当前位置：首页 > news >正文

六、文本搜索工具（grep）和正则表达式

news 来源：原创 2025/5/10 9:30:34

一、grep工具的使用

1、概念

grep：是 linux 系统中的一个强大的文本搜索工具，可以按照 正则表达式 搜索文本，并把匹配到的行打印出来（匹配到的内容标红）。

2、语法

grep [options]…… pattern [file]……

工作方式： grep 在一个或者多个文件中搜索字符串模板，如果模板中包括空格，需要使用引号引起来，模板后的所有字符串会被看作是文件名。

工作结果：如果模板搜索成功，则返回 0 状态码；如果搜索不成功，则返回 1 状态码；如果搜索的文件不存在，则返回2 的状态码。我们可以利用这些返回状态码进行一些自动化的 shell 脚本处理工作。

3、相关选项

选项	说明
-i	忽略大小写
-e	实现多个选项间的逻辑或关系
-E	如果pattern是扩展正则表达式，需要使用-E选项，grep -E = egrep
-n	显示行号
-w	按单词匹配
-o	只显示匹配到的内容
-v	不显示匹配到的行
-c	统计匹配的

4、相关使用

-i、-E、-e（使用扩展正则表达式时必须加 -E 选项）：

两种表达方式：忽略大小写匹配ab或c；

-w：

grep单独匹配字符串与加-w选项后匹配字符串的区别；

-o：

只显示匹配到的内容；

-v：

实现反选；

-c：

统计匹配到的行数；与wc -l 效果相同；

-r：

递归查询；

-rl：

递归查询问及那，只显示匹配到内容的文件名字；

二、正则表达式

1、背景

在进行程序设计的过程中，用户处理某些文本，需要查找符合某些比较复杂规则的字符串，使用正则表达式则会以非常简短的代码完成。

2、概念

正则表达式：通过一些特殊字符的排列，用以查找、替换、删除一行或多行文字字符串的表达式，简单来说，就是用在字符串的处理上的一项表达式。由于正则表达式语法简练，功能强大得到了许多程序设计语言的支持，包括Java、C++、Perl以及Shell等。

3、分类

基本正则表达式
扩展正则表达式

（1）基本正则表达式

①概念

基本正则表达式（Basic Regular Expression，BRE），又称为标准正则表达式，是最早制订的正则表达式规范，仅支持最基本的元字符集。基本正则表达式是POSIX 规范制订的两种正则表达式语法标准之一，另外一种语法标准称为扩展正则表达式。

②相关选项

元字符	说明
^	以某个字符开头
$	以某个字符结尾
.	匹配任意单字符
*	对前一项进行0次或者多次重复匹配
{m,n}	将前一项字符重复m-n次，{m, } , {, n} , {m}
[ ]	对方括号内的单字符进行匹配
[^]	不匹配方括号内的单字符
^[ ]	匹配以某个字符开头的行
\	转义字符，让一些特殊符号失效
（）	定义一个子表达式
词首【\<或\b】和词尾锚定【\>或\b】	其后面的任意字符必须作为单词首部出现；其前面的任意字符必须作为单词尾部出现

③相关使用

^：

$：

. :

.. ：

匹配任意两个字符；

* ：

——正则表达式中的 * 与其他命令中的 * 区分开

Ⅰ、正则表达式中，对前一项字符进行0次或者多次重复匹配——使用时，*前必须加需要匹配的字符；

Ⅱ、其他命令中，匹配任意字符；

{m, n}：

grep -E (不用转义字符)；不用则需要转义；

{,n}：最少0次，没有的都匹配；

[ ]：

一个一个进行匹配；

另一种写法（了解）；

[^]：

不匹配单括号中的字符，只匹配有符号的行(空格也算)

^[]：

匹配以[ ]中内容开头的行；

不匹配以方括号中开头的行；

（）：定义一个子表达式

\1——是子表达式，这里的\1表示匹配red字符，第三条命令表示匹配首尾相同（都是red），中间任意的字符（包括空格）；

第一条命令的子表达式\1是.*，完整命令表示首尾、中间都匹配任意字符；

第二条命令的子表达式\1是. ，完整的命令表示匹配首尾都相同的任意单字符，中间任意的字符；

\<或\b：

\>或者\b：

（2）扩展正则表达式

①概念

扩展正则表达式（Extended Regular Expression，ERE）支持比基本正则表达式更多的元字符，但是扩展正则表达式对有些基本正则表达式所支持的元字符并不支持。

前面介绍的元字符 “^”、“$”、“.”、“*”、“[]”以及“[^]” 这 6 个元字符在扩展正则表达式都得到了支持，并且其意义和用法都完全相同，不再重复介绍。接下来重点介绍一下在扩展正则表达式中新增加的一些元字符。

②新增的元字符

元字符	说明
？	将前一项字符进行0次或者1次的重复匹配
+	将前一项进行1次或者多次的重复匹配
（\|）	匹配 \| 符号左边或者右边的字符

只有加了-r的才可以跟目录，否则跟只能文件