本文是慕课网 《实例妙解sed 和 awk 的秘密》 的学习记录的第一部分：正则表达式。
Linux 三大利器： grep, sed, awk.
1. 准备工作
正则表达式应用场景：查找、取出、匹配符合条件的字符或字符串
学习方法：从小到大、组合的过程。单个字符->字符串->表达式。
grep 搜索命令匹配正则表达式例子
$ grep 'root' passwd
root:*:0:0:System Administrator:/var/root:/bin/sh
daemon:*:1:1:System Services:/var/root:/usr/bin/false
_cvmsroot:*:212:212:CVMS Root:/var/empty:/usr/bin/false
2. 正则单个字符的表示方式
1. 特定字符
某个具体的字符，如 '1', 'a'
使用 grep 搜索命令进行正则表达式的匹配
$ grep '1' passwd
daemon:*:1:1:System Services:/var/root:/usr/bin/false
_taskgated:*:13:13:Task Gate Daemon:/var/empty:/usr/bin/false
_scsd:*:31:31:Service Configuration Service:/var/empty:/usr/bin/false
_eppc:*:71:71:Apple Events User:/var/empty:/usr/bin/false
...
匹配结果被标红
2. 范围内字符
- 单个字符 []
数字字符：[0-9], [278], 表示2/7/8, 注意只匹配一个字符。
$ grep '[0-9]' passwd
小写字符：[a-z]
大写字符：[A-Z]
大小写：[a-zA-Z]
符号： [,:!%-().]
反向字符： ^, 必须放在范围之前，[]内部，如
$ grep '[^0-9]' passwd
3. 任意字符
代表任何一个字符： .
注意 ., \., [.] 的区别，其中后两个的作用是一样的。
4. 其他常用字符
- 边界字符/头尾字符
头字符 ^root, 表示以root开头的行，注意与取反字符 [^0-9] 的区别
尾字符 false$, 表示以false结尾的行。
$ grep '^root' passwd
root:*:0:0:System Administrator:/var/root:/bin/sh
$ grep 'false$' passwd
nobody:*:-2:-2:Unprivileged User:/var/empty:/usr/bin/false
daemon:*:1:1:System Services:/var/root:/usr/bin/false
...
空行： ^$, 头尾相接。
- 元字符（代表普通字符或特殊字符）
实质上起替代的作用
\w: 匹配任何字类字符，即字母数字下划线 [a-zA-Z0-9_]
\W: 匹配任何非字类字符，即 [^a-zA-Z0-9_]
\b: 代表单词的分隔
grep '\btime\b' file
只匹配包含单词 time 的行，不匹配 timezone，showtime 等。
3. 字符组合
1. 字符串
'root', '1000', 'r..t' (r开头，t结束，长度为4的字符串)
'[A-Z][a-z]' (一个大写字母加一个小写字母)
'[0-9][0-9]' (两个连续的数字，正则为最大化匹配，所以四位数也会匹配，五位数也会匹配前四位)
2. 重复
*: 0-n 次匹配前面的字符或表达式
+: 1-n 次匹配
?: 0-1 次匹配
// 可能的匹配结果： s, se, see, seee...
$ grep 'se*' passwd
// 可能的匹配结果： se, see, seee...
$ grep 'se\+' passwd
// 可能的匹配结果： s, se, 只有两种
$ grep 'se\?' passwd
后两者注意要进行转义。
// 匹配字符串，要加括号 se, sese, sese...
$ grep '\(se\)\+' passwd
注意括号也要进行转义。
- 重复特定次数 {n,m}
*: 相当于 {0,}
+: 相当于 {1,}
?: 相当于 {0,1}
// 匹配两到三位数字
$ grep '[0-9]\{2,3\}' passwd
注意大括号也要转义。
- 任意字符串： .*
(即任意单字符重复0-n次)
如： ^r.*, r.*t
$ grep '^r.*' passwd
root:*:0:0:System Administrator:/var/root:/bin/sh
注意：正则贪婪匹配的规则。
$ grep '\bd.*e\b' passwd
多么贪婪，我只想要匹配类似 dislike 这种词。
这时候就不能重复任意字符了。
$ grep '\bd[a-z]*e\b' passwd
这样改就好了。
尽量去缩小要匹配的范围，才能避免踩这些坑。
3. 逻辑
- 逻辑或 |
$ grep 'bin/\(false\|true\)' passwd
4. 正则案例
1. 匹配4-10位QQ号
$ grep '^[0-9]\{4,10\}$' file
2. 匹配15或18位身份证号，包括X
分析：
- 第一位不能为0
- 最后一位的范围要扩大
- 中间为13或16位重复数字
// 先写逻辑，最后加头尾和转义
$ grep '^[1-9]\([0-9]\{13\}\|[0-9]\{16\}\)[0-9xX]$' file
3. 匹配密码
分析：
- 密码保护字母数字下划线，使用元字符 \w
- 可1次或多次重复 +
$ grep '^\w\+$' file
