正则表达式与文本处理器

正则表达式---通常用于判断语句中，用来检查某一字符串是否满足某一格式
正则表达式是由普通字符与元字符组成
普通字符包括大小写字母、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

LINUX 中常用的有两种正则表达式引擎
基础正则表达式：BRE
扩展正则表达式：ERE

1.2 grep工具

结构：grep [选项] 查找条件目标文件

参数及含义：

-E 开启扩展（Extend）的正则表达式：grep -E=egrep
-c 计算找到 '搜寻字符串' 的次数
-i 忽略大小写的不同，所以大小写视为相同
-o 只显示被模式匹配到的字符串
-v
反向选择，亦即显示出没有 '搜寻字符串' 内容的那一行！

（反向查找，输出与查找条件不相符的行）

--color=auto 可以将找到的关键词部分加上颜色的显示喔！
-n 顺便输出行号

案例：

1、-c

2、-i

3、-v

4、-o

5、-n

1.3 基础正则表达式(支持的工具：grep、egrep、sed、awk)

\	转义符：将特殊字符进行转义，忽略其特殊意义a\.b匹配a.b 但不能匹配ajb，.被转义为特殊意义\\\\
^	匹配行首：^则是匹配字符串的开始^tux匹配以tux开头的行^^^^
$	匹配行尾：$则是匹配字符串的结尾tux$匹配以tux结尾的行$$$$
.	匹配除换行符\r\n之外的任意单个字符
\+	匹配其前面的字符出现最少1次,即:肯定有且 >=1 次
[list]	匹配list列表中的一个字符例： go[ola]d，[abc]、[a-z]、[a-z0-9]
[^list]	匹配任意不在list列表中的一个字符例： [^a-z]、[^0-9]、[^A-Z0-9]
*	*匹配前面子表达式0次或者多次例：good、go.d*
\{n\}	匹配前面的子表达式n次：例:go\{2\}d、'[O-9]\{2\}'匹配两位数字
\{n,\}	匹配前面的子表达式不少于n次，例: go\{2,\}d、' [0-9]\{2,\}'匹配两位及两位以上数宁
\{n,m\}	匹配前面的子表达式n到m次，例: go\{2,3\)d、'[0-9]\{2,3\}'匹配两位到三位数字

注意：对于支持扩展正则表达式的工具（egrep、awk、grep -e）:

使用{n}、{n，}、{n，m}匹配时“{}”前不用加“\”

定位符
^：匹配输入字符串开始的位置
$：匹配输入字符串结尾的位置

非打印字符
\n：匹配一个换行符
\r：匹配一个回车符
\t：匹配一个制表符

1.4 扩展正则表达式（支持的工具：egrep、awk）

概述：

目的：简化整个指令，需要使用范围更广的扩展正则表达式

例如，使用基础正则表达式查询除文件中空白行与行首为“#”之外的行（通常用于查看生效的配置文件），执行“grep -v‘^$’test.txt | grep -v‘^#’”即可实现。这里需要使用管道命令来搜索两次。如果使用扩展正则表达式，可以简化为“egrep-v‘^$|^#’test.txt”，其中，单引号内的管道符号表示或者

常见的扩展正则表达式的元字符主要包括以下几个
1、+：重复一个或者一个以上的前一个字符

2、？：零个或者一个的前一个字符

3、|：零个或者一个的前一个字符

4、()：查找“组”字符串

5、()+：辨别多个重复的组

注：区别总结发现（基础/扩展正则）

[]多用于基础正则

()多用于扩展正则

1.5 元字符操作的案列及总结

1.5.1 查找特定字符

1.5.2 利用中括号“[]”来查找集合字符

①

查找“shirt”与“short”这两个字符串时，可以发现这两个字符串均包含“sh”与“rt”。

此时执行以下命令即可同时查找到“shirt”与“short”这两个字符串，其中“[]”中无论有几个字符，都仅代表一个字符，也就是说“[io]”表示匹配“i”或者“o”。

②

若要查找包含重复单个字符“oo”

③

若查找“oo”前面不是“w”的字符串，只需要通过集合字符的反向选择“[^]”来实现该目的。

例如执行“grep -n‘[^w]oo’test.txt”命令表示在 test.txt 文本中查找“oo”前面不是“w”的字符串。

1.5.3 查找行首“^”与行尾字符“$”

基础正则表达式包含两个定位元字符：“^”（行首）与“$”（行尾）

在上面的示例中，查询“the”字符串时出现了很多包含“the”的行，如果想要查询以“the”字符串为行首的行，则可以通过“^”元字符来实现

“^”符号在元字符集合“[]”符号内外的作用是不一样的，在“[]”符号内表示反向选择，在“[]” 符号外则代表定位行首

1.5.4 查找任意一个字符“.”与重复字符“*”

在正则表达式中小数点（.）也是一个元字符，代表任意一个字符

“grep -n 'o*' test.txt”命令会将文本中所有的内容都输出打印

如果是“oo*”，则第一个 o 必须存在，第二个 o 则是零个或多个 o，所以凡是包含 o、oo、ooo、ooo，等的资料都符合标准。同理，若查询包含至少两个 o 以上的字符串，则执行“grep -n 'ooo*' test.txt”命令即可。

oo*

ooo*

1.5.5 查找连续字符范围“{}”

① 查询两个 o 的字符

② 查询以 w 开头以 d 结尾，中间包含 2～5 个 o 的字符串

③ 查询以 w 开头以 d 结尾，中间包含 2 个或 2 个以上 o 的字符串

二、命令小工具（cut、sort、uniq、tr）

2.1 cut（列截取工具）

用法：

从文件的每一行剪切字节、字符和字段并将这些字节、字符和字段写至标准输出。

如果不指定 File 参数，cut 命令将读取标准输入

参数选项

-b：按字节截取
-c：按字符截取，常用于中文
-d：指定以什么为分隔符截取，默认为制表符
-f：通常和-d一起

-d：

-b：（字节）

-c：（中文）

2.2 sort（排序工具）

用法：是一个以行为单位对文件内容进行排序的工具，也可以根据不同的数据类型来排序。例如数据和字符的排序就不一样

语法：

sort [选项] 参数

常用选项
-t：指定分隔符，默认使用[Tab]吧键或空格分隔
-k：指定排序区域，哪个区间排序
-n：按照数字进行排序，默认是以文字形式排序
-u：等同于 uniq，表示相同的数据仅显示一行，注意：如果行尾有空格去重就不成功
-r：反向排序，默认是升序，-r就是降序
-o：将排序后的结果转存至指定文件

sort：不加参数、由上至下（a-z）

-n、-k、-t

-o：

-r：

-u：

2.3 uniq（去重工具）

用法：

主要用于去除连续的重复行

注意：是连续的行，所以通常和sort结合使用先排序使之变成连续的行再执行去重操作，否则不连续的重复行他不能去重

语法
uniq [选项] 参数

常用选项

-c：对重复的行进行计数；
-d：仅显示重复行；
-u：仅显示出现一次的行

-c：

-d：

-u：

去重：

实例一：查看登陆用户

实例二：查看登陆过系统的用户

2.4 tr（替换、删除、去重工具）

用法：

可以用一个字符来替换另一个字符，或者可以完全除去一些字符，也可以用它来除去重复字符

语法：
tr [选项]… SET1 [SET2]
从标准输入中替换、缩减和/或删除字符，并将结果写到标准输出。

常用选项
-d 删除字符
-s 删除所有重复出现的字符，只保留第一个

tr 无参数（）（）：替换

将大写替换为小写：替换是一一对应的字母的替换

把替换的字符用单引号引起来，包括特殊字符

-d：删除

-s：去重

注意：删除空行 tr -s '\n'

实例一：

实例二：

-E	开启扩展（Extend）的正则表达式：grep -E=egrep
-c	计算找到 '搜寻字符串' 的次数
-i	忽略大小写的不同，所以大小写视为相同
-o	只显示被模式匹配到的字符串
-v	反向选择，亦即显示出没有 '搜寻字符串' 内容的那一行！（反向查找，输出与查找条件不相符的行）
--color=auto	可以将找到的关键词部分加上颜色的显示喔！
-n	顺便输出行号