image-20220403163240849
什么是正则表达式
正则表达式就是为了处理大量的字符串而定义的一套规则和方法。
通过定义的这些特殊符号的辅助，系统管理员就可以快速过滤，替换或输出需要的字符串。
Linux 正则表达式一般以行为单位处理的。
image-20220405180916410
如何用正则表达式
通常Linux运维工作，都是面临大量带有字符串的内容，如
配置文件
程序代码
命令输出结果
日志文件
且此类字符串内容，我们常会有特定的需要，查找出符合工作需要的特定的字符串，因此正则表达式就出现了
正则表达式是一套规则和方法
正则工作时以单位进行，一次处理一行
正则表达式化繁为简，提高工作效率
linux仅受三剑客（sed、awk、grep）支持，其他命令无法使用
学正则的注意事项
正则表达式应用非常广泛，很多编程语言都支持正则表达式，用于处理字符串提取数据。
Linux下普通命令无法使用正则表达式的，只能使用linux下的三个命令，结合正则表达式处理。
sed
grep
awk
通配符是大部分普通命令都支持的，用于查找文件或目录
而正则表达式是通过三剑客命令在文件（数据流）中过滤内容的，注意区别
以及注意字符集，需要设置LC_ALL=C，注意这一点很重要
关于字符集设置
你会发现很多shell脚本里都有这么一个语句如下
image-20220403193453007
作用是修改linux的字符集，通过locale命令可以查看本地字符集设置
linux通过如下变量设置程序运行的不同语言环境，如中文、英文环境。
[root@yuchao-tx-server ~]# locale
LANG=en_US.UTF-8
LC_CTYPE="zh_CN.UTF-8"
LC_NUMERIC="zh_CN.UTF-8"
LC_TIME="zh_CN.UTF-8"
LC_COLLATE="zh_CN.UTF-8"
LC_MONETARY="zh_CN.UTF-8"
LC_MESSAGES="zh_CN.UTF-8"
LC_PAPER="zh_CN.UTF-8"
LC_NAME="zh_CN.UTF-8"
LC_ADDRESS="zh_CN.UTF-8"
LC_TELEPHONE="zh_CN.UTF-8"
LC_MEASUREMENT="zh_CN.UTF-8"
LC_IDENTIFICATION="zh_CN.UTF-8"
LC_ALL=zh_CN.UTF-8
一般我们会使用$LANG变量来设置linux的字符集，一般设置为我们所在的地区，如zh_CN.UTF-8
[root@yuchao-tx-server ~]# echo $LANG
en_US.UTF-8
为了让系统能正确执行shell语句（由于自定义修改的不同语言环境，对一些特殊符号的处理区别，如中文输入法，英文输入法下的标点符号等，导致shell无法执行）
我们会使用如下语句，恢复linux的所有的本地化设置，恢复系统到初始化的语言环境。
[root@yuchao-tx-server ~]# export LC_ALL=C
通配符和正则的区别
1.从语法上就记住，只有awk、gre、sed才识别正则表达式符号、其他都是通配符
2.从用法上区分
表达式操作的是文件、目录名（属于是通配符）
表达式操作的是文件内容（正则表达式）
3.比如如下符号区别
通配符和正则表达式 都有 * ? [abcd] 符号
通配符中，都是用来标识任意的字符
如 ls *.log，可以找到a.log b.log ccc.log
正则中，都是用来表示这些符号前面的字符，出现的次数，如
grep 'a*'
实际案例
通配符，一般用于对文件名的处理，查找文件
如ls命令结合*
意思是匹配任意字符
[root@yuchao-tx-server test]# ls *.log
1.log 2.log 3.log 4.log 5.log
而三剑客，结合符号，是处理文件内容，如grep
此时的作用就不一样了
image-20220403164716418
正则表达式分类
使用正则表达式的问题是、有两大类正则表达式规范、linux不同的应用程序，会使用不同的正则表达式。
例如
不同的编程语言使用正则（python,java）
Linux实用工具（sed、awk、grep）
其他软件使用正则（mysql、nginx）
正则表达式是通过正则表达式引擎（regular expression engine）实现的。正则表达式引擎是 一套底层软件，负责解释正则表达式模式并使用这些模式进行文本匹配。
在Linux中，有两种流行的正则表达式引擎：
基于unix标准下的正则表达式符号规则有两类：
POSIX基础正则表达式（basic regular expression，BRE）引擎
POSIX扩展正则表达式（extended regular expression，ERE）引擎
解释posix
POSIX（Portable Operating System Interface）是Unix系统的一个设计标准。
当年最早的Unix，源代码流传出去了，加上早期的Unix不够完善，于是之后出现了好些独立开发的与Unix基本兼容但又不完全兼容的OS，通称Unix-like OS
两类、正则表达式符号
linux规范将正则表达式分为了两种
基本正则表达式（BRE、basic regular expression）
BRE对应元字符有
^ $ . [ ] *
其他符号是普通字符
;
扩展正则表达式（ERE、extended regular expression）
ERE在在BRE基础上，增加了
( ) { } ? + | 等元字符
转义符
反斜杠
反斜杠用于在元字符前添加，使其成为普通字符
基本正则表达式（BRE）
测试文本数据
[root@yuchao-tx-server test]# cat chaoge666.txt
I am teacher yuchao.
I teach linux,python!
I like english
My website is http://yuchaoit.cn
Our school site is https://apecome.com
My qq num is 877348180
Good good study , day day up!
关于单引号、双引号
正则的模式，建议使用双引号
如果未涉及变量等，用单引号也不影响
grep与正则
NAME
grep, egrep, fgrep - print lines matching a pattern
SYNOPSIS
grep [OPTIONS] PATTERN [FILE...]
grep [OPTIONS] [-e PATTERN | -f FILE] [FILE...]
例如传入的pattern（模式是） ，我们可以统称你写的正则是模式
^m，以m开头的行
[root@yuchao-tx-server test]# grep -i -n '^m' chaoge666.txt
6:My website is http://yuchaoit.cn
8:My qq num is 877348180
^ 尖角符
语法
写于最左侧，如
^yu 逐行匹配，找到以yu开头的内容
结合grep用法，-i 忽略大小写
image-20220403204344736
结合grep的参数 -o 只显示一行中匹配出来内容
image-20220403204511334
结合grep，过滤出以i开头的行，且显示行号
image-20220403204704501
$ 美元符
语法
word$ 匹配以word结尾的行
匹配所有以字符n结尾的行
image-20220403205308032
匹配所有以小数点. 结尾的行，这里因为.也有特殊作用，因此得使用单引号、或者转义符。
image-20220404110725626
单、双引号区别
单引号、所见即所得，可以用于匹配如标点符号，还原其本义。
image-20220403205515698
双引号、能够识别linux的特殊符号、或变量，需要借助转义符还原字符本义。
image-20220403205626292
当需要引号嵌套时，一般做法是，双引号，嵌套单引号。
^$ 匹配空行
找出文件的空行
image-20220404113514796
. 点符
. 匹配除了换行符以外所有的内容、字符+空格，除了换行符。
. 点处理空格、换行
. 可以匹配到空格，以及任意字符
但是点，不匹配换行符。
image-20220404114046906
. 匹配除换行符的所有字符
image-20220404114224722
. 代表任意一个字符
分别传入grep的模式
y.
y.. 任意2个字符
实践代码
image-20220404144715047
匹配符合模式.ac 的行
image-20220404150913337
.$ 匹配任意字符结尾
拿到每一行的结尾
image-20220404150208541
. 和转义符
只想拿到每一行结尾的普通小数点 .，需要对点转义
image-20220404150350485
\ 转义符
转义字符，让有特殊意义的字符，现出原形，还原其本义。
如
. 还原为小数点
空格、换行、tab
https://deerchao.cn/tools/wegester/使用这个网址来测试换行符的匹配
image-20220410191538355
关于linux的换行符
image-20220410192210644
语法记忆
\b 匹配单词边界，如我想从字符串中“This is Regex”匹配单独的单词 “is” 正则就要写成 “\bis\b”
\n 匹配换行符 ，表示newline，向下移动一行，不会左右移动
\r 匹配回车符，表示return，回到当前行的最左边
linux换行符是\n，表示\r+\n 换行且回车，换行且回到下一行的行首
windows换行符是\r\n，表示回车+换行
\t 匹配一个横向的制表符，等于tab键
image-20220404152358185
- 星号
重复前一个字符0此或n次
image-20220404185819618
.* 符
匹配任意字符
.表示任意一个字符，*表示匹配前一个字符0次或多次
因此放一起，代表匹配每一行所有内容，包括空格
注意 . 点不匹配换行
image-20220404190557770
图解点 . 不匹配换行
首先，不匹配换行这事，是因为 . 的作用
.* 是重复前面这个字符0次或N次
image-20220408192027823
^.* 符
语法
^.* 表示以任意多个字符开头的行
基础用法，^.*
image-20220404191504690
找出任意以字母i开头的行，且匹配后续所有内容
image-20220404191101082
加大难度
找出任意以字母i开头的行，且以h结尾的行
image-20220404191228601
.*$ 符
以任意多个字符结尾的行
image-20220404191725480
你可以加上条件，例如p.*$
以p.*$结尾的行
等于、匹配出从p到结尾的所有内容
image-20220404191822956
[ ] 中括号
中括号，有如下用法
[abc]
[abc] 匹配括号内的小写a、b、c字符
关于到大小写的精准匹配，就别添加忽略大小写参数了
image-20220404193214895
[a-z]、 [A-Z] 、[a-zA-z]、[0-9]
[a-z] 匹配所有小写单个字母
[A-Z] 匹配所有单个大写字母
[a-zA-Z] 匹配所有的单个大小写字母
[0-9] 匹配所有单个数字
[a-zA-Z0-9] 匹配所有数字和字母
[a-z] 匹配小写字母
image-20220404195729328
[A-Z] 匹配大写字母
image-20220404195744056
[a-z0-9] 匹配小写字母和数字
image-20220404195849345
[0-9A-Z] 匹配大写字母和数字
image-20220404195920656
[a-z0-9A-Z] 匹配大写、小写字母、数字
image-20220404200002692
abc 中括号取反
语法
[^abc] 排除中括号里的a、b、c ，和单独的^符号，作用是不同的
[^a-z] 排除小写字母
image-20220404200623766
{ } 花括号（扩展正则）
a{n,m}
a{n,m} 重复字符a，n到m次
a{1,3} 重复字符a，1到3次
实践
测试数据
[root@yuchao-tx-server test]# cat chaoge666.txt
I am teacher yuchao.
I teach linux,python!
I like english
My website is http://yuchaoit.cn
Our school site is https://apecome.com
My qq num is 877348180
my qq num is not 87777773333344444888811188880000
Goog good study , day day up!
正则
8{1,3}
匹配数字8一次到3次
image-20220404201218034
每次最少找出2个8、最多3个8
8{2,3}
image-20220404201432127
grep 默认不认识扩展正则 {}
grep默认不认识扩展正则{}，识别不到它的特殊作用，因此只能用转义符，让他成为有意义的字符。
image-20220404201813308
办法1
使用转义符 {}
办法2，让grep认识花括号，可以省去转义符
使用egrep命令
或者 grep -E
实践
image-20220404201955533
a{n,}
重复a字符至少n次，可以用简写了
image-20220404202208850
a{n}
重复字符a，正好n次。
image-20220404202332225
a{,m}
匹配字符a最多m次。
image-20220404202528175
扩展正则表达式（ERE）
这样记忆就好
基本正则表达式
属于早期正则表达式，支持一些基本的功能
与grep、sed命令结合使用
扩展正则表达式
后来添加的正则表达式
和egrep、awk命令结合
-
加号
语法
重复前一个字符1次或多次
注意和的区别，是0次或多次
匹配一次或者多次0，没有0的行是不会显示的
0+
找出一个、或者多个数字零
image-20220405123257126
[0-9]+
从文中找出连续的数字，排除字母，特殊符号、空格
image-20220405123915904
[a-z]+
找出连续的小写字母、排除大写字母、标点符号、数字
image-20220405124233138
[A-Za-z0-9]+
注意，这里添加了+号，就是找的连续的字母数字了、缺少+号则是每次匹配单个字符
image-20220405124425616
[^A-Za-z0-9]+]
此写法，找出除了数字、大小写字母以外的内容，如空格、标点符号。
你可以使用-o参数，看到每次匹配的内容。
image-20220405124936650
*和+的区别
语法
*是重复0次、重复多次，因此没匹配到的行也过滤出来了
+是重复1次、多次、因此至少匹配到1次才看到
例如，我们来找到字母o，看如下2个写法
image-20220405125647057
go*d和go+d和go?d区别
准备测试数据
[root@yuchao-tx-server test]# cat god.log
I am God, I need you to good good study and day day up, otherwise I will send you to see Gd,oh sorry, gooooooooood!
关于寻找god、goooood、gd的区别
god 可以有0个或者n个字母o
god 可以找到god、good、gd、gooooooooood
go+d 可以有一个或n个字母o
go+d 可以找到god、good、gooooooooood
go?d 可以有0个或者1个字母0
go?d 可以找到gd、god
image-20220405132551007
| 或者符
竖线在正则里是或者的意思
查看内存信息
image-20220405133043311
查看文件系统inode和block信息
ext4文件系统
[242-yuchao-class01 root ~]#dumpe2fs /dev/sdc |grep -Ei '^(inode|block)'
dumpe2fs 1.42.9 (28-Dec-2013)
Inode count: 1310720
Block count: 5242880
Block size: 4096
Blocks per group: 32768
Inodes per group: 8192
Inode blocks per group: 512
Inode size: 256
xfs文件系统
[242-yuchao-class01 root /mnt]#xfs_info /mnt |grep -E 'blocks.imax.|isize='
meta-data=/dev/sdd isize=512 agcount=4, agsize=3276800 blks
data = bsize=4096 blocks=13107200, imaxpct=25
找出文件中的空行以及注释行
测试数据
[root@yuchao-tx-server test]# cat chaoge666.txt
I am teacher yuchao.
I teach linux,python!
I like english
My website is http://yuchaoit.cn
Our school site is https://apecome.com
My qq num is 877348180
my qq num is not 87777773333344444888811188880000
Goog good study , day day up!
hello halo
image-20220405150556440
( ) 括号、分组符
语法
() 作用是将一个或者多个字符捆绑在一起，当做一个整体进行处理
小括号功能之一是分组过滤被括起来的内容，括号内的内容表示一个整体
括号()内的内容可以被后面的"\n"正则引用，n为数字，表示引用第几个括号的内容
\1：表示从左侧起，第一个括号中的模式所匹配到的字符
\2：从左侧起，第二个括号中的模式所匹配到的字符
分组基本用法
测试数据
[root@yuchao-tx-server test]# cat god.log
I am God, I need you to good good study and day day up, otherwise I will send you to see Gd,oh sorry, gooooooooood!
I am glad to see you, god,you are a good god!
要求仅仅匹配出glad和good
尝试使用正则
grep -iE "gla|ood" god.log
image-20220405173609202
并非我们想要的数据
我想要的是例如这样的匹配，只找出good、glad
grep -iE "glad|good" god.log
image-20220405173646473
可以使用分组写法
grep -iE "g(la|oo)d" god.log
image-20220405173816906
分组与向后引用
语法
()
分组过滤，被括起来的内容表示一个整体，另外()的内容可以被后面的\n引用，n为数字，表示引用第几个括号的内容
\n
引用前面()里的内容，例如(abc)\1 表示匹配abcabc
测试数据
[root@yuchao-tx-server test]# cat lovers.log
I like my lover.
I love my lover.
He likes his lovers.
He love his lovers.
分组正则，提取love出现2次的行。
拆解
love，可以写为l..e
image-20220405175634324
提取/etc/passwd
找出系统中几个特殊shell、专门用来开机，关机的用户
特点是、用户名、登录shell名字一样
可以用分区提取出
image-20220405175835135
分组正则，提取特殊用户
这部分正则需要拆开，更容易理解
1.提取冒号以外的字符，使用+可以匹配更多字母，没必要每次只处理一个
grep -Ei "[^:]+" /etc/passwd
- 使用\b匹配单词边界，提取出单词，示例用法，通常英文单词的边界是空格，标点符号
[root@yuchao-tx-server test]# echo 'my name is chao,everyone call me chaoge' | grep -Ei "chao\b" -o
chao
3.继续提取用户文件，来确定第一个单词的边界
image-20220405183453377
完整图解
image-20220405184538736
更简单的写法，多次分组
image-20220411163812863
正则表达式总结
基础正则 BRE
^
$
.
*
.*
[abc]
[^abc]
{n,m}
BRE语法
. 匹配单个任意字符, 匹配 . 本身使用 .
- 前面的字符或模式重复任意次，匹配 * 本身使用 *
{m} 前面的字符或模式重复m次
{m,n} 前面的字符或模式重复m到n次
{m,} 前面的字符或模式重复m次及以上
(regexp) 分组，将 ( 和 ) 之间的内容视为一个整体，有两个作用
配合前面的 * {m,n} 等量词使用，例如： ab{2} 匹配“abb”, 而 (ab){2} 匹配“abab”
向后引用（back references），使用 \1 ~ \9 来引用第1~9个分组匹配的内容
例如： (ab*)\1 可以匹配“abab”，也能匹配“abbbabbb”
^ 放在正则表达式开头则匹配行首，其他位置匹配 ^ 本身
$ 放在正则表达式末尾则匹配行尾，其他位置匹配 $ 本身
[list] 自定义字符集，可以匹配 [ 和 ] 之间出现的任意字符，例如： a[bcd] 可以匹配”ab"，“ac”或“ad”。
且支持使用char1-char2这种省略写法，例如： [0-9]* 可以匹配”1234567890“ ， [a-c]* 可以匹配“cabba”
[^list] 同上，^取反的作用，匹配所有没有出现在 [ 和 ] 之间的其他字符
另外其他风格的正则表达式中有诸如 \d \w \s 等速记符号（shorthand）表示一些常用字符集，BER和ERE均不支持这种写法，取而代之的是POSIX标准中定义的字符集：
POSIX正则语法表
POSIX Description ASCII Shorthand
[:alnum:] 数字和字母 [a-zA-Z0-9]
[:alpha:] 字母 [a-zA-Z]
[:ascii:] ASCII字符 [\x00-\x7F]
[:blank:] 空格和 Tab [ \t] \h
[:cntrl:] 控制字符 [\x00-\x1F\x7F]
[:digit:] 数字 [0-9] \d
[:graph:] 可视字符 [\x21-\x7E]
[:lower:] 小写字母 [a-z] \l
[:print:] 可打印字符 [\x20-\x7E]
[:punct:] 标点符号 [!"#$%&'()*+, -./:;<=>?@[ ]^‘{\ }~]
[:space:] 所有空白字符 [ \t\r\n\v\f] \s
[:upper:] 大写字母 [A-Z] \u
[:word:] 单词 [A-Za-z0-9] \w
[:xdigit:] 十六进制数 [A-Fa-f0-9]
注意：[ 和 ] 也是该字符集名称的一部分，即在使用中和 [0-9] 等价的是 [[:digit:]] 而不是 [:digit:]
ERE语法
ERE和BRE的最显著的区别是ERE中所有元字符（metacharacters）均不需要使用 \ 进行转义，即用 {m,n} 替代 {m,n} , (regexp) 替代 (regexp) （当然分组向后引用依旧是 \1 ~ \9）。
此外ERE还在BRE基础上增加了以下语法：
? 前面的字符或模式重复0或1次
- 前面的字符或模式重复1次及以上
|，regexp1|regexp2匹配regexp1或regexp2
GNU扩展的BRE
实际上现代Linux发行版中使用的 grep sed awk 等工具均由GNU提供，GNU在实现时对BRE进行了扩展，增加了 ? + | 使得BRE和ERE的区别仅剩元字符是否需要转义。
个人认为BRE现在存在的主要意义还是向下兼容，避免修改已经投入使用的正则表达式。
正则官网讲解
参考官网文档，拿到最精准的解释
https://www.regular-expressions.info/posix.html
https://www.regular-expressions.info/posixbrackets.html
https://www.gnu.org/software/sed/manual/html_node/BRE-syntax.html#BRE-syntax
总结grep
egrep被淘汰，使用grep -E
可以是用grep -o参数，查看每次匹配的结果
正则需要在练习中理解其含义，无法死记硬背
后面结合sed、awk发挥更多正则作用
正则记忆表
image-20220405213956490
image-20220405214008926
image-20220405214019278
可以用于在线测试正则的网站
https://deerchao.cn/tools/wegester/
