则表达式即成为一个分组整体，也称为一个子表达式。

分组后可以使用 \N 来反向引用对应的分组匹配结果，N是1-9的正整数，\1表示第一个分组表达式的匹配结果，\2表达第二个分组表达式的匹配结果。

注意：反向引用引用的是分组匹配后的结果，不是分组表达式

例如：正则表达式：(abc|def) and \1xyz 可以匹配字符串“abc and abcxyz ” 或“def and defxyz”，但是不能匹配“abc and defxyz” 或 “def and abcxyz”