正则表达式

正则表达式是表达文本模式的方法。

元字符

元字符是表示特殊函数的字符，包括以下这些^ $ . [ ] { } - ? * + ( ) | \\。除了元字符，其他字符在正则表达式中，都表示原来的含义。

查找包含“.zip”的文本行。注不会匹配zip程序，因为zip只有三个字符，而.zip要求四个字符。

$ grep -h '.zip' dirlist*.txt

在文件列表中搜索行首包含字符串“zip”匹配行
在文件列表中搜索行尾包含字符串“zip”匹配行
注意’^$’ 匹配空行(行首和行尾之间没有字符)

$ grep -h '^zip' dirlist*.txt
$ grep -h 'zip$' dirlist*.txt

方括号之中的字符，表示可以任意匹配其中的一个。

匹配包含字符串“bzip”或者“gzip”的任意行

$ grep -h '[bg]zip' dirlist*.txt

注^在方括号内，表示否定，否则只是一个普通字符，表示原义行首。

匹配不以b或g开头的zip字符串。注意，不会匹配zip，因为要求4个字符。

$ grep -h '[^bg]zip' dirlist*.txt

-在方括号之中表示一个字符区域。

匹配所有以大写字母开头的文本行。类似的，^[A-Za-z0-9]表示以大写字母、小写字母、数字开头的文本行。

$ grep -h '^[A-Z]' dirlist*.txt

注意，连字号如果不构成一个字符区域，则表示其本来的含义。匹配包含一个连字符，或一个大写字母“A”，或一个大写字母“Z”的文件名。

$ grep -h '[-AZ]' dirlist*.txt

由于locale设置不同，Shell展开正则表达式[A-Z]时，可能不是解释为所有大写字母，而是解释为包括所有字母的字典顺序。

$ ls /usr/sbin/[A-Z]*

上面命令在某些发行版里面，会返回所有大写字母或小写字母开头的文件。

为了避免这个问题，可以使用正则表达式的预定义字符类。

[:alnum:] 字母数字字符。在 ASCII 中，等价于：[A-Za-z0-9]
[:word:] 与[:alnum:]相同, 但增加了下划线字符。
[:alpha:] 字母字符。在 ASCII 中，等价于[A-Za-z]
[:blank:] 包含空格和 tab 字符。
[:cntrl:] ASCII 的控制码。包含了0到31，和127的 ASCII 字符。
[:digit:] 数字0到9
[:graph:] 可视字符。在 ASCII 中，它包含33到126的字符。
[:lower:] 小写字母。
[:punct:] 标点符号字符。
[:print:] 可打印的字符。等于[:graph:]中的所有字符，再加上空格字符。
[:space:] 空白字符，包括空格，tab，回车，换行，vertical tab, 和 form feed.在 ASCII 中，等价于[ \t\r\n\v\f]
[:upper:] 大写字母。
[:xdigit:] 用来表示十六进制数字的字符。在 ASCII 中，等价于[0-9A-Fa-f]

$ ls /usr/sbin/[[:upper:]]*

上面命令返回所有大写字母开头的文件名。

|表示匹配一系列字符串之中的一个。注意与方括号区分，方括号表示匹配一系列字符之中的一个。

$ echo "AAA" | grep -E 'AAA|BBB'
AAA
$ echo "BBB" | grep -E 'AAA|BBB'
BBB
$ echo "CCC" | grep -E 'AAA|BBB'
$

上面代码中，AAA|BBB表示匹配字符串AAA或者是字符串BBB。grep程序使用-E参数，表示按照正则表达式规则匹配。并且，这个正则表达式放在单引号之中，为的是阻止Shell把|解释为管道操作符。

|可以多个连用，也可以与其他正则规则结合使用。

$ echo "AAA" | grep -E 'AAA|BBB|CCC'

$ grep -Eh '^(bz|gz|zip)' dirlist*.txt

量词操作符表示一个元素被匹配的次数。