文本编辑命令和正则表达式

一、 编辑文本的命令

正则表达式匹配的是文本内容，Linux的文本三剑客，都是针对文本内容。

文本三剑客

grep：过滤文本内容

sed：针对文本内容进行增删改查 （本文不相关）

awk：按行取列 （本文不相关）

文本三剑客都是按行进行匹配。

1.1 grep命令

grep的作用就是使用正则表达式来匹配文本内容。

选项：

• -m：匹配几次之后停止，一行有多个匹配的内容也仅视为一次匹配
• -v：取反，所有不包含匹配内容的行
• -n：显示匹配内容所在的行号
• -c：仅统计匹配的行数
• -o：仅显示匹配的内容
• -q：静默模式，不输出结果到终端。
• 
• -A：after，跟数字，显示匹配到的内容所在行以及之后的几行
• -B：before，跟数字，显示匹配到的内容所在行以及之前的几行
• -C：跟数字，显示匹配到的内容所在行之前以及之后的几行
• 

• -e：相当于逻辑或

• -E：匹配扩展正则表达式

• -f：匹配两个文件，过滤出相同的内容，以第一个文件为准

• -r：递归目录，目录下的文件内容，不处理软连接

• -R：递归目录，目录下的文件内容，包括软连接

• 1.2 sort命令：排序

  sort：以行为单位，对文件内容进行排序，默认按照数字从小到大，再字母从a到z的顺序排列，数字在前，字母在后。排序时对每行的内容从第一个字符开始依次排序。

  格式：常用2种方式

• 

  -f：忽略大小写，相同字母默认大写排在前面

  -b：忽略每行之前的空格

  -n：按照数字大小进行排序，此时不是按照单个字符进行比较，而是行首所有连续的数字都能被识别，按照识别到的数字的大小进行排序。且此时字母排序优先级高于数字

  -r：反向排序

  -u：去重，相同内容仅显示一次

  -o：把排序后的结果转存到指定文件

  -k：指定字段（字符）进行排序

  -t：指定字段的分隔符

• 1.3 uniq命令：去重

• uniq：去除连续重复的行，只显示一行

  选项：

• -c：统计连续重复的行的次数，且合并连续重复的行

• -u：显示仅出现一次的行，包括不是连续出现的重复行

• -d：仅显示连续重复的行，不包括非连续出现的的重复行

1.4 tr命令：替换和删除

tr ：用来对标准输出的字符进行替换，压缩和删除。

格式：

选项

• -c ：tr -c 字符集1 字符集2 ，保留字符集1的字符，其他的字符用字符集2来进行替换，字符集要用单引号''括起来
• -d ：tr -d 字符集 ，删除字符集的字符
• -s ：把字符集1的部分替换成字符集2的部分，也可以把连续重复出现的字符压缩成一个字符

sed比tr功能更强，常用于正则表达式。

1.5 cut命令：快速裁剪

cut可以对字段进行截取和裁剪

选项：

-d ：指定字段的分隔符，指定的分隔符用' '包裹，不指定-d默认分隔符为横向制表符（tab键）
-f：对字段进行截取，指定输出的字段，和-d连用，如1-3，输出1到3字段，2,4，输出2和4字段
-c ：以字符为单位进行截取，不常用
-b ：以字节为单位进行截取，不常用
--complement：排除指定的字段后再输出
--output-delimiter：更改输出内容的分隔符，指定改变的分隔符用=连接

1.6 split命令：文件拆分

split ：大文件拆分成若干小文件

选项：

-l ：按行来进行分割

-b ：按照大小来进行分割（单位K M G …）

1.7 文件合并

• cat命令
• paste命令

cat合并和paste合并的区别？

cat是上下合并；paste是左右合并

1.8 练习

问：查看当前网络状态中有多少个ESTABLISHED和LISTEN。

其中 ^State 表示以State开头，-v是取反

二、正则表达式

正则表达式是由一类特殊字符以及文本字符所编写的一个模式，模式又来匹配文件当中的内容（字符）。校验我们输入的内容是否满足规定、格式、长度等等要求。

主要用来匹配文本的内容、命令的结果。

区别于通配符：通配符只能用于匹配文件名和目录名，不能匹配文件的内容和命令结果。

2.1 基本正则表达式

2.1.1 元字符（字符匹配）

. ：匹配任意单个字符

\ ：转义符：恢复字符的本意

[] ：匹配指定的范围内的任意单个字符或者数字，区分大小写，也可以用1-5，a-t这样的方式范围匹配

^ ：匹配以^之后内容开头的字符

^# ：匹配以#开头的行

^$ ：匹配空行

[ ] ：中括号里输入空格，就可以匹配空格

注：匹配内容两边需要加引号，单引号双引号都可以

\w ：匹配单词或汉字

\s ：匹配任意的空白符

\d ：匹配数字

\b ：匹配单词的开始或结束

注：连续的数字、字母、下划线都算作单词的内部，如abc_123算作一个单词

反义字符：

\W ：匹配任意不是字母，数字，下划线，汉字的字符，如+ - =

\S ：匹配任意不是空白符的字符

\D ：匹配任意非数字的字符

\B ：匹配不是单词开头或结束的位置

[^] ：取反，表示匹配除了^之后的内容

2.1.2 次数匹配
表示次数，匹配字符出现的次数：

* ：匹配*前面的字符0次或者多次

匹配前一个元素零次或多次：
a*: 匹配零个或多个连续的字符 ‘a’。
123*: 匹配 ‘12’ 后面跟零个或多个 ‘3’ 的连续序列，如 ‘12’, ‘123’, ‘1233’, ‘12333’ 等。
贪婪匹配：
.*: 匹配任意字符（除换行符外）零次或多次。这通常用于匹配任意长度的文本。
a.*b: 匹配以 ‘a’ 开头，以 ‘b’ 结尾的字符串，中间可以是任意字符。
注意事项：
* 是贪婪的，它会尽可能多地匹配字符。如果需要非贪婪匹配（尽可能少地匹配），可以使用 *?。
与其他元字符结合使用：
.*: 匹配任意长度的字符序列。
[a-z]*: 匹配任意小写字母序列，长度可以为零。
\d*: 匹配任意数字序列。
\？ ：匹配前面的字符0次或者1次。如'ab\?c'可以匹配到abc和ac

\+ ：匹配前面的字符至少出现一次

\{n\} ：匹配前面的字符n次，且前面的字符必须是连续出现n次才能匹配

\{m,n\} ：匹配前面的字符至少m次，至多n次，超出的不显示

\{,n\} ：匹配前面的字符至多n次

\{m,\}：匹配前面的字符至少m次

2.1.3 位置锚定
对行匹配：

^ ：行首锚定，以什么为开头，如^3 ^[a-z]

$ ：行尾锚定，以什么为结尾，如t$ [3-9]$

特别的：对于^text&形式，是整行匹配，即匹配到的行的内容只能是text，字符和字符数量完全匹配。

^$：匹配空行，可以理解为行首和行尾之间为空，即空行

对词匹配：

\<或者\b ：词首锚定，匹配单词的左侧，连续的数字、字母、下划线都算作单词的内部，写在匹配内容的左边

\>或者\b ：词尾锚定，匹配单词的右侧，写在匹配内容的右边

\btext\b或者\<text\>表示整词匹配，只能匹配到内容为text的文本，字符和字符数量完全匹配。

2.1.4 分组和逻辑关系

\(\) ：表示分组，把括号内的内容视为一个整体

\| ：表示逻辑或

2.2 扩展正则表达式

扩展正则表达式和基本正则表达式的规则完全一致，唯一的区别就是扩展正则表达式大部分时候不需要转义符\。除了\b \< \>锚定词首词尾的时候不能去掉转义符\，表示（）而不是分组时也要加\。

grep -E支持扩展正则表达式。

egrep和grep -E一个效果。

2.3 练习

1. 使用正则表达式把下列邮箱全部匹配出来
2. 
3. 
4. 匹配下列电话
5. 

显示/etc/passwd中以sh结尾的行;

查找/etc/inittab中含有“以s开头，并以d结尾的单词”模式的行

查找ifconfig命令结果中的1-255之间的整数；

在/etc/passwd中取出默认shell为bash的行；

高亮显示passwd文件中冒号，及其两侧的字符