正则表达式基础知识

一、排序命令——sort

• 以行为单位对文件内容进行排序，也可以根据不同的数据类型来排序

1、格式

2、常用选项

选项	说明
-f	忽略大小写，默认会大写字母排在前面
-b	忽略每行前面的空格
-n	按照数字进行排序
-r	反向排序
-u	等同uniq，表示相同的数据仅显示一行，去重
-t	指定字段分隔符，默认使用tab键分隔
-k	指定排序字段
-o <输出文件>	将排序后的结果转存至指定文件

3、示例

二、去除重复行操作命令——uniq

• 用于报告或者忽略文件中连续的重复行，常与sort命令结合使用

1、格式

2、常用选项

选项	说明
-c	进行计数，并删除文件中重复出现的行
-d	仅显示连续的重复行
-u	仅显示出现一次的行

3、示例

三、字符转换命令——tr

• 常用于对来自标准输入的字符进行替换、压缩和删除

1、格式

2、常用选项

选项	说明
-c	保留字符集1的字符，其他的字符（包括换行符\n）用字符集2替换
-d	删除所有属于字符集1的字符
-s	将重复出现的字符串压缩为一个字符串，用字符集2 替换 字符集1
-t	字符集2 替换 字符集1，不加选项同结果

3、参数

• 字符集1：

  • 指定要转换或删除的原字符集。当执行转换操作时，必须使用参数”字符集2“指定转换操作时，必须使用参数”字符集2“指定转换的目标字符集。但执行删除操作时，不需要参数”字符集2“

• 字符集2：

  • 指定要转换成的目标字符集

4、示例

四、显示、连接文件命令——cut

• cut命令有两个主要的功能，第一是显示文件内容，第二是连接多个或多个文件

1、格式

2、常用选项

选项	说明
-b	以字节为单位进行分割 ,仅显示行中指定直接范围的内容
-c	以字符为单位进行分割 , 仅显示行中指定范围的字符
-d	自定义分隔符，默认为制表符”TAB”
-f	显示指定字段的内容 , 与-d一起使用
-n	取消分割多字节字符
–complement	补足被选择的字节、字符或字段
–out-delimiter	指定输出内容是的字段分割符

3、示例

五、正则表达式

• 通常用于判断语句中，用于检查某一字符串是否满足某一格式

• 正则表达式是由普通字符与元字符组成

• 普通字符包括大小写字母、数字、标点符号及一些其他符号

• 元字符是指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（即位于元字符前面的字符）在目标对象中的出现模式

1、基础正则表达式常见元字符（支持工具：egrep、awk、grep、sed）

元字符	说明
\	转义字符，用于取消特殊符号的含义，例: !、\n、$等
^	匹配字符串开始的位置，例: ^a、 ^the、 #、[a-z]
$	匹配字符串结束的位置，例: wordKaTeX parse error: Expected group after '^' at position 42: …d group after '^̲' at position 3…匹配空行
.	匹配除\n之外的任意的一个字符，例: go.d、 g…d
*	匹配前面子表达式0次或者多次，例: goo*d、 go.*d
[list]	匹配list列表中的一个字符，例: go[ola]d， [abc]、 [a-z]、 [a-z0-9]、 [0-9]匹配任意一位数字
[^list]	匹配任意非list列表中的一个字符，例: [^0-9]、 [^A-Z0-9]、 [^a-z]匹配任意一位非小写字母
{n}	匹配前面的子表达式n次，例: go{2}d、 '[0-9]{2} '匹配两位数字
{n,}	匹配前而的子表达式不少于n次，例: go{2, }d、’[0-9]{2, }'匹配两位及两位以上数字
{n,m}	匹配前面的子表达式n到m次，例: go{2,3}d、 ’ [0-9]{2,3}'匹配两位到三位数字

注：egrep、 awk使用{n}、{n,}、{n, m}匹配时“{}”前不用加“\”

2、扩展正则表达式元字符（支持工具：egrep、awk）

元字符	说明
+	匹配前面子表达式1次以上，例: go+d, 将匹配至少一个o， 如god、 good、 goood等
?	匹配前面子表达式0次或者1次，例: go?d， 将匹配gd或god
()	将括号中的字符串作为h一个整体，例1: g(oo)+d," 将匹配oo整体1次以上，如good、gooood等
|	以或的方式匹配字条串，例: g (oo|la)d," 将匹配good或者glad