2. 基本语法

我们知道C的变量和Shell脚本变量的定义和使用方法很不相同，表达能力也不相同，C的变量有各种类型，而Shell脚本变量都是字符串。同样道理，各种工具和编程语言所使用的正则表达式规范的语法并不相同，表达能力也各不相同，有的正则表达式规范引入很多扩展，能表达更复杂的模式，但各种正则表达式规范的基本概念都是相通的。本节介绍egrep(1)所使用的正则表达式，它大致上符合POSIX正则表达式规范，详见regex(7)（看这个man page对你的英文绝对是很好的锻炼）。希望读者仿照上一节的例子，一边学习语法，一边用egrep命令做实验。

表 32.1. 字符类

字符含义举例
.匹配任意一个字符abc.可以匹配abcd、abc9等
[]匹配括号中的任意一个字符[abc]d可以匹配ad、bd或cd
-在[]括号内表示字符范围[0-9a-fA-F]可以匹配一位十六进制数字
^位于[]括号内的开头，匹配除括号中的字符之外的任意一个字符[^xy]匹配除xy之外的任一字符，因此[^xy]1可以匹配a1、b1但不匹配x1、y1
[[:xxx:]]grep工具预定义的一些命名字符类[[:alpha:]]匹配一个字母，[[:digit:]]匹配一个数字

表 32.2. 数量限定符

字符含义举例
?紧跟在它前面的单元应匹配零次或一次[0-9]?.[0-9]匹配0.0、2.3、.5等，由于.在正则表达式中是一个特殊字符，所以需要用\转义一下，取字面值
+紧跟在它前面的单元应匹配一次或多次[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+.[a-zA-Z0-9.-]+匹配email地址
紧跟在它前面的单元应匹配零次或多次[0-9][0-9]匹配至少一位数字，等价于[0-9]+，[a-zA-Z]+[a-zA-Z_0-9]*匹配C语言的标识符
{N}紧跟在它前面的单元应精确匹配N次[1-9][0-9]{2}匹配从100到999的整数
{N,}紧跟在它前面的单元应匹配至少N次[1-9][0-9]{2,}匹配三位以上（含三位）的整数
{,M}紧跟在它前面的单元应匹配最多M次[0-9]{,1}相当于[0-9]?
{N,M}紧跟在它前面的单元应匹配至少N次，最多M次[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}匹配IP地址

再次注意grep找的是包含某一模式的行，而不是完全匹配某一模式的行。再举个例子，如果文本文件的内容是

  1. aaabc
  2. aad
  3. efg

查找a*这个模式的结果是三行都被找出来了

  1. $ egrep 'a*' testfile 
  2. aabc
  3. aad
  4. efg

a*匹配0个或多个a，而第三行包含0个a，所以也包含了这一模式。单独用a*这样的正则表达式做查找没什么意义，一般是把a*作为正则表达式的一部分来用。

表 32.3. 位置限定符

字符含义举例
^匹配行首的位置^Content匹配位于一行开头的Content
$匹配行末的位置;$匹配位于一行结尾的;号，^$匹配空行
\<匹配单词开头的位置\<th匹配… this，但不匹配ethernet、tenth
\>匹配单词结尾的位置p\>匹配leap …，但不匹配parent、sleepy
\b匹配单词开头或结尾的位置\bat\b匹配… at …，但不匹配cat、atexit、batch
\B匹配非单词开头和结尾的位置\Bat\B匹配battery，但不匹配… attend、hat …

位置限定符可以帮助grep更准确地查找，例如上一节我们用[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}查找IP地址，找到这两行

  1. 192.168.1.1
  2. 1234.234.04.5678

如果用^[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}$查找，就可以把1234.234.04.5678这一行过滤掉了。

表 32.4. 其它特殊字符

字符含义举例
\转义字符，普通字符转义为特殊字符，特殊字符转义为普通字符普通字符<写成\<表示单词开头的位置，特殊字符.写成.以及\写成\就当作普通字符来匹配
()将正则表达式的一部分括起来组成一个单元，可以对整个单元使用数量限定符([0-9]{1,3}.){3}[0-9]{1,3}匹配IP地址
|连接两个子表达式，表示或的关系n(o|either)匹配no或neither

以上介绍的是grep正则表达式的Extended规范，Basic规范也有这些语法，只是字符?+{}|()应解释为普通字符，要表示上述特殊含义则需要加\转义。如果用grep而不是egrep，并且不加-E参数，则应该遵照Basic规范来写正则表达式。