鸟哥的私房菜基础篇之正规表示法(Regular Expression,RE)

 

正规表示法(Regular Expression,RE)(积极施工中)

最近更新日期：2003/03/15

 

正规表示法或者称为常规表示法等等，在 Unix Like 的机器当中，实在是一个相当重要的系统管理员的『利器』！此外，很多的套件也都使用正规表示法的语法在进行工作的分析用途！正规表示法最常用在字符串的搜寻与比对，他可以用来进行相当多样化的比对技巧，可以帮助套件取得所需要的资料，例如邮件服务器 sendmail 与 postfix 等，都有使用到正规表示法的方式在进行邮件的过滤工作呢！另外，正规表示法也可以帮助使用者快速取得所需要的资料，并且可以协助使用者快速的以取得的数据进行取代的动作等，鸟哥使用这个比对的技巧设计了许多管理的小程序来管理我的 Linux ，实在是相当的有用啊！注：本章节使用者需要多加练习，因为目前很多的套件都是使用正规表示法来达成其『过滤、分析』的目的，为了未来主机管理的便利性，使用者至少要能看的懂正规表示法的意义！

　
前言：
基础正规表示法：
　　：grep 应用简介
　　：重要特殊字符(characters)
延伸正规表示法：
　　：延伸正规表示法的特殊字符
　　：egrep 应用简介
在线文书编辑器 ed 简介
常用的相关字符指令：
　　：tr
　　：col
　　：expand, unexpand
　　：paste, ...
好用的搜寻软件 sed 简介
厉害的 awk 简介
正规表示法与管线命令之应用
相关应用：
　　：档案的比对 diff, cmp, ....
重点回顾
本章与 LPI 的关系
参考资源：
本章习题练习

---

前言：

约略了解了 Linux 的基本指令 ( Shell ) 并且熟悉了 vi 之后，接下来，我们要介绍如何在文字模式底下 ( Shell 环境当中 ) 进行数据的撷取，以获得使用者所需要的重要讯息。这个功能很重要，怎么说呢？在您的计算机工作平台中，或多或少都会使用到『搜寻』以及『取代』的功能对吧！例如使用 Google 或者 Open find 去寻找网页信息、例如以文书编辑软件编辑的过程中，发现错误，而使用取代的方式来取代掉错误字眼，又例如你开启的一篇文件数据当中，由于数据量太大，所以直接以搜寻的方法去找出你所需要的关键内容等等，这些都是使用到搜寻与取代的功能喔！不过，在您惯用的操作系统当中，平常的工作下 (非服务器环境) 大概无法进行底下的功能吧：『如何在一串字符串当中，寻找有 abc 以及 tqm 还有 WWW 的关键词！』，哇！一口气要达到三组以上的关键词搜寻，大概平常的作法就是搜寻三遍吧！不过，如此一来，却又太浪费时间，并且搜寻完毕后还要将搜寻的数据结合，真麻烦！那有没有其它的方式可以达到这个目的呢？有的，那就是使用『正规表示法』来进行搜寻啰！

• 什么是正规表示法：
  什么是正规表示式 ( Regular Expression, 底下简称 RE ) 呢？简单的说，在 Linux 的环境下，我们可以透过『字符串以及一些特殊字符的辅助』来进行文字的比对工作，好来让使用者筛选自己所需要数据。这些特殊的字符与搭配使用的工具，就构成了正规表示法的主轴啦！举个简单的例子来说，我要找到 VBird 或 Vbird 这个字样，但是不要其它的字符串，如果使用大小写都接受的情况，我就有可能会找到 VBIRD 或 vbird 或 vbIRd 等等的字眼，但是我却只要前两个字符串而已啊！这个时候，我可以使用 V[Bb]ird 来搜寻呢！呵呵！那个中括号[]就是一个很常见的表示法之一啰！此外，正规表示法搜寻的结果显示当中，由于 RE 主要针对『一行』来进行处理，如果是在文书排版的软件当中，则是以『一整段(没有断行)』来进行处理，如果该行有所需要的数据时，则取出来进行处理，如果该行无搜寻的数据，则将该行舍弃，不进行处理与显示！
  　
  再举个常见的例子好了，在一堆档案当中，例如 /etc/rc.d/init.d 这个目录当中好了，如果你要找到一个档案内容含有 mail 这个字符串的文件名，要怎么搜寻呢？利用 grep 配合 mail 以及万用字符来搜寻所有的文件名『grep 'mail' /etc/rc.d/init.d/*』，赫赫！马上就可以找到你想要的档案数据啦！这样可以用来进行很快速的比对呢！对于使用纯文字文件编辑文件的人来说，真是一个好消息啊！最起码，不用像 MS word 一样，总是需要一个档案一个档案的开启啊！ ^_^！说的好似很复杂，其实不怎么难的，底下我们会有很多例子让大家来实作，您就会晓得啦！
• 正规表示法对于系统管理员的用途：
  那么为何我需要学习正规表示法呢？对于一般使用者来说，由于使用到正规表示法的机会不怎么多，因此感受不到他的魅力，不过，对于身为系统管理员的您来说，正规表示法则是一个『不可不学的好东西！』怎么说呢？由于系统如果在繁忙的情况之下，每天产生的讯息信息会多到你无法想象的地步，而我们也都知道，系统的『错误讯息登录档案』的内容(这部份我们在第五篇会详谈)记载了系统产生的所有讯息，当然，这包含你的系统是否被『入侵』的纪录数据。但是系统的数据量太大了，要系统管理员的你每天去看这么多的讯息数据，想不疯掉都很难，这个时候，我们就可以透过『正规表示法』的功能，将这些登录的信息进行处理，仅取出『错误』的信息来进行分析，哈哈！如此一来，你的系统管理工作将会『快乐得不得了』啊！当然，正规表示法的优点还不止于此，等您有一定程度的了解之后，您会爱上他喔！
• 正规表示法的广泛用途：
  除了系统管理员之外，一大堆的软件与设定都是支持正规表示法的，最常见的例子就是『邮件服务器』啦！何解？您是否有常常收到电子邮件里最让人诟病的『广告信件』呢？那如果我在 Server 端就将广告信件给剔除的话，客户端就会减少很多不必要的频宽损耗了对吧！那么如何剔除广告信件呢？由于广告信件几乎都有一定的标题或者是内容，因此，只要每次有来信时，都先将来信的标题与内容进行特殊字符串的比对，发现有不良信件就予以剔除！嘿！这个工作怎么达到啊？就使用正规表示法啊！目前两大服务器软件 sendmail 与 postfix 都支持正规表示法的比对功能！棒的很～当然还不止于此啦，很多的服务器软件、以及套件都支持正规表示法呢！当然，虽然各家软件都支持他，不过，这些『字串』的比对还是需要系统管理员来加入比对规则的，所以啦！身为系统管理员的你，为了自身的工作以及客户端的需求，正规表示法实在是很需要学习的一项工作呢！
• 正规表示法与 Shell 在 Linux 当中的角色定位：
  说实在的，我们在学数学的时候，一个很重要、但是粉难的东西是一定要『背』的，那就是九九表，背成功了之后，未来在数学应用的路途上，真是一帆风顺啊！这个九九表我们在小学的时候几乎背了一整年才背下来，并不是这么好背的呢！但他却是基础当中的基础！您现在一定受惠相当的多呢 ^_^！而我们谈到的这个正规表示法，与前一章的 BASH shell 就有点像是数学的九九表一样，是 Linux 基础当中的基础，虽然也是最难的部分，不过，如果学成了之后，一定是『大大的有帮助』的！不论是对于系统的认识与系统的管理部分，他都有很棒的扶助啊！所以啰，请好好的学习这个基础吧！ ^_^
• 正规表示法的严谨度：
  认知到正规表示法的重要性之后，而且也了解了 RE 的主要用途，接下来得谈一谈的是，那么正规表示法的严谨度怎么分啊？华特 ( What ) ？正规表示法还有『严谨度』之分？当然有啊！你可以使用较为松散的 RE 去找寻一篇文章的内容，也可以使用较为严谨的方式去搜寻更准确的内容 ( 有点类似 Google 里面的『模糊比对』啦！ ^_^ ) 举个简单的例子来说，如果你要找寻 car 这个字眼时，那么会连 careful 也一并当作结果来输出～真是抱歉....这个时候，使用更为严谨的正规表示法，将 cat 前后的字符限制不可接受英、数字，那就可以得到更为准确的 cat 这个独立单字的字眼了！很棒不是吗！底下我们将先以较为基础的 RE 来做介绍，而后将介绍较为严谨的『延伸正规表示法』，清一清脑门，准备用功啦！ ^_^

---

基础正规表示法：

 

---

• grep
  　
  语法：

[root @test /root ]# grep [-acinv] '搜寻字符串' filename
参数说明：
-a ：将 binary 档案以 text 档案的方式搜寻数据
-c ：计算找到 '搜寻字符串' 的次数
-i ：忽略大小写的不同，所以大小写视为相同
-n ：顺便输出行号
-v ：反向选择，亦即显示出没有 '搜寻字符串' 内容的那一行！
范例：
[root @test /root]# grep 'root' /var/log/secure 
将 /var/log/secure 这个档案中有 root 的那一行秀出来

[root @test /root]# grep -v 'root' /var/log/secure
若该行没有 root 才将数据秀出来到屏幕上！

[root @test /root]# last | grep root
若该行有 root 才将数据秀出来到屏幕上！

[root @test /root]# grep [A-Z]ANPATH /etc/man.config
将 /etc/man.config 这个档案当中，所有有：
[任何一个大写字符]后面接 ANPATH 的那一行就显示出来！
例如 AANPATH, BANPATH.... ZANPATH 等等！

• 说明：
  grep 是一个很常见的指令，最重要的功能就是进行字符串数据的比对了，需要说明的是『grep 在一个档案中查寻一个字符串时，他是以"整行"为单位来数据的撷取的！』也就是说，假如一个档案内有 10 行，其中有两行具有你所搜寻的字符串，则将那两行显示在屏幕上，其它的就丢弃了！而 grep 除了可以进行档案的资料搜寻之外，也常常被应用在 input/output 的数据处理当中，例如常见的管线命令 ( pipe ) 就可以常常见到他的踪影！以上面的例子来看，我们可以发现前两个例子是查寻档案的内容，有没有加上 -v 所显示出来的结果是『相反的！』，而第三个例子则是以 pipe 的功能进行数据的处理的喔！至于最后一个例子比较特殊，使用到中括号 [] ，这是什么意思呢？
  　
  在中括号里面『只有一个字符』，而里面的内容就是『字符的范围』啦！所以呢[A-Z]就是指：『A到Z当中的任何一个字符都能被接受，但是只有一个字符』的意思！所以，如果我想要所有的数字都接受，那就是[0-9]，如果我只要接受 1,3,5 呢？就是[135]或者可以用逗号隔开[1,3,5]！所以啦，那个减号 - 在中括号当中，代表『一个范围(range)』的意思啦！中括号还有很多用途呢！底下会更详细介绍！
  　
  grep 是最简单的正规表示法搜寻指令之一，他并不支持一些更严谨的正规表示法内容，不过，已经相当的好用啦！底下我们就以一个档案做为练习吧！先来查看一下这个档案内容：

[root @test /root ]# vi regexp.txt
This is a cat, however, I need a dog.
I want to "Happy" and <Happy> and /Happy/ here.
* I don't know how to do this *
# I don't Know how to do this $
^ I don't KNOW how to do this @
OK!     everythins is OK
Now, I will eat my food
are you         finished your work
what do you 123 goto where
tesaaaaatest
quit bbbbqqa testglgs
i will shutdown my mechine
bye bye

• 　
  这个档案是鸟哥在 MS dos 的环境中编辑的，所以他还含有一些特殊的字符喔！使用 vi 来查看的时候还没有很清楚，如果使用 cat -A 来查看时，会出现什么呢？

[root @test /root ]# cat -A regexp.txt
This is a cat, however, I need a dog.^M$
I want to "Happy" and <Happy> and /Happy/ here.^M$
* I don't know how to do this *^M$
# I don't Know how to do this $^M$
^ I don't KNOW how to do this @^M$
OK! ^Ieverythins is OK^M$
Now, I will eat my food^M$
are you ^Ifinished your work^M$
what do you 123 goto where^M$
tesaaaaatest^M$
quit bbbbqqa testglgs^M$
i will shutdown my mechine^M$
bye bye^M$

• 　
  上面粗体的地方就是 DOS 档案底下的特殊字符啦！比较一下用 vi 与 cat -A 秀出来的结果有什么不同？而主要的 DOS 字符有：

• ^M ：表示断行字符；
  ^I ：表示 <tab> 造成的按键符号；
  $  ：表示每一行的行尾之意！

• 这个 regexp.txt 档案你可以在 http://linux.vbird.org/download/index.php#regular 下载回去做练习喔！好了，假设你已经将这个档案给他捉到自己的 Linux 底下了，此时，应该要来做一些小练习啰！赶紧看看吧！

例题一：找出这个档案里面含有 know 这个字符，并将行号列出来：
[root @test /root ]# grep -n 'know' regexp.txt
3:* I don't know how to do this *
grep 会一行一行的去比对 know 这个字符串，请注意，大小写是不一样的！
当该行里面没有 know 这个字符串时， grep 就会将该行舍弃而不显示出来，
不过，到第三行时，出现了 know 了，所以第三行就会被显示出来啦！

例题二：找出这个档案里面含有 * 这个字符，并将行号列出来：
[root @test /root ]# grep -n '\*' regexp.txt
3:* I don't know how to do this *
请特别留意喔，在正规表示法里面有相当多的『特殊字符』存在，而要
取消掉这些特殊字符的属性时，反斜线『\』的存在就显的特别重要了！
在这个例子中，或许你会发现使用 grep -n '*' regexp.txt 也可以得到
相同的结果，但是，良好的习惯是需要养成的，这里，请以较为正统的
正规表示法来去除 * 这个特殊字符的属性，对您以后一定会有很多的好处的！

例题三：我要将所有 know 不论大小写都列出来，并列出行号：
[root @test /root]# grep -ni 'know' regexp.txt
3:* I don't know how to do this *
4:# I don't Know how to do this $
5:^ I don't KNOW how to do this @
如果不理会大小写的差异，加入 -i 这个参数吧！列出行号就以 -n 来达成！

• 　

• ---

• 正规表示法的特殊字符(charaters)与 egrep 指令
  　
  正规表示法不止于寻找简单的字符串，他还有相当多的额外功能提供我们使用者组合、分析字符串，底下我们先来列出几个常见的正规表示法的特殊字符，搭配刚刚您下载的档案，然后再以右边的范例来实习一下吧！

特殊字符	表示意义与范例
^word	意义：待搜寻的字符在行首 说明： 搜寻 word 这个字符串，『并且 word 必需为这一行的行首』。 范例： 找出档案中以 i 为开头的那一行，并且忽略大小写： [root@test root]# grep -in '^i' regexp.txt 2:I want to "Happy" and <Happy> and /Happy/ here. 12:i will shutdown my mechine
word$	意义：待搜寻的字符在行尾 说明： 搜寻 word 这个字符串，并且 word 必需为这一行的行尾 范例： 由于鸟哥提供的档案其实是 DOS 档案下的产物，所以字尾都会存在着 ^M 的字符，因此，我们先以 tr 这个指令将这个字符给他去掉，然后再找出字尾为 ye 的那一行，并显示出来！关于更多的 tr 指令的用法，我们会在后面进行说明。 [root@test root]# cat regexp.txt|tr -d '\r' grep -n 'ye$' 13:bye bye
.	意义：代表『一个』任意字符，一定要有『一个字符』存在 说明： 这个『.』在正规表示法当中很常用，代表的是『一个』任意字符，不是 0 个也不是多个，恰恰好就是『一个』。 范例： 我要将档案中有 e 与 t 并且中间含有一个字符的该行抓出来，注意喔！ e 与 t 的中间一定会有一个字符存在才是成功的喔！例如下列范例： [root@test root]# grep -n 'e.t' regexp.txt 7:Now, I will eat my food 10:tesaaaaatest 11:quit bbbbqqa testglgs
\	跳脱符号将特殊字符变成普通字符
?	任何一个『单一』字符
*	随意几个任意字符
[list]	列表中的字符
[range]	列表中范围内的字符
[^list]	反向选择，与 [list] 相反
[^range]	反向选择，与 [range]相反
\{n\}	与前一个相同字浮连续 n 个
\{n,m\}	与前一个相同字浮连续 n-m 个

• 　
  请特别留意的是，『正规表示法的特殊字符』与一般在指令列输入指令的『万用字符』并不相同，例如，在万用字符当中， * 代表的是 0 ~ 无限多个字符的意思，但是在正规表示法当中， * 则是重复前一个字符的意思～使用的意义并不相同，不要搞混了！(鸟哥我一开始摸正规表示法时就很容易搞混！因为这里是新手最容易搞错的地方，特别小心啊！)

题：我想要知道，在 /etc 底下，只要含有 XYZ 三个字符的任何一个字符的那一行就列出来，要怎样进行？
答：

『只要』含有 X 或 Y 或 Z 就将该行列出来，因此，我们的范围很很广啦！这个时候就必需要使用到 [] 这个咚咚！还记得中括号的用途吗？那就是『在中括号里面谨代表一个字符而已！』而这个中括号是一个『代表』，可以是一串字也可以是几个不连续的字！这里我们仅需要 XYZ 其中任何一个，所以可以这样写：
grep [XYZ] /etc/*
则只要在每一行当中，只要发现 X 或 Y 或 Z 任何一个，就会将他印出来！这个与 grep XYZ /etc/* 是『完全不一样』的！请仔细的思考一下ㄟ！

• 　

例题：我想要知道在 /etc 里面，只要句首是 w-z 的就将他印出来？
答：

同样的，使用中括号！
grep ^[w-z] /etc/*

• 　
  当然还有很多很多用法啦！毕竟一个正规表示法加上他附属的一些指令，几乎可以出一本书了，这里仅是想让大家了解他的好处罢了！所以就写到这里！其它的，就等着您去参详与发现啰！

---

• diff
  语法：

[root @test /root ]# diff file1 file2
参数说明：
范例：
[root @test /root]# diff index.htm index.html

说明：
这是用来比较两个档案内容是否有不一致的指令！

---

• awk
  语法：

[root @test /root ]# last | awk '{print $1 " " $2}'
参数说明：
范例：
[root @test /root]# 

说明：
施工中

---

• sed
  语法：

[root @test /root ]# last | sed 10,\$d 
参数说明：
范例：
[root @test /root]# 

说明：
施工中

 

---

重点回顾

• 正规表示法 ( Regular Expression ) 的用途主要是用来做为『搜寻』字符串之用，还可以用来过滤特殊讯息等用途；
• 由于严谨度的不同，正规表示法之上还有更严谨的延伸正规表示法；
• 正规表示法的处理方式，经常是以『整行』或称为『整段』来进行处理的；
• grep 与 egrep 在正规表示法里面是很常见的两支程序，其中， egrep 支持更严谨的正规表示法的语法；
•  

---

本章与 LPI 的关系

• 在 LPI 网站 http://www.lpi.org 里面提到的，

---

参考资源：

• 洪朝贵老师的网页：http://www.cyut.edu.tw/~ckhung/olbook/gnulinux/regexp.shtml
• PCRE 官方网站：http://www.perldoc.com/perl5.8.0/pod/perlre.html
• 龙门少尉的窝：http://main.rtfiber.com.tw/~changyj/
• Study Area：http://www.study-area.org/linux/system/linux_shell.htm

---