Bash 正则表达式匹配

简介

本教程将向你介绍 Bash 中的正则表达式（regex）。正则表达式是用于在文本中查找模式的强大工具。通过学习正则表达式，你将大大提高你的 shell 脚本编写技能，从而能够更有效地处理文本、提取数据和自动化任务。本教程专为初学者设计，因此无需具备正则表达式的先验经验。我们将从基础开始，逐步积累你的知识。

Skills Graph

理解基本正则表达式和匹配

让我们从正则表达式的基本概念开始。正则表达式是定义一个 搜索模式 的字符序列。你可以把它看作是一种非常强大的文本搜索方式。

以下是基本的构建块：

• 字面字符： 大多数字符只匹配它们本身。例如，正则表达式 abc 将精确匹配字符串 "abc"。
• 元字符： 这些是在正则表达式中有特定含义的特殊字符。让我们来看看几个关键的元字符：
  • .（点）：匹配 任意单个字符（换行符除外）。因此，a.c 可以匹配 "abc"、"axc"、"a1c" 等等。
  • *（星号）：匹配 前一个字符零次或多次。ab*c 可以匹配 "ac"、"abc"、"abbc"、"abbbc" 等。
  • ^（脱字符）：匹配 行的开头。^hello 将匹配以 "hello" 开头的行。
  • $（美元符号）：匹配 行的结尾。world$ 将匹配以 "world" 结尾的行。
  • []（方括号）：定义一个 字符类。它匹配方括号内的 任意一个 字符。[abc] 可以匹配 "a"、"b" 或 "c"。[0-9] 匹配任意单个数字。

现在，让我们创建一个 Bash 脚本来测试我们的理解。使用 touch 命令创建一个名为 regex_test.sh 的文件：

cd ~/project
touch regex_test.sh

接下来，使用文本编辑器（如 nano 或 vim）打开 regex_test.sh 并添加以下代码：

#!/bin/bash

string="Hello World"
if [[ "$string" =~ ^Hello ]]; then
  echo "The string starts with Hello"
else
  echo "The string does not start with Hello"
fi

保存文件并使其可执行：

chmod +x regex_test.sh

最后，运行脚本：

./regex_test.sh

输出应该表明该字符串以 "Hello" 开头。

在脚本中使用字符集

使用方括号 [] 定义的字符集允许你从特定组中匹配一个字符。这对于创建更灵活的模式非常有用。

• 字符范围： 在 [] 内，你可以使用连字符 (-) 来指定一个范围。[a-z] 匹配任何小写字母，[A-Z] 匹配任何大写字母，[0-9] 匹配任何数字。你可以将它们组合起来：[a-zA-Z0-9] 匹配任何字母数字字符。
• 取反： 如果你将 ^ 作为 [] 内的 第一个 字符，它会对该字符类进行 取反。[^0-9] 匹配任何 非 数字字符。

让我们修改我们的 regex_test.sh 脚本以使用字符集。使用文本编辑器打开 regex_test.sh 并将其内容替换为以下内容：

#!/bin/bash

string="cat"
if [[ "$string" =~ c[a-z]t ]]; then
  echo "Match found!"
else
  echo "No match."
fi

保存文件并运行它：

./regex_test.sh

输出应该显示 "Match found!"。这是因为 c[a-z]t 匹配任何以 'c' 开头、以 't' 结尾的三个字母的字符串，其中中间字符是小写字母。

在脚本中使用量词重复模式

量词用于控制一个字符或字符组应该重复的次数。这极大地增强了你的正则表达式模式的功能。

• +（加号）：匹配前一个字符 一次或多次。ab+c 可以匹配 "abc"、"abbc"、"abbbc" 等，但 不 匹配 "ac"。
• ?（问号）：匹配前一个字符 零次或一次（即让前一个字符可选）。ab?c 可以匹配 "ac" 和 "abc"，但不匹配 "abbc"。
• *（星号）：匹配前一个字符 零次或多次。我们之前已经见过这个。
• {n}：精确匹配前一个字符 n 次。a{3} 匹配 "aaa"。
• {n,}：匹配前一个字符 n 次或更多次。a{2,} 匹配 "aa"、"aaa"、"aaaa" 等。
• {n,m}：匹配前一个字符 n 到 m 次（包含 n 和 m）。a{1,3} 匹配 "a"、"aa" 或 "aaa"。

让我们修改 regex_test.sh 脚本以使用量词。用文本编辑器打开 regex_test.sh 并将其内容替换为以下代码：

#!/bin/bash

string="abbbc"
if [[ "$string" =~ ab+c ]]; then
  echo "Match found!"
else
  echo "No match."
fi

保存文件并运行它：

./regex_test.sh

输出应该显示 "Match found!"。这是因为 ab+c 匹配以 'a' 开头，后面跟着一个或多个 'b'，并以 'c' 结尾的字符串。

在脚本中使用捕获组提取数据

括号 () 用于对正则表达式的部分进行 分组。这对于将量词应用于多个字符以及 捕获 匹配的文本非常有用。

当你使用括号时，Bash 会将正则表达式中该部分匹配的文本存储在一个名为 BASH_REMATCH 的特殊数组中。BASH_REMATCH[0] 包含整个匹配的字符串，BASH_REMATCH[1] 包含第一个捕获组匹配的文本，BASH_REMATCH[2] 包含第二个捕获组匹配的文本，依此类推。

让我们修改 regex_test.sh 脚本，使用捕获组来提取数据。用文本编辑器打开 regex_test.sh，并将其内容替换为以下代码：

#!/bin/bash

string="apple123"
if [[ "$string" =~ ^([a-z]+)([0-9]+)$ ]]; then
  fruit="${BASH_REMATCH[1]}"
  number="${BASH_REMATCH[2]}"
  echo "Fruit: $fruit"
else
  echo "No match."
fi

保存文件并运行它：

./regex_test.sh

输出应该包含 "Fruit: apple"。此脚本使用捕获组从字符串中提取水果名称。

在脚本中使用 sed 替换文本

让我们创建一个名为 sed_test.sh 的新脚本，来练习使用 sed。

cd ~/project
touch sed_test.sh
chmod +x sed_test.sh

用文本编辑器打开 sed_test.sh 并添加以下内容：

#!/bin/bash

string="apple123"
echo "$string" | sed 's/[0-9]/X/g'

保存文件并运行它：

./sed_test.sh

输出应该是：appleXXX。此脚本使用 sed 将字符串中的所有数字替换为字母 "X"。

总结

本教程向你介绍了 Bash 中的正则表达式（regex）。你学习了基本的正则表达式概念、字符类、量词、分组、捕获，以及如何将正则表达式与 sed 结合使用。通过编写和执行 Bash 脚本，你已经获得了使用这些强大工具的实践经验。请记住通过练习和尝试不同的正则表达式模式来巩固你的理解。