正则表达式快速入门
正则表达式，就是用某种模式去匹配一类字符串的一个公式,用shell也有一段时间了,自诩对正则表达式也略微了解,却被正则表示式之道的题目难倒了,把文章的精华记录下来,工作中作为参考.
正则表达式有元字符和普通字符组成的,最终要理解元字符的意义.
1.元字符的意义
元字符 | 描述 |
|---|---|
. | 匹配任何单个字符。例如正则表达式r.t匹配这些字符串：rat、rut、r t，但是不匹配root。 |
$ | 匹配行结束符。例如正则表达式weasel$能够匹配字符串”He’s a weasel“的末尾，但是不能匹配字符串”They are a bunch of weasels.“。 |
^ | 匹配一行的开始。例如正则表达式^When in能够匹配字符串”When in the course of human events“的开始，但是不能匹配”What and When in the”。 |
* | 匹配0或多个正好在它之前的那个字符。例如正则表达式.*意味着能够匹配任意数量的任何字符。 |
| 这是引用府，用来将这里列出的这些元字符当作普通的字符来进行匹配。例如正则表达式$被用来匹配美元符号，而不是行尾，类似的，正则表达式.用来匹配点字符，而不是任何字符的通配符。 | |
[ ] [c1-c2][^c1-c2] | 匹配括号中的任何一个字符。例如正则表达式r[aou]t匹配rat、rot和rut，但是不匹配ret。可以在括号中使用连字符-来指定字符的区间，例如正则表达式[0-9]可以匹配任何数字字符；还可以制定多个区间，例如正则表达式[A-Za-z]可以匹配任何大小写字母。另一个重要的用法是“排除”，要想匹配除了指定区间之外的字符——也就是所谓的补集——在左边的括号和第一个字符之间使用^字符，例如正则表达式[^269A-Z]将匹配除了2、6、9和所有大写字母之外的任何字符。 |
< > | 匹配词（word）的开始（<）和结束（>）。例如正则表达式<the能够匹配字符串”for the wise“中的”the”，但是不能匹配字符串”otherwise“中的”the”。注意：这个元字符不是所有的软件都支持的。 |
( ) | 将 ( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用1到9的符号来引用。 |
| | 将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her)匹配”it belongs to him“和”it belongs to her“，但是不能匹配”it belongs to them.“。注意：这个元字符不是所有的软件都支持的。 |
+ | 匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。 |
? | 匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。 |
{i} | 匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3}能够匹配字符”A”后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]{4,6}匹配连续的任意4个、5个或者6个数字字符。注意：这个元字符不是所有的软件都支持的。 |
2.简单入门
这里有一些有代表性的、比较简单的例子。
| vi命令 | 作用 |
| :%s/ */ /g | 把一个或者多个空格替换为一个空格。 |
| :%s/ *$// | 去掉行尾的所有空格。 |
| :%s/^/ / | 在每一行头上加入一个空格。 |
| :%s/^[0-9][0-9]* // | 去掉行首的所有数字字符。 |
| :%s/b[aeio]g/bug/g | 将所有的bag、beg、big和bog改为bug。 |
| :%s/t([aou])g/h1t/g | 将所有tag、tog和tug分别改为hat、hot和hug（注意用group的用法和使用1引用前面被匹配的字符）。 |
3.中级教程
例1
将所有方法foo(a,b,c)的实例改为foo(b,a,c)。这里a、b和c可以是任何提供给方法foo()的参数。也就是说我们要实现这样的转换：
| 之前 | 之后 |
| foo(10,7,2) | foo(7,10,2) |
| foo(x+13,y-2,10) | foo(y-2,x+13,10) |
| foo( bar(8), x+y+z, 5) | foo( x+y+z, bar(8), 5) |
下面这条替换命令能够实现这一魔法：
:%s/foo(([^,]*),([^,]*),([^)]*))/foo(2,1,3)/g
现在让我们把它打散来加以分析。写出这个表达式的基本思路是找出foo()和它的括号中的三个参数的位置。第一个参数是用这个表达式来识别的：：([^,]*)，我们可以从里向外来分析它：
| [^,] | 除了逗号之外的任何字符 |
| [^,]* | 0或者多个非逗号字符 |
| ([^,]*) | 将这些非逗号字符标记为1，这样可以在之后的替换模式表达式中引用它 |
| ([^,]*), | 我们必须找到0或者多个非逗号字符后面跟着一个逗号，并且非逗号字符那部分要标记出来以备后用。 |
现在正是指出一个使用正则表达式常见错误的最佳时机。为什么我们要使用[^,]*这样的一个表达式，而不是更加简单直接的写法，例如：.*，来匹配第一个参数呢？设想我们使用模式.*来匹配字符串”10,7,2″，它应该匹配”10,”还是”10,7,”？为了解决这个两义性（ambiguity），正则表达式规定一律按照最长的串来，在上面的例子中就是”10,7,”，显然这样就找出了两个参数而不是我们期望的一个。所以，我们要使用[^,]*来强制取出第一个逗号之前的部分。
这个表达式我们已经分析到了：foo(([^,]*)，这一段可以简单的翻译为“当你找到foo(就把其后直到第一个逗号之前的部分标记为1”。然后我们使用同样的办法标记第二个参数为2。 对第三个参数的标记方法也是一样，只是我们要搜索所有的字符直到右括号。我们并没有必要去搜索第三个参数，因为我们不需要调整它的位置，但是这样的模式能 够保证我们只去替换那些有三个参数的foo()方法调用，在foo()是一个重载（overoading）方法时这种明确的模式往往是比较保险的。然后， 在替换部分，我们找到foo()的对应实例，然后利用标记好的部分进行替换，是的第一和第二个参数交换位置。
例2
假设有一个CSV（comma separated value）文件，里面有一些我们需要的信息，但是格式却有问题，目前数据的列顺序是：姓名，公司名，州名缩写，邮政编码，现在我们希望讲这些数据重新组 织，以便在我们的某个软件中使用，需要的格式为：姓名，州名缩写-邮政编码，公司名。也就是说，我们要调整列顺序，还要合并两个列来构成一个新列。另外， 我们的软件不能接受逗号前后面有任何空格（包括空格和制表符）所以我们还必须要去掉逗号前后的所有空格。
这里有几行我们现在的数据：
Bill Jones,HI-TEK Corporation,CA, 95011
Sharon Lee Smith, Design Works Incorporated, CA, 95012
B. Amos,Hill Street Cafe, CA, 95013
A lexander Weatherworth, The Crafts Store, CA, 95014
我们希望把它变成这个样子：
Bill Jones,CA 95011,HI-TEK Corporation
Sharon Lee Smith,CA 95012,Design Works Incorporate
B. Amos,CA 95013,Hill Street Cafe
Alexander Weatherworth,CA 95014,The Crafts Store
我们将用两个正则表达式来解决这个问题。第一个移动列和合并列，第二个用来去掉空格。
下面就是第一个替换命令：
:%s/([^,]*),([^,]*),([^,]*),(.*)/1,3 4,2/这里的方法跟例1基本一样，第一个列（姓名）用这个表达式来匹配：([^,]*)，即第一个逗号之前的所有字符，而姓名内容被用1标记下来。公司名和州名缩写字段用同样的方法标记为2和3，而最后一个字段用(.*)来匹配（”匹配所有字符直到行末”）。替换部分则引用上面标记的那些内容来进行构造。
下面这个替换命令则用来去除空格：
:%s/[ t]*,[ t]*/,/g我们还是分解来看：[ t]匹配空格/制表符，[ t]*匹配0或多个空格/制表符，[ t]*,匹配0或多个空格/制表符后面再加一个逗号，最后，[ t]*,[ t]*匹配0或多个空格/制表符接着一个逗号再接着0或多个空格/制表符。在替换部分，我们简单的我们找到的所有东西替换成一个逗号。这里我们使用了结尾的可选的g参数，这表示在每行中对所有匹配的串执行替换（而不是缺省的只替换第一个匹配串）。
例3
假设有一个多字符的片断重复出现，例如：
Billy tried really hard
Sally tried really really hard
Timmy tried really really really hard
Johnny tried really really really really hard
而你想把”really”、”really really”，以及任意数量连续出现的”really”字符串换成一个简单的”very”（simple is good!），那么以下命令：
:%s/(really )(really )*/very /
就会把上述的文本变成：
Billy tried very hard
Sally tried very hard
Timmy tried very hard
Johnny tried very hard
表达式(really )*匹配0或多个连续的”really “（注意结尾有个空格），而(really )(really )*匹配1个或多个连续的”really “实例。
4. 不同工具下的正则表达式
sed
| sed脚本 | 描述 |
| sed ‘s/^$/d’ price.txt | 删除所有空行 |
| sed ‘s/^[ t]*$/d’ price.txt | 删除所有只包含空格或者制表符的行 |
| sed ‘s/”//g’ price.txt | 删除所有引号 |
awk
| awk脚本 | 描述 |
| awk ‘$0 !~ /^$/’ price.txt | 删除所有空行 |
| awk ‘NF > 0′ price.txt | awk中一个更好的删除所有行的办法 |
| awk ‘$2 ~ /^[JT]/ {print $3}’ price.txt | 打印所有第二个字段是’J'或者’T'打头的行中的第三个字段 |
| awk ‘$2 !~ /[Mm]isc/ {print $3 + $4}’ price.txt | 针对所有第二个字段不包含’Misc’或者’misc’的行，打印第3和第4列的和（假定为数字） |
| awk ‘$3 !~ /^[0-9]+.[0-9]*$/ {print $0}’ price.txt | 打印所有第三个字段不是数字的行，这里数字是指d.d或者d这样的形式，其中d是0到9的任何数字 |
| awk ‘$2 ~ /John|Fred/ {print $0}’ price.txt | 如果第二个字段包含’John’或者’Fred’则打印整行 |
grep
下面的例子中我们假定在文件phone.txt中包含以下的文本，——其格式是姓加一个逗号，然后是名，然后是一个制表符，然后是电话号码：
Francis, John 5-3871
Wong, Fred 4-4123
Jones, Thomas 1-4122
Salazar, Richard 5-2522
| grep命令 | 描述 |
| grep ‘t5-…1′ phone.txt | 把所有电话号码以5开头以1结束的行打印出来，注意制表符是用t表示的 |
| grep ‘^S[^ ]* R’ phone.txt | 打印所有姓以S打头和名以R打头的行 |
| grep ‘^[JW]‘ phone.txt | 打印所有姓开头是J或者W的行 |
| grep ‘, ….t’ phone.txt | 打印所有姓是4个字符的行，注意制表符是用t表示的 |
| grep -v ‘^[JW]‘ phone.txt | 打印所有不以J或者W开头的行 |
| grep ‘^[M-Z]‘ phone.txt | 打印所有姓的开头是M到Z之间任一字符的行 |
| grep ‘^[M-Z].*[12]‘ phone.txt | 打印所有姓的开头是M到Z之间任一字符，并且点号号码结尾是1或者2的行 |
egrep
egrep是grep的一个扩展版本，它在它的正则表达式中支持更多的元字符。下面的例子中我们假定在文件phone.txt中包含以下的文本，——其格式是姓加一个逗号，然后是名，然后是一个制表符，然后是电话号码：
Francis, John 5-3871
Wong, Fred 4-4123
Jones, Thomas 1-4122
Salazar, Richard 5-2522
| egrep command | Description |
| egrep ‘(John|Fred)’ phone.txt | 打印所有包含名字John或者Fred的行 |
| egrep ‘John|22$|^W’ phone.txt | 打印所有包含John 或者以22结束或者以W的行 |
| egrep ‘net(work)?s’ report.txt | 从report.txt中找到所有包含networks或者nets的行 |
正则表达式快速入门来自于OenHan
链接为:https://oenhan.com/regex-quick-start
