【Shell】基礎正則標記法及grep用法

標籤：

——《鳥哥的私房菜》

正規標記法就是處理字串的方法，他是以行為單位來進行字串的處理行為；
正規標記法透過一些特殊符號的輔助，可以讓使用者輕易的達到『搜尋/刪除/取代』某特定字串的處理常式；
只要工具程式支援正規標記法，那麼該工具程式就可以用來作為正規標記法的字串處理之用；
正規標記法與萬用位元組是完全不一樣的東西！萬用位元組 (wildcard) 代表的是 bash 操作介面的一個功能， 但正規標記法則是一種字串處理的表示方式！

 

grep 正規標記法裡面是很常見也很常用的一個工具，他最重要的功能就是進行字串資料的比對，然後將符合使用者需求的字串列印出來。

grep 在資料中查尋一個字串時，是以 "整行" 為單位來進行資料的擷取的！也就是說，假如一個檔案內有 10 行，其中有兩行具有你所搜尋的字串，則將那兩行顯示在螢幕上，其他的就丟棄了！

grep [-acinv] [-A] [-B] [--color=auto] ‘搜尋字串‘ filename
選項與參數：
-a ：將 binary 檔案以 text 檔案的方式搜尋資料
-c ：計算找到 ‘搜尋字串‘ 的次數
-i ：忽略大小寫不同，所以大小寫視為相同
-n ：順便輸出行號
-v ：反向選擇，亦即顯示出沒有 ‘搜尋字串‘ 內容的那一行
--color=auto ：將找到的關鍵詞部分加上顏色的顯示
-A ：後面可加數字，為 after 的意思，除了列出該行外，後續的 n 行也列出來
-B ：後面可加數字，為 befer 的意思，除了列出該行外，前面的 n 行也列出來

 

基礎正規標記法字元彙整

RE 字元	意義與範例
^word	意義：待搜尋的字串(word)在行首！ 範例：搜尋行首為 # 開始的那一行，並列出行號 grep -n ‘^#‘ regular_express.txt
word$	意義：待搜尋的字串(word)在行尾！ 範例：將行尾為 ! 的那一行列印出來，並列出行號 grep -n ‘!$‘ regular_express.txt
.	意義：代表『一定有一個任意位元組』的字元！ 範例：搜尋的字串可以是 (eve) (eae) (eee) (e e)， 但不能僅有 (ee) ！亦即 e 與 e 中間『一定』僅有一個位元組，而空白位元組也是位元組！ grep -n ‘e.e‘ regular_express.txt
\	意義：跳脫字元，將特殊符號的特殊意義去除！ 範例：搜尋含有單引號 ‘ 的那一行！ grep -n \‘ regular_express.txt
*	意義：重複零個到無窮多個的前一個 RE 字元 範例：找出含有 (es) (ess) (esss) 等等的字串，注意，因為 * 可以是 0 個，所以 es 也是符合帶搜尋字串。另外，因為 * 為重複『前一個 RE 字元』的符號， 因此，在 * 之前必須要緊接著一個 RE 字元喔！例如任意位元組則為 『.*』 ！ grep -n ‘ess*‘ regular_express.txt
[list]	意義：位元組集合的 RE 字元，裡面列出想要擷取的位元組！ 範例：搜尋含有 (gl) 或 (gd) 的那一行，需要特別留意的是，在 [] 當中『謹代表一個待搜尋的位元組』， 例如『 a[afl]y 』代表搜尋的字串可以是 aay, afy, aly 即 [afl] 代表 a 或 f 或 l 的意思！ grep -n ‘g[ld]‘ regular_express.txt
[n1-n2]	意義：位元組集合的 RE 字元，裡面列出想要擷取的位元組範圍！ 範例：搜尋含有任一數字的那一行！需特別留意，在位元組集合 [] 中的減號 - 是有特殊意義的，他代表兩個位元組之間的所有連續位元組！但這個連續與否與 ASCII 編碼有關，因此，你的編碼需要配置正確(在 bash 當中，需要確定 LANG 與 LANGUAGE 的變數是否正確！) 例如所有大寫位元組則為 [A-Z] grep -n ‘[A-Z]‘ regular_express.txt
[^list]	意義：位元組集合的 RE 字元，裡面列出不要的字串或範圍！ 範例：搜尋的字串可以是 (oog) (ood) 但不能是 (oot) ，那個 ^ 在 [] 內時，代表的意義是『反向選擇』的意思。 例如，我不要大寫位元組，則為 [^A-Z]。但是，需要特別注意的是，如果以 grep -n [^A-Z] regular_express.txt 來搜尋，卻發現該檔案內的所有行都被列出，為什嗎？因為這個 [^A-Z] 是『非大寫位元組』的意思， 因為每一行均有非大寫位元組，例如第一行的 "Open Source" 就有 p,e,n,o.... 等等的小寫字 grep -n ‘oo[^t]‘ regular_express.txt
\{n,m\}	意義：連續 n 到 m 個的『前一個 RE 字元』 意義：若為 \{n\} 則是連續 n 個的前一個 RE 字元， 意義：若是 \{n,\} 則是連續 n 個以上的前一個 RE 字元！ 範例：在 g 與 g 之間有 2 個到 3 個的 o 存在的字串，亦即 (goog)(gooog) grep -n ‘go\{2,3\}g‘ regular_express.txt 註：因為 { 與 } 的符號在 shell 是有特殊意義的，因此， 我們必須要使用跳脫字元 \ 來讓他失去特殊意義才行

再次強調：『正規標記法的特殊位元組』與一般在命令列輸入命令的『萬用位元組』並不相同， 例如，在萬用位元組當中的 * 代表的是『 0 ~ 無限多個位元組』的意思，但是在正規標記法當中， * 則是『重複 0 到無窮多個的前一個 RE 字元』的意思～使用的意義並不相同，不要搞混了！

舉例來說，不支援正規標記法的 ls 這個工具中，若我們使用 『ls -l * 』 代表的是任意檔名的檔案，而 『ls -l a* 』代表的是以 a 為開頭的任何檔名的檔案， 但在正規標記法中，我們要找到含有以 a 為開頭的檔案，則必須要這樣：(需搭配支援正規標記法的工具)

ls | grep -n ‘^a.*‘

.* 就代表零個或多個任意位元組

另外，那個 ^ 符號，在位元組集合符號(括弧[])之內與之外是不同的！ 在 [] 內代表『反向選擇』，在 [] 之外則代表定位在行首的意義！

例如：grep -n ‘^[^a-zA-Z]‘ 意義是 不要開頭是英文字母的行

 

另外，為了要避免編碼所造成的英文與數位擷取問題，因此有些特殊的符號我們得要瞭解一下的！ 這些符號主要有底下這些意義：

特殊符號	代表意義
[:alnum:]	代表英文大小寫位元組及數字，亦即 0-9, A-Z, a-z
[:alpha:]	代表任何英文大小寫位元組，亦即 A-Z, a-z
[:blank:]	代表空白鍵與 [Tab] 按鍵兩者
[:cntrl:]	代表鍵盤上面的控制按鍵，亦即包括 CR, LF, Tab, Del.. 等等
[:digit:]	代表數字而已，亦即 0-9
[:graph:]	除了空白位元組 (空白鍵與 [Tab] 按鍵) 外的其他所有按鍵
[:lower:]	代表小寫位元組，亦即 a-z
[:print:]	代表任何可以被列印出來的位元組
[:punct:]	代表標點符號 (punctuation symbol)，亦即：" ‘ ? ! ; : # $...
[:upper:]	代表大寫位元組，亦即 A-Z
[:space:]	任何會產生空白的位元組，包括空白鍵, [Tab], CR 等等
[:xdigit:]	代表 16 進位的數字類型，因此包括： 0-9, A-F, a-f 的數字與位元組

【Shell】基礎正則標記法及grep用法