You are here
linux通配符和正则表达式
1、 通配符
通配符是shell在做PathnameExpansion时用到的。说白了一般只用于文件名匹配，它是由shell解析的，比如find，ls，cp，mv等。
1、1 Shell常见通配符：
通配符 | 含义 | 实例 |
* | 匹配 0 或多个字符 | a*b a与b之间可以有任意长度的任意字符, 也可以一个也没有, 如aabcb, axyzb, a012b, ab。 |
? | 匹配任意一个字符 | a?b a与b之间必须也只能有一个字符, 可以是任意字符, 如aab, abb, acb, a0b。 |
[list] | 匹配 list 中的任意单一字符 | a[xyz]b a与b之间必须也只能有一个字符, 但只能是 x 或 y 或 z, 如: axb, ayb, azb。 |
[!list]或[^list] | 匹配 除list 中的任意单一字符 | a[!0-9]b a与b之间必须也只能有一个字符, 但不能是阿拉伯数字, 如axb, aab, a-b。 |
[c1-c2] | 匹配 c1-c2 中的任意单一字符 如：[0-9] [a-z] | a[0-9]b 0与9之间必须也只能有一个字符 如a0b, a1b... a9b。 |
[!c1-c2]或[^c1-c2] | 匹配不在c1-c2的任意字符 | a[!0-9]b 如acb adb |
{string1,string2,...} | 匹配 sring1 或 string2 (或更多)其一字符串 | a{abc,xyz,123}b 列出aabcb,axyzb,a123b |
1、2 shell Meta字符（元字符）
shell 除了有通配符之外，还有一系列自己的其他特殊字符。
字符 | 说明 |
IFS | 由 <space> 或 <tab> 或 <enter> 三者之一组成(我们常用 space ) |
CR | 由 <enter> 产生 |
= | 设定变量 |
$ | 取变量值或取运算值 |
> | 重定向 stdout |
< | 重定向 stdin |
| | 管道符号 |
& | 重导向 file descriptor ，或将命令置于背景执行 |
( ) | 将其内的命令置于 nested subshell 执行，或用于运算或命令替换 |
{ } | 将其内的命令置于 non-named function 中执行，或用在变量替换的界定范围 |
; | 在前一个命令结束时，而忽略其返回值，继续执行下一个命令 |
&& | 在前一个命令结束时，若返回值为 true，继续执行下一个命令 |
|| | 在前一个命令结束时，若返回值为 false，继续执行下一个命令 |
! | 运算意义上的非（not）的意思 |
# | 注释，常用在脚本中 |
\ | 转移字符，去除其后紧跟的元字符或通配符的特殊意义 |
1、3 转义字符
有时候，我们想让 通配符，或者元字符 变成普通字符，不需要使用它。那么这里我们就需要用到转义符了。 shell提供转义符有三种。
字符 | 说明 |
‘’(单引号) | 硬转义，其内部所有的shell 元字符、通配符都会被关掉。 |
“”(双引号) | 软转义，其内部只允许出现特定的shell 元字符：$用于参数替换 `(反单引号，esc键下面)用于命令替换 |
\(反斜杠) | 又叫转义，去除其后紧跟的元字符或通配符的特殊意义 |
举例：
2、正则表达式
正则表达式是用来匹配字符串的，针对文件内容的文本过滤工具里，大都用到正则表达式，如vi，grep，awk，sed等。
另外，这篇文章只针对Linux下的文本过滤工具的正则表达式进行讨论，其他的一些编程语言，如C++（c regex,c++ regex,boost regex），java，python等都有自己的正则表达式库。
简单点来说，正则表达式是对一组正在处理的文本的描述。
例1：查找文件test中出现单词hi，并且若干字符后出现单词Jerry的行
$ grep -E"\<hi\>.+\<Jerry\>" test
ni hao hi nihao Jerrydsfds
例2：查找文件test中出现以hi开头的单词，并且若干字符后出现以Jerry结尾的单词的行
grep -E "\<hi.+Jerry\>"test
ni hao hi nihao Jerrydsfds
wo buhao hiwuyanpingjfkjk Jerry
wo henhao hiwuyanJerry
在正则表达式的使用过程中，一些字符是以特定方式处理的。最常使用的特殊字符如下：
字符 | 含义 |
^ | 指向一行的开头 |
$ | 指向一行的结尾 |
. | 任意单个字符 |
[] | 字符范围。如[a-z] |
如果想将上述字符用作普通字符，就需要在它们前面加上\字符。例如，如果想使用$字符，你需要将它写为\$
在方括号中还可以使用一些有用的特殊匹配模式，如下：
匹配模式 | 含义 |
[:alnum:] | 字母与数字字符,如grep[[:alnum:]] words.txt |
[:alpha:] | 字母 |
[:ascii:] | ASCII字符 |
[:blank:] | 空格或制表符 |
[:cntrl:] | ASCII控制字符 |
[:digit:] | 数字 |
[:graph:] | 非控制、非空格字符 |
[:lower:] | 小写字母 |
[:print:] | 可打印字符 |
[:punct:] | 标点符号字符 |
[:space:] | 空白字符，包括垂直制表符 |
[:upper:] | 大写字母 |
[:xdigit:] | 十六进制数字 |
另外，如果指定了用于扩展的-E选项，那些用于控制匹配完成的其他字符可能会遵循正则表达式的规则，对于grep命令，我们还需要在这些字符前面加上\,下表是扩展部分一览：
选项 | 含义 |
? | 最多一次 |
* | 必须匹配0次或多次 |
+ | 必须匹配1次或多次 |
{n} | 必须匹配n次 |
{n,} | 必须匹配n次或以上 |
{n,m} | 匹配次数在n到m之间，包括边界 |
3、通配符和正则表达式比较
（1）通配符和正则表达式看起来有点像，不能混淆。可以简单的理解为通配符只有*,?,[],{}这4种，而正则表达式复杂多了。
（2）*在通配符和正则表达式中有其不一样的地方，在通配符中*可以匹配任意的0个或多个字符，而在正则表达式中他是重复之前的一个或者多个字符，不能独立使用的。比如通配符可以用*来匹配任意字符，而正则表达式不行，他只匹配任意长度的前面的字符。
4、grep
引自：http://hi.baidu.com/hzslqt/blog/item/dbd0ea4e5145f819b3de05d6.html
1. grep简介
grep （global search regular expression(RE) and print out the line,全面搜索正则表达式并把行打印出来）是一种强大的文本搜索工具，它能使用正则表达式搜索文本，并把匹配的行打印出来。Unix的grep家族包括grep、egrep和fgrep。egrep和fgrep的命令只跟grep有很小不同。egrep是grep的扩展，支持更多的re元字符， fgrep就是fixed grep或fast grep，它们把所有的字母都看作单词，也就是说，正则表达式中的元字符表示回其自身的字面意义，不再特殊。linux使用GNU版本的grep。它功能更强，可以通过-G、-E、-F命令行选项来使用egrep和fgrep的功能。
grep的工作方式是这样的，它在一个或多个文件中搜索字符串模板。如果模板包括空格，则必须被引用，模板后的所有字符串被看作文件名。搜索的结果被送到屏幕，不影响原文件内容。
grep可用于shell脚本，因为grep通过返回一个状态值来说明搜索的状态，如果模板搜索成功，则返回0，如果搜索不成功，则返回1，如果搜索的文件不存在，则返回2。我们利用这些返回值就可进行一些自动化的文本处理工作。
2. grep正则表达式元字符集（基本集）
^ ：锚定行的开始 如：'^grep'匹配所有以grep开头的行。
$ ：锚定行的结束 如：'grep$'匹配所有以grep结尾的行。
. ：匹配一个非换行符的字符 如：'gr.p'匹配gr后接一个任意字符，然后是p。
* ：匹配零个或多个先前字符 如：'*grep'匹配所有一个或多个空格后紧跟grep的行。 .*一起用代表任意字符。
[] ：匹配一个指定范围内的字符，如'[Gg]rep'匹配Grep和grep。
[^] ：匹配一个不在指定范围内的字符，如：'[^A-FH-Z]rep'匹配不包含A-R和T-Z的一个字母开头，紧跟rep的行。
.. ：标记匹配字符，如'love'，love被标记为1。
\< ：锚定单词的开始，如:'\<grep'匹配包含以grep开头的单词的行。
\> ：锚定单词的结束，如'grep\>'匹配包含以grep结尾的单词的行。
x\{m\} ：重复字符x，m次，如：'o\{5\}'匹配包含5个o的行。
x\{m,\} ：重复字符x,至少m次，如：'o\{5,\}'匹配至少有5个o的行。
x\{m,n\} ：重复字符x，至少m次，不多于n次，如：'o\{5,10\}'匹配5-10个o的行。
\w ：匹配文字和数字字符，也就是[A-Za-z0-9]，如：'G\w*p'匹配以G后跟零个或多个文字或数字字符，然后是p。
\W ：\w的反置形式，匹配一个或多个非单词字符，如点号句号等。
\b ：单词锁定符，如: '\bgrepb\'只匹配grep。
3. 用于egrep和 grep -E的元字符扩展集
+ ：匹配一个或多个先前的字符。如：'[a-z]+able'，匹配一个或多个小写字母后跟able的串，如loveable,enable,disable等。
? ：匹配零个或多个先前的字符。如：'gr?p'匹配gr后跟一个或没有字符，然后是p的行。
a|b|c ：匹配a或b或c。如：grep|sed匹配grep或sed
() ：分组符号，如：love(able|rs)ov+匹配loveable或lovers，匹配一个或多个ov。
x{m},x{m,},x{m,n} ：作用同x\{m\},x\{m,\},x\{m,n\}
5. Grep命令选项
-a或--text 不要忽略二进制的数据。
-A <显示列数>或--after-context=<显示列数> 除了显示符合范本样式的那一列之外，并显示该列之后的内容。
-b或--byte-offset 在显示符合范本样式的那一列之前，标示出该列第一个字符的位编号。
-B<显示列数>或--before-context=<显示列数> 除了显示符合范本样式的那一列之外，并显示该列之前的内容。
-c或--count 计算符合范本样式的列数。
-C<显示列数>或--context=<显示列数>或-<显示列数> 除了显示符合范本样式的那一列之外，并显示该列之前后的内容。
-d<进行动作>或--directories=<进行动作> 当指定要查找的是目录而非文件时，必须使用这项参数，否则grep指令将回报信息并停止动作。
-e<范本样式>或--regexp=<范本样式> 指定字符串做为查找文件内容的范本样式。
-E或--extended-regexp 将范本样式为延伸的普通表示法来使用。
-f<范本文件>或--file=<范本文件> 指定范本文件，其内容含有一个或多个范本样式，让grep查找符合范本条件的文件内容，格式为每列一个范本样式。
-F或--fixed-regexp 将范本样式视为固定字符串的列表。
-G或--basic-regexp 将范本样式视为普通的表示法来使用。
-h或--no-filename 在显示符合范本样式的那一列之前，不标示该列所属的文件名称。
-H或--with-filename 在显示符合范本样式的那一列之前，表示该列所属的文件名称。
-i或--ignore-case 忽略字符大小写的差别。
-l或--file-with-matches 列出文件内容符合指定的范本样式的文件名称。
-L或--files-without-match 列出文件内容不符合指定的范本样式的文件名称。
-n或--line-number 在显示符合范本样式的那一列之前，标示出该列的列数编号。
-q或--quiet或--silent 不显示任何信息。
-r或--recursive 此参数的效果和指定“-d recurse”参数相同。
-s或--no-messages 不显示错误信息。
-v或--revert-match 反转查找。
-V或--version 显示版本信息。
-w或--word-regexp 只显示全字符合的列。
-x或--line-regexp 只显示全列符合的列。
-y 此参数的效果和指定“-i”参数相同。
--help 在线帮助。
6. 实例
要用好grep这个工具，其实就是要写好正则表达式，下面列几个例子，讲解正则表达式的写法。
$ ls -l | grep '^a'
通过管道过滤ls -l输出的内容，只显示以a开头的行。
$ grep 'test' d*
显示所有以d开头的文件中包含test的行。
$ grep 'test' aa bb cc
显示在aa，bb，cc文件中匹配test的行。
$ grep '[a-z]\{5\}' aa
显示所有包含每个字符串至少有5个连续小写字符的字符串的行。
$ grep 'west.*\1' aa
如果west被匹配，则es就被存储到内存中，并标记为1，然后搜索任意个字符（.*），这些字符后面紧跟着另外一个es（\1），找到就显示该行。如果用egrep或grep -E，就不用"\"号进行转义，直接写成'w(es)t.*\1'就可以了。
再讲解一个具体应用的例子。
查询所有位于当前目录下的.cs文件中的Main，通过grep，可以轻松快速地完成这项任务，命令如下：
grep ‘Main’ *.cs
输出结果为：
ChineseDemo.cs: publicstatic void Main()
RegDemo1.cs: static voidMain(string[] args)
RegDemo2.cs: public static void Main()
RegDemo3.cs: publicstatic void Main()
可见，通过grep真的可以找到相关目录中符合条件的所有文件，并能打印出查询到的字符串所位于的那行内容。如果只想确定哪些文件含有Main，而不需打印相应行的内容，那么可以使用以下命令：?
grep –l‘Main’ *.cs
输出结果为：
ChineseDemo.cs
RegDemo1.cs
RegDemo2.cs
RegDemo3.cs
只有相应的文件名称被显示。
在找到了含有Main字符串的几个文件后，如果想粗略地查看某一具体文件的里源代码的相关信息，比如查看RegDemo1.cs文件中含有Main这一行的前后三行，相关的命令如下：
grep –C 3 ‘Main’ RegDemo1.cs
输出结果为：
class GroupingApp
{
static void Main(string[] args)
{
Reg7();
}
输出结果完全符合需求，static void Main(string[] args)这一行前后三行范围内的所有代码被全部打印出来（第一行是空行）。
以上的查询字符串没有对查找结果是否为一个完整的单词进行限制，也就是说TheMain和Main_Func都会被认定为查询目标。如果想限定该查询字符串为一个完整单词，那么可以使用\w参数，相关命令如下：
grep –w‘Main’ *.cs
结果为：
ChineseDemo.cs: publicstatic void Main()
RegDemo1.cs: static voidMain(string[] args)
RegDemo2.cs: publicstatic void Main()
RegDemo3.cs: publicstatic void Main()
另外举例如下：
1）显示/etc/passwd中的一位数或两位数（锚定词首、记尾、分组、转义、次数匹配）
2）找出当前系统上用户名和默认shell相同的用户（行首、行尾锚定）（开始单词和结束单词一样）
3）grep配合其它命令的用法，找出本机的IP地址，只显示IP段（管道、cut）
[root@nmshuishui ~]# ifconfig eth0 | grep "inet addr:" | cut -d:-f2 | cut -d' ' -f1
192.168.1.102
参考：
1、http://www.cnblogs.com/chengmo/archive/2010/10/17/1853344.html
2、http://blog.csdn.net/huiguixian/article/details/6284834
3、http://blog.csdn.net/wealoong/article/details/8015576
4、Linux程序设计第四版