6、Unix 文本搜索与正则表达式入门

Unix 文本搜索与正则表达式入门

在 Unix 编程中，处理文本数据是一项非常常见的任务。Unix 程序员更倾向于处理文本行，因为文本数据比二进制数据更加灵活，而且 Unix 系统提供了许多工具，方便进行文本的切片和处理。本文将介绍 shell 脚本中反复出现的两个基本操作：文本搜索和文本替换，重点聚焦于文本搜索以及相关的正则表达式知识。

1. 文本搜索工具

在 Unix 中，用于查找文本（或者用 Unix 行话来说，“匹配文本”）的主力程序是 grep 。在 POSIX 系统中， grep 可以使用两种正则表达式风格之一，也可以匹配简单字符串。

传统上，有三个独立的程序用于搜索文本文件：
- grep ：原始的文本匹配程序，使用 POSIX 定义的基本正则表达式（BREs）。
- egrep ：“扩展的 grep ”，使用扩展正则表达式（EREs），这是一种更强大的正则表达式表示法，但使用起来可能在计算上更昂贵。在现代系统中，这种差异已经很小。
- fgrep ：“快速 grep ”，此变体使用为固定字符串匹配优化的算法来匹配固定字符串。它是唯一可以并行匹配多个字符串的变体。

1992 年的 POSIX 标准将这三个变体合并为一个 grep 程序，其行为由不同的选项控制。POSIX 版本甚至可以为 BREs 和 EREs 匹配多个模式。虽然 fgrep