首页 > 其他分享> > 正则表达式

正则表达式

2021-12-17 14:33:58 作者：互联网

正则表达式是一些用来匹配和处理文本的字符串。
正则表达式是你所定义的模式模板(pattern template )
正则表达式是通过正则表达式引擎是现实的，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匹配

Linux
这里以Linux为例，介绍正则表达式
在Linux中，有两种流行的正则表达式引擎，大多数Linux工具至少实现了BRE引擎规范，能够识别该规范定义的所有模式符号，但是sed只符合BRE引擎规范的子集。

在linux中可以看到使用awk和gawk的作用是一样的，因为awk是链接到gawk的，gawk是awk的GPL版

gawk程序可以使用大多数扩展正则表达式模式符号，并且能提供一些额外过滤功能，而这些功能是sed不具备的，正因为如此，gawk程序在处理数据流是比较慢。

使用场景

注意点
1.正则表达式使用字符串来匹配，匹配到的未必总是整个字符串，也可能是子串。如果需要匹配整个字符，需要用空格将开头或结尾隔开，或者指明行首行尾。

默认设置

1.绝大多数正则表达式引擎默认只返回一个匹配结果
2.区分大小写

匹配纯文本

/文本内容/

echo "thisis isis a test" | awk '/this/{print $0}'
thisis isis a test
echo "thisis isis a test" | sed -n '/this/p'
thisis isis a test

元字符时一些在正则表达式里有特殊含义的字符，如果需要匹配它们本身，需要在前面加斜杠表示转义，比如匹配 * \*

.*[]^${}\+?|()

元字符大致可以分为两类

特殊字符	描述	说明
.	匹配除了\n之外的任意单个字符	BRE、ERE
[]	必须匹配[]其中的某个字符	BRE 、ERE

字符|描述
-|-|-
[] |必须匹配[]其中的某个字符
[-] | 表示字符区间(集合),如大写字母[A-Z]
[^] | 取反操作，不匹配[]中的某字符

适用于从全局看需要区分字母大小写，某个局部不需要区分字母大小写。

[]中字符的关系是or

如匹配子串含有RegEx和regex :[Rr]eg[Ee]x
XregEx也会被匹配，原因是默认匹配的不一定是整个字符串，可以是子串，如果需要匹配整个字符串需要限定位置

案例

test文件

sales.txt
order3.txt
na1.xls
na2.xls
sa1.xls
cal.xls
sam.xls
usal.xls

[ns]a..xls
a前面要有n或者s字符，
a后面需要跟一个任意字符
.xls 任意字符的后面要跟着.xls

[ranan@MPI0 ~]$ cat test | sed -n '/[ns]a.\.xls/p'
na1.xls  
na2.xls
sa1.xls
sam.xls
usax.xls  # 这个也被匹配到了，这里涉及之前说的位置匹配

-只有出现在[-]里的时候才是元字符，在其他地方只是普通字符，表示字符-（它本身）。所以匹配-时是不需要转移的

案例
假设我们的需求是a后面不是跟任意字符了需要跟数字，也就是说不匹配上述的sam.xls
[0-9] 与[0123456789]完全等价

[ranan@MPI0 ~]$ cat test | sed -n '/[ns]a[1-9]\.xls/p'
na1.xls
na2.xls
sa1.xls

常用的字符区间

A-Z 匹配从A到Z的所有大写字母

a-z 匹配从a到z的所有小写字母

A-z 批评日从ASCII字符A到ASCII字符z之间的所有字母，这个模式不常用应为还包含[和^等在ASCII表中排列在Z和a之间的字符

在一个字符集合里可以给出多个字符区间，如果需要匹配任意字符，使用[A-Za-z]

[^]在[]中表示排除指定的字符

当需要匹配很多的字符，仅仅排除很少的字符时使用

案例
假设我们需要匹配a后面不是数字的字符串

[ranan@MPI0 ~]$ cat test | sed -n '/[ns]a[^1-9]\.xls/p'
sam.xls
usal.xls

匹配除换行符\n之外的任意单个字符，包括本身。
如果指向匹配.，使用\.

空白元字符	说明

标签：字符,匹配,正则表达式,test,xls,元字符
来源： https://www.cnblogs.com/rananie/p/15702173.html