高级文本操作 · 第 1 课

regex（正则表达式）

学习锚点、字符集合、重复规则和正则表达式风格如何控制文本模式匹配。

正则表达式通常简称 regex，用于描述文本模式。grep、sed 和 awk 等工具都会使用正则表达式，但它们支持的语法可能不同，因此务必先确定所用工具和正则表达式风格。

GNU grep 默认使用基本正则表达式（BRE），加上 -E 后使用扩展正则表达式（ERE）。本课先介绍两者共有的结构，再说明常见的 ERE 扩展。

以下示例使用这段输入：

sally sells seashells
by the seashore

匹配字面文本

大多数普通字符会匹配自身。模式 seashells 会选择任何位置包含这一确切字符序列的行：

$ grep 'seashells' sample.txt
sally sells seashells

请为正则表达式模式加引号，避免 shell 在匹配工具收到它们之前进行展开或拆分。正则表达式也不同于 shell 路径名展开：在正则表达式中，* 重复它前面的原子；在 shell glob 中，* 本身就是匹配一串路径名字符的通配符。

在 ab* 这样的正则表达式中，* 有什么作用？

在方括号表达式之外，模式开头的 ^ 会把匹配锚定在行首：

^by

$ 锚点匹配行尾：

seashore$

如果整行都必须符合模式，请组合两个锚点：

^by the seashore$

哪个模式只匹配完整文本为 by the seashore 的行？

在普通的面向行正则表达式模式中，点号会匹配一个字符：

b.

它能匹配 by，也可能匹配 ba 或 b7。它不能匹配单独的 b，因为后面必须还有一个字符。若要匹配字面句点，请写成 \.，或把它放入适当的方括号表达式。

以下哪个字符串不会被完整行模式 ^b.$ 匹配？

方括号表达式会从指定集合中匹配一个字符：

s[ae]lls

它可以在相应位置匹配 sells 或 salls。

当 ^ 是 [ 后面的第一个字符时，它会对集合取反：

s[^e]lls

它会匹配 salls，但不会匹配 sells，因为第一个 s 后面的字符不能是 e。

[^e] 会匹配什么？

范围可以描述两个端点之间的字符：

d[a-c]g

它可以匹配 dag、dbg 或 dcg。范围行为可能受 locale 排序规则影响。[[:lower:]]、[[:upper:]] 和 [[:digit:]] 等字符类通常能更清楚地表达意图。

在 BRE 和 ERE 中，* 都表示前一个原子重复零次或多次：

seashells*

它会匹配 seashell 后跟零个或多个额外的 s。在使用 grep -E 的 ERE 模式下，常见运算符包括：

例如：

$ grep -E '^(cat|dog)s?$' animals.txt

它会选择完整内容等于 cat、cats、dog 或 dogs 的行。在 BRE 模式中，这些运算符的转义规则不同，因此不要在未检查的情况下跨风格复制模式。

哪个命令会为模式 ^(cat|dog)s?$ 启用扩展正则表达式语法？

要练习使用 Linux 文本工具进行正则选择，可以尝试以下动手实验：

在 Linux 中使用 grep 搜索文本 - 学习使用 grep 搜索 Linux 文件中的文本，包括基本搜索、显示行号、使用 ^ 和 $ 锚点，以及运用基本和扩展正则表达式进行复杂模式匹配。
文本处理与正则表达式 - 学习强大的文本处理工具 grep、sed 和 awk，并使用正则表达式在 Linux 中高效操作文本和匹配模式。
提取邮件和数字 - 使用 grep 和正则表达式从文件中提取电子邮件地址与数字，练习重要的 Linux 文本处理技能。

课程已完成

现在，你可以阅读和构建基础的面向行正则表达式。

创建免费账户即可保存本课进度，并在任意设备上继续学习。