分类: LINUX
2012-02-27 11:38:36
使用s h e l l时,从一个文件中抽取多于一个字符串将会很麻烦。例如,在一个文本中抽取一个词,它的头两个字符是大写的,后面紧跟四个数字。如果不使用某种正则表达式,在s h e l l中将不能实现这个操作。
正则表达式是一种可以用于模式匹配和替换的强大工具,我们可以在很多unix程序中找到正则表达式的身影,例如vi,perl,php,awk,sed,emacs,grep等。
正则表达式常见的应用场合:
1. 验证用户输入是否合法,如验证 “xxx@xxx.xxx”的规则,其中x字符是字母,数字,下划线,小数点或减号,邮件地址的每一部分可以有一个或多个字符。
2. 验证IP地址是否符合“yyy.yyy.yyy.yyy”的规则,且每个地址段小于255
3. ……
基本元字符集及其含义
^ |
只匹配行首 |
$ |
只匹配行尾 |
* |
一个单字符后紧跟*,匹配0个或多个此单字符 |
[] |
匹配[ ]内字符。可以是一个单字符,也可以是字符序列。可以使用-表示[ ]内字符序列范围,如用[ 1 - 5 ]代替[ 1 2 3 4 5 ] |
\ |
只用来屏蔽一个元字符的特殊含义。因为有时在shell中一些元字符有特殊含义。\可以使其失去应有意义 |
. |
只匹配任意单字符 |
p a t t e r n \ { n \ } |
只用来匹配前面p a t t e r n出现次数。n为次数 |
p a t t e r n \ { n,\ } |
含义同上,但次数最少为n |
p a t t e r n \ { n,m \ } |
含义同上,但p a t t e r n出现次数在n与m之间 |
grep
相信grep是UNIX和LINUX中使用最广泛的命令之一。grep(全局正则表达式版本)允许对文本文件进行模式查找。如果找到匹配模式, grep打印包含模式的所有行。grep支持基本正则表达式,也支持其扩展集。grep有三种变形,即:
grep:标准grep命令,集中讨论此格式。
egrep:扩展grep,支持基本及扩展的正则表达式,但不支持\ q模式范围的应用,与之相对应的一些更加规范的模式,这里也不予讨论。
fgrep:快速grep。允许查找字符串而不是一个模式。不要误解单词fast,实际上它与grep速度相当。
grep一般格式为:
grep [选项] 基本正则表达式 [文件]
这里基本正则表达式可为字符串。
在grep命令中输入字符串参数时,最好将其用双引号括起来。例如:“m y s t r i n g”。
这样做有两个原因:
常用的grep选项有:
1. -c 只输出匹配行的计数。
2. -i 不区分大小写(只适用于单字符)。
3. -h 查询多文件时不显示文件名。
4. -l 查询多文件时只输出包含匹配字符的文件名。
5. -n 显示匹配行及行号。
6. -s 不显示不存在或无匹配文本的错误信息。
7. -v 显示不包含匹配文本的所有行
查询多个文件
如果要在当前目录下所有.c文件中查找字符串“sort”,方法如下:
grep "sort" *.c
或在所有文件中查询单词“sort it”
grep "sort it" *
$ grep -c "12" data
grep返回数字4,意义是有4行包含字符串“12”。
现在显示包含“12”字符串的4行文本:
行数
显示满足匹配模式的所有行行数:
grep -n “13” data
显示所有不包含13的各行:
grep -v “13” data
grep
“13
grep -i “sept” data
模式范围
指定查询字符串的范围
grep “13[23]” data
不匹配行首
grep “^[^12]” data
匹配大小写
grep “[Ss]ept” data
匹配任意字符
grep “IBM…” data
使用grep匹配“与”或者“或”模式
加参数- E允许使用扩展模式匹配
grep -E “1301|1303” data
匹配特殊字符
grep “\”” *
匹配IP地址
grep “\([0-9]\{1,3\}\.\)\{1,3\}[0-9]\{1,3\}” /etc/sysconfig/network-scripts/*
awk
awk命令,要格式化报文或从一个大的文本文件中抽取数据包。
整体来说, a w k是所有s h e l l过滤工具中最难掌握
1. 复杂的语法
2. 含义不明确的错误提示信息。
调用awk
awk |-F field-sperator | ‘command’ input-file(s)
如浏览像passwd这种以”:”分割的文件,需要指定选项:
awk -F: ‘command’ input-file
l 域参数
编号(1) 生产日期(2) 产品名称(3) 价格(4)
l 抽取域
awk ‘{print $1}’ data.txt
awk 中的 print 命令把输入文件中选择的数据输出。
当 awk 读取文件的一行,根据指定的 输入域分隔符 把行分开, FS,awk 的一个环境变量。它被预先定义为一个或者多个空格或者制表符。
变量 $1, $2, $3, ..., $N 把输入行的第一第二第三直到最后一个域保存起来。变量 $0 把整行的值保存起来。在下面的图片描述中,我们看到 df 命令输出有6栏。
df | awk ‘{print $1 "\t\t" $5}’
打印第一列和第五列,中间用两个Tab隔开
域分隔符,既不是一个单独的字符也不是一个普通的表达式,是控制 awk 把一个输入分割成几个域。输入记录按分割定义进行字符顺序扫描;域就是在相符的那些文字中间的那部分。
域分隔符代表内建的变量 FS。
域分隔符变量的值可以在 awk 程序中用赋值操作符 = 来改变。通常最好的执行时间是一开始也就是还没有处理任何输入的时候,因此第一个记录就被随合适的分隔符一起读取。使用特殊的 BEGIN 。
awk 'BEGIN { FS=":" } { print $1 "\t" $7 }' /etc/passwd
awk 'BEGIN { FS=":" } { printf "username:%s\t",$1;printf "home:%s\n",$7}' /etc/passwd
awk条件操作符
= = 等于
!= 不等于
< 小于
> = 大于等于
< = 小于等于
~ 匹配正则表达式
!~ 不匹配正则表达式
匹配:
awk ‘{if($3~/IBM/) print }’ data.txt
如果第3个域字段包含IBM字符,则打印
awk ‘$3==“IBM” {print $0}’ data.txt
awk ‘{if($1<“13”) print $0}’ data.txt
sed命令
s e d是一个非交互性文本流编辑器。它编辑文件或标准输入导出的文本拷贝。标准输入可能是来自键盘、文件重定向、字符串或变量,或者是一个管道的文本。
使用s e d实现的一个重要功能是在另一个系统中下载的文件中剔除控制字符
使用p(rint)显示行
1. 显示指定行的内容
sed -n '2p' sed.txt
sed -n '1,3p' sed.txt
匹配字符串worried,并显示此行的内容。格式/pattern/
sed -n '/worried/'p sed.txt
使用d删除行
sed '2d' sed.txt 删除sed.txt文件的第二行
sed '2,$d' sed.txt 删除sed.txt文件第二行到末尾所有行
sed '$d' sed.txt 删除sed.txt文件的最后一行
sed '/worried/'d sed.txt 删除sed.txt文件中所有包含worried的行。
思考: sed '/^$/d' sed.txt
使用s替换字符(串)
sed 's/test/sedtest/g' sed.txt 在整行范围内把test替换为sedtest
sed -n 's/test/sedtest/p' sed.txt (-n)选项和p标志一起使用表示只打印那些发生替换的行