5.Shell编程之正则表达式与文本处理器

一：正则表达式

1：正则表达式定义 

正则表达式又称正规表达式、常规表达式。在代码中常写为regex、regexp或RE。正则表达式是使用单个字符来描述、匹配一系列符合某个句法规则的字符串，是一种匹配字符串的方法，通过一些特殊符号，实现快速查找、删除、替换某个特定字符串。

正则表达式是由普通字符与元字符组成的文字模式。模式用于描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。其中普通字符包括大小写字母、数字、标点符号及一些其他符号，元字符则是指那些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（即元字符前面的字符）在目标对象中的出现模式。

2：正则表达式用途

系统运行过程中会产生大量信息，这些信息有些是非常重要的，有些仅是告知的信息。身为管理员如果直接看这么多的信息数据，无法快速定位到重要的信息，这时可以通过正则表达式快速获取“有问题”的信息。

二：基础正则表达式

正则表达式的字符串表达方法根据不同的严谨程度与功能分为基础正则表达式与扩展表达式。在Linux系统中常见的文件处理工具中grep与sed支持基础正则表达式，而egrep与awk支持扩展表达式。

1：基础正则表达式示例

（1）查找特定字符

执行以下命令可从test.txt文件中查找出特定字符“the”所在位置。其中“-n”表示显示行号、“-i”表示不区分大小写。

命令：grep  -n  'the'  test.txt

若反向选择，如查找不包含“the”字符的行，则需要通过grep命令的“-v”选项实现，并配合“-n”一起使用显示行号。

命令：grep  -vn  'the'  test.txt

(2)利用中括号“[  ]”来查找集合字符

想要查找“shirt”与“short”这两个字符串时，可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以上两个字符串，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”

命令：grep  -n  'sh[io]rt'  test.txt

若要查找包含重复单个字符“oo”时，只需要执行以下命令即可

命令：grep  -n  'oo'  test.txt

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。

命令：grep  -n  '[^w]oo'  test.txt

如果文件中包含“woood”与“wooooood”也符号匹配规则，二者均包含“w”。

若不希望“oo”前面存在小写字母，可以使用以下命令。

命令：grep  -n  '[^a-z]oo'  test.txt

查找包含数字的行可以通过以下命令实现。

命令：grep  -n  '[0-9]'  test.txt

(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)。

如要查询以“the”字符串为行首的行。

命令：grep  -n  '^the'  test.txt

查询以小写字母开头的行可以通过“^[a-z]”规则过滤，大写字母开头使用“^[A-Z]”规则，若要查询不以字母开头的行则使用以下命令。

命令：grep  -n  '^[^a-zA-Z]'  test.txt

"^"符号在元字符集合“[ ]”符号内外作用是不一样的，在内部表示反向选择，在外部时代表定位行首。反之，若想查找某一特定字符结尾的行则可以使用“$”定位符。

例，查询以小数点（.）结尾的行。因为小数点在正则表达式中也是一个元字符，所以需要用转义字符“\”将具有特殊意义的字符转化成普通字符。

命令：grep  -n  '\.$'  test.txt

当查询空白行时

命令：grep  -n  '^$'  test.txt

(4)查找任意一个字符“.”与重复字符“*”

例，查找“w??d”的字符串，即共有四个字符，w开头d结尾

命令：grep  -n  'w..d'   test.txt

若想要查询oo、ooo、ooooo等资料，则需要使用星号（*）元字符，但要注意，“*”代表的是重复零个或多个前面的单字符。“o*”表示拥有零个（即为空字符）或大于等于一个“o”字符，因为允许空字符，所以执行“grep  -n  'o*'  test.txt”命令会将文本中所有内容输出打印。如果是“oo*”，则第一个o必须存在，第二个o则是零个或多个，所以凡是包含o、oo、ooo等的资料都符合标准。

例，查询包含至少两个o以上的字符串

命令：grep  -n  'ooo*'   test.txt

查询w开头d结尾，中间包含至少一个o的字符串

命令：grep  -n  'woo*d'   test.txt

查询w开头d结尾，中间的字符可有可无的字符串

命令：grep  -n  'w.*d'   test.txt

查询任意数字所在行

命令：grep  -n  '[0-9] [0-9]*'   test.txt

(5)查找连续字符范围“{ }”

如果想要限制一个范围内的重复字符串，例如，查找三到五个o的连续字符，这个时候就需要使用基础正则表达式中的限定范围的字符“{ }”，因为“{ }”在Shell、中具有特殊意义，所以需要利用转义字符“\”，将其转成普通字符。

查询两个o的字符

命令：grep  -n  'o\{2\}'   test.txt

 查询w开头d结尾，中间包含2个或2个以上o的字符串

命令：grep  -n  'wo\{2,\}d'   test.txt

2:元字符总结

字符	说明
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或八进制转义符
^	匹配输入字符串的开始位置
$	匹配输入字符串的结束位置
*	匹配前面的子表达式零次或多次
+	匹配前面的子表达式一次或多次
?	匹配前面的子表达式零次或一次
.	匹配除换行符（\n、\r）之外的任何单个字符
[a-z]	字符范围。匹配指定范围内的任意字符
{n}	n是一个非负整数，匹配确定的n次
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次
\d	匹配一个数字字符，等价于[0-9]
\D	匹配一个非数字字符。等价于[^0-9]
\s	匹配任何空白字符，包括空格、制表符、换页符等。等价于[\f\n\r\t\v]
\S	匹配任何非空白字符，等价于[^/f/n/r/t/v]
\w	匹配字母、数字、下划线。等价于[A-Za-z0-9]
\W	匹配非字母、数字下划线。等价于[^A-Za-z0-9]
\n	匹配一个换行符
\f	匹配一个换页符
\r	匹配一个回车符
{n,}	n是一个非负整数，至少匹配n次

3：扩展正则表达式

通常情况下会使用基础正则表达式就已经足够了，但有时为了简化整个指令，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(or)。
此外，grep命令仅支持基础正则表达式，如果使用扩展正则表达式，需要使用egrep或awk命令awk 命令在后面的小节进行讲解，这里我们直接使用egrep命令。egrep命令与grep 命令的用法基本相似。egrep命令是一个搜索文件获得模式，使用该命令可以搜索文件中的任意字符串和符号，也可以搜索一个或多个文件的字符串，一个提示符可以是单个字符、一个字符串、一个字或一个句子。
与基础正则表达式类型相同，扩展正则表达式也包含多个元字符，常见的扩展正则表达式的元字符主要包括以下几个，如下所示
+     作用:重复一个或者一个以上的前一个字符
       示例:执行"egrep  -n 'wo+d' test.txt"命令，即可査询"wood""woood""woooooood"等字符串

？   作用:零个或者一个的前一个字符
       示例:执行“egrep -n 'bes?t' test.txt"命令，即可査询“bet""best"这两个字符串

|      作用:使用或者(or)的方式找出多个字符
        示例:执行“egrep -n'of|is|on'test.txt"命令即可查询"of"或者"if"或者"on"字符串
（）作用:查找“组”字符申
       示例:"egrep -n"(ale)st test.bxt"。"tast"与"test"因为这两个单词的"t"与"st"是重复的，所以将"a”                  与"e”列于“()"符号当中，并以“分隔，即可査询"tast"或者"{est"字符串
（）+  作用:辨别多个重复的组
           示例:"egrep -n'A(xyz)+C'test.txt"。该命令是査询开头的"A"结尾是"C"，中间有一个以上                   的"xyZ"字符串的意思

二：文本处理器

1：sed工具

sed(stream EDitor)是一个强大而简单的文本解析转换工具，可以读取文本，并根据指定的条件对文本内容进行编辑(删除、替换、添加、移动等)，最后输出所有行或者仅输出处理的某些行。sed也可以在无交互的情况下实现相当复杂的文本处理操作，被广泛应用于shell脚本中，用以完成各种自动化处理任务。
sed 的工作流程主要包括读取、执行和显示三个过程。
读取:sed 从输入流(文件、管道、标准输入)中读取一行内容并存储到临时的缓冲区中(又称模式空间，pattern space)。

执行:默认情况下,所有的 sed 命令都在模式空间中顺序地执行,除非指定了行的地址,否则 sed命令将会在所有的行上依次执行。

显示：发送修改后的内容到输出流。在发送数据后，模式空间将会被清空。

在所有的文件内容都被处理完成之前，上述过程将重复执行，直至所有内容被处理完。
注意:默认情况下所有的sed 命令都是在模式空间内执行的，因此输入的文件并不会发生任何变化，除非是用重定向存储输出。
sed  [选项]'  操作’  参数
sed  [选项]  -f  scriptfile 参数
常见的sed 命令选项主要包含以下几种。
-e或--expression=:表示用指定命令或者脚本来处理输入的文本文件,
-f或--file=:表示用指定的脚本文件来处理输入的文本文件
-h或--help:显示帮助。

-n、--quiet或silent：表示仅显示处理后的结果

-i:直接编辑文本文件。
“操作”用于指定对文件操作的动作行为，也就是sed 的命令。通常情况下是采用的“[n1[,n2]]”操作参数的格式。n1、n2是可选的，代表选择进行操作的行数，如操作需要在5~20 行之间进行，则表示为“5，20 动作行为”。常见的操作包括以下几种。
a:增加，在当前行下面增加一行指定内容。
c:替换，将选定行替换为指定内容。
d:删除，删除选定的行。
i:插入，在选定行上面插入一行指定内容。
p:打印，如果同时指定行，表示打印指定行;如果不指定行，则表示打印所有内容;如果有非
打印字符，则以 ASCII 码输出。其通常与“-n”选项一起使用。
s:替换，替换指定字符。>
 y:字符转换。

（1）输出符合条件的文本（p表示正常输出）

命令：sed  -n  'p'  test.txt               (输出所有内容，等同于cat  test.txt)

           sed  -n  '3p'  test.txt             (输出第三行)

           sed  -n  '3,5p'  test.txt            (输出3~5行)

           sed  -n  'p;n'  test.txt               (输出所有奇数行，n表示读入下一行资料)

           sed  -n  'n;p'  test.txt               (输出所有偶数行)

           sed  -n  '1,5{p;n}'  test.txt          (输出1~5行之间的奇数行)

           sed  -n  '10,${n;p}'  test.txt        (输出第十行10行至文件之间的偶数行)

           sed  -n  '/the/p'  test.txt              (输出包含the的行)

           sed  -n  '4,/the/p'  test.txt           (输出从第四行至第一行包含the的行)

    （2）删除符合条件的文本（d）       

nl命令用于计算文件的行数

nl  test.txt  |  sed  '3d'             //删除第三行

nl  test.txt  |  sed  '3,5d'          //删除第3~5行

nl  test.txt  |  sed  '/cross/d'    //删除包含corss的行

sed  '/^[a-z]/d'  test.txt           //删除以小写开头的行

sed  '/\.$/d'  test.txt                //删除以“.”结尾的行

sed  '/^$/d'  test.txt                //删除所有空行

（3）替换符合条件的文本

s（字符串替换）、c（整行/整块替换）、y（字符转换）

sed  's/the/THE/'  test.txt                      //将每行中的第一个the替换成THE

sed  's/l/L/2'  test.txt                             //将每行中的第二个l替换为L

sed  's/the/THE/g'  test.txt                    //将文件中的所有the替换成THE

sed  's/o//g'  test.txt                             //将文件中的所有o删除（替换为空串）

sed  's/^/#/'  test.txt                              //在每行行首插入#号

sed  '/the/s/^/#/'  test.txt                       //在包含the 的每行行首插入#号

sed  's/$/EOF/'  test.txt                         //在每行行尾插入字符串EOF

sed  '3,5s/the/THE/g'  test.txt              //将第3~5行中的所有the替换为THE

（4）迁移符合条件的文本

选项如下：

H：复制到剪切板

g、G：将剪切板中的数据覆盖/追加至指定行

w:保存为文件

r:读取指定文件

a：追加指定内容

sed  '/the/{H;d};$G'  test.txt                     //将包含the的行迁移至文件末尾，{；}用于多个操作

sed '/the/{H;d};$6'   test.txt                        //将包含the 的行迁移至文件末尾,{;}用于多个操作
sed '1,5{H;d};17G'  test.txt                         //将第1~5行内容转移至第17 行后
sed '/the/w out.file'  test.txt                       //将包含the 的行另存为文件 out.file
sed '/the/r  /etc/hostname' test.txt             //将文件/etc/hostname的内容添加到包含the 的每行以后
sed '3aNew'  test.txt                                   //在第3行后插入一个新行,内容为New
sed '/the/aNew'  test.txt                              //在包含the的每行后插入一个新行,内容为New
sed '3aNew1\nNew2'  test.txt                   //在第 3行后插入多行内容,中间的\n 表示换行

,p