初学LINUX笔记（9）正规表示法与文件格式化处理

『正规表示法与通配符是完全不一样的东西』 这很重要，因为『通配符 (wildcard) 代表的是 bash 操作接口的一个功能』，但正规表示法则是一种字符串处理的表示方式， 这两者要分的很清楚才行。

基础正规表示法

语系

不同语系的编码数据并不相同，所以就会造成数据撷取结果的差异

• LANG=C 时：0 1 2 3 4 … A B C D … Z a b c d …z
• LANG=zh_TW 时：0 1 2 3 4 … a A b B c C d D … z Z

一般都选用LANG=C来进行文本数据的处理。
同时为了防止不同语系编码不同造成的结果的不同，所以有了一些特殊符号如下：

符号	含义
[:alnum:]	代表英文大小写字符及数字，亦即 0-9, A-Z, a-z
[:alpha:]	代表任何英文大小写字符，亦即 A-Z, a-z
[:blank:]	代表空格键与 [Tab] 按键两者
[:cntrl:]	代表键盘上面的控制按键，亦即包括 CR, LF, Tab, Del… 等等
[:digit:]	代表数字而已，亦即 0-9
[:graph:]	除了空格符 (空格键与 [Tab] 按键) 外的其他所有按键
[:lower:]	代表小写字符，亦即 a-z
[:print:]	代表任何可以被打印出来的字符
[:punct:]	代表标点符号 (punctuation symbol)，亦即：" ’ ? ! ; : # $…
[:upper:]	代表大写字符，亦即 A-Z
[:space:]	任何会产生空白的字符，包括空格键, [Tab], CR 等等
[:xdigit:]	代表 16 进位的数字类型，因此包括： 0-9, A-F, a-f 的数字与字符

grep进阶选项

grep [-A] [-B] [--color=auto] '搜寻字符串' filename

选项	作用
-A	后面可加数字，为 after 的意思，除了列出该行外，后续的 n 行也列出来；
-B	后面可加数字，为 befer 的意思，除了列出该行外，前面的 n 行也列出来；
–color=auto	可将正确的那个撷取数据列出颜色（默认关键词显色）

利用中括号

[] 里面不论有几个字符，他都仅代表某『一个』字符。例如t[ae]st仅代表tast或者test，

符号	含义
[-]	该字符组是连续的，例如大写英文/小写英文/数字等等，就可以使用[a-z],[A-Z],[0-9]等方式来书写
[^]	反向选取

行首和行尾字符 $ ^

符号	含义
^	行首，例如’^the’则为选取the开头的行
$	行尾，例如‘.$’则为选取.为结尾的行，其中\为转义

任意字符和重复字符

符号	含义
*	重复前一个字符，0到无穷
.	任意字符

限定连续 RE 字符范围

用{ }可以进行指定字符连续出现次数的限定，例如：
o\{2\} 可以用于设定o连续出现两次，如果限定为2~6次则为o\{2,6\}。

文件格式化

这里的格式化指的是：让文件按照你想要的样子进行输出

格式化打印：printf

printf '打印格式' 实际内容

字符	样式
\a	警告声音输出
\b	退格键(backspace)
\f	清除屏幕 (form feed)
\n	输出新的一行
\r	亦即 Enter 按键
\t	水平的 [tab] 按键
\v	垂直的 [tab] 按键
\xNN	NN 为两位数的数字，可以转换数字成为字符。

awk

用于数据处理

awk '条件类型 1{动作 1} 条件类型 2{动作 2} ...' filename

一般awk处理流程为：

1. 读入第一行，并将第一行的资料填入 $0, $1, $2… 等变数当中；
2. 依据 “条件类型” 的限制，判断是否需要进行后面的 “动作”；
3. 做完所有的动作与条件类型；
4. 若还有后续的『行』的数据，则重复上面 1~3 的步骤，直到所有的数据都读完为止。

awk还有几个重要的变量：

变量	含义
NF	每一行拥有的字段数
NR	当前行为第几行
FS	当前的分割字符，默认为空格键

文件比对工具

diff

以行为单位来对比两个文件

diff [-bBi] from-file to-file

选项	作用
-b	忽略一行当中，仅有多个空白的差异(例如 “about me” 与 “about me” 视为相同
-B	忽略空白行的差异。
-i	忽略大小写的不同。

cmp

cmp [-l] file1 file2

-l ：将所有的不同点的字节处都列出来。因为 cmp 预设仅会输出第一个发现的不同点。

patch

常用于文件更新。