正则表达式

 

        作为一个Linux管理员，您需要对文本文件进行处理。您可以使用不同的工具如grep、awk以及sed去查找包含特定文本串的文件。这里，我将介绍一种使用正则表达式，以灵活的方式，去搜索文件中的文本的方法。

　　让我们考虑一个正则表达式发挥作用的例子。比如，当你尝试使用命令grep –r host /时，其返回的结果会很庞大。因为每一个包含host这个文本串的字(像ghostscript这样的字)都会匹配。采用正则表达式，你可以更好地定制你要查找什么。例如，你可以使用正则表达式'^host'，告诉grep仅仅查找以host开始的行。

　　正则表达式并不是在所有命令中都可用，您使用的命令必须已经事先编好程序，以便能够使用正则表达式。这些命令中最普遍使用的命令是grep、tr以及vi。其它的工具，像sed和awk，也可以使用正则表达式。

　　使用正则表达式的一个例子为：

　　grep 'lin.x' *

　　正则表达式'lin.x'中的点有特殊的含义。它会匹配处于该位置的任意字符。为了防止解释性的问题，我建议您总是将正则表达式置于单引号间，这样就可以防止shell对正则表达式进行解释。

　　使用正则表达式

　　您可以使用正则表达式做很多事情。在以下的列表中，您可以找到一些最普通、最常用的正则表达式的例子。

    * ^：表示文本串必须在一行的开头。所以，当查找行的开头只为“hosts”的行，可以使用命令：grep -ls '^hosts'
    * $：代表了一行的结尾。所以，当查找行的结尾只为“hosts”的行，可以使用命令：grep -ls 'hosts$'
    * 　　你可以在一个正则表达式中结合^和$，去查找仅仅包含"yes"的行，使用的命令为grep -ls '^yes$'
    * .： 一个可以指代除了换行符以外任意字符的通配符。为了查找包含tex、tux、tox或者tix的行，可以使用：grep -ls 't.x'
    * [ ]：表示在一个正则表达式中，方括号之间的字符是可选的。为了查找名字为pinda或者linda的用户，可以使用命令：grep -ls '[pl]inda'
    * [^ ]：忽略掉方括号中^之后的所有字符。为了查找包含文本linda的行，并忽略掉其中仅包含linda或者pinda的行，命令为：grep -ls '[^pl]inda'
    * -：代表一类或者一个范围内的字符。在像tr这样的命令中，这是非常有用的。以下的命令可以将所有的小写字母转为大写字母：tr a-z A-Z < mytext。同样地，你可以使用正则表达式grep -ls '^0-9'去查找其中有一些行是以数字开头的文件。
    * \< 和 \>：查找一个字的开头或者结尾的模式。查找行的开头的字以"san"为起始的命令为： grep \<SAN< code>。这些正则表达式有两个缺点—他们并不查找以指定的正则表达式开头的行，并且他们并不被所有的工具所支持。但是，vi和grep是支持这种用法的。
    * \：确保在正则表达式中有特殊含义的字符不被解释。查找以任何字符开始，后面跟着文本"host"的文本串的命令为grep -ls '.host'。而如果你需要查找以点为第一个字符，紧接着为"host"的文本串，可以用命令：grep -ls '\.host'

　　这些正则表达式可以帮助您找到包含特定文本串的字。您也可以使用正则表达式去指定,在一个字中，该字符串出现的频率。比如，您可以使用正则表达式去搜索刚好包含用户名"linda"三次的文件。为了达到这一目的，您需要使用正则表达式的重复算子，并保证整个正则表达式位于引号中。没有引号的话，您可能会导致shell去解释您的重复算子。

　　最重要的重复算子的列表如下：

    * *：表示前述的正则表达式可能出现一次、多次或者根本不出现。注意：不要和shell中的*混淆—在shell中，*表示任意字符，而在正则表达式中，*表示之前的正则表达式可能存在。
    * ?：表示在该位置可能是一个字符（但并不是必须是）。例如，同时查找color和colour的命令为：grep -ls 'colo.r'
    * +：表示之前的字符或者正则表达式至少要出现一次
    * \{n\}：表示之前的字符或者正则表达式至少要出现n次。当你查找一个介于100到999之间的数字时，这是很有用的：grep -ls '0-9\{3\}'

　　我们已经向您概述了正则表达式的使用方法。这可以让您在做一个管理员时，更加地有效率。正则表达式可以提供更多的功能，包括一些相当复杂的操作。但在之前，请首先掌握我们已经介绍的这些技能。正则表达式可以非常复杂，以至于你会很容易迷失其中。

常用的正则表达式：
匹配中文字符的正则表达式： [ u4e00- u9fa5]
匹配双字节字符(包括汉字在内)：[^ x00- xff]
匹配空行的正则表达式： n[ s| ]* r
匹配HTML标记的正则表达式：/<(.*)>.*< / 1>|<(.*) />/
匹配首尾空格的正则表达式：(^ s*)|( s*$)
匹配Email地址的正则表达式： w+([-+.] w+)*@ w+([-.] w+)* . w+([-.] w+)*
匹配网址URL的正则表达式：http://([ w-]+ .)+[ w-]+(/[ w- ./?%&=]*)?