使用 Linux 文本工具简化数据的提取(1)正则表达式

look_w

Linux 操作系统中有很多文件：配置文件、文本文件、文档文件、日志文件、用户文件，这个清单还在不断增长。通常，这些文件都包含了要查找重要数据所需要访问的一些信息。尽管我们可以简单地使用诸如 cat、more 之类的标准工具将大部分文件的内容输出到屏幕上，但是系统中有更加合适的工具可以对文本进行过滤和处理，这样就可以只关心我们想要的内容。
在阅读本文的过程中，您可以打开 shell 并体验一下每个工具的例子。
正则表达式在开始之前，我们需要首先理解什么是正则表达式，以及如何使用正则表达式。
在最简单的形式中，正则表达式（regular expression）是用来在文件中定位文本的一些搜索标准。例如，要查找所有包含单词 “admin” 的行，我们就可以对 “admin” 进行搜索。因此，“admin” 就构成了一个正则表达式。如果我们不但希望查找 “admin”，而且还想将其替换成 “root”，那么我们就可以在一个工具中使用适当的命令将 “admin” 替换成 “root”。它们都构成了正则表达式。
正则表达式所采用的一些基本规则如下：

• 任何单个字符或一串字符都可以匹配字符本身，例如上面的 “admin” 的例子。
• ^ 符号（^）表示一行的开始；$ 符号（$）表示一行的结束。
• 要搜索特殊字符（例如 $ 符号），需要在这些字符前面加上反斜线（\）。例如， \$ 就表示查找 $，而不是一行的末尾。
• 点（.）代表任何单个字符。例如，ad..n 代表 5 个字符项，前两个字符是 “ad”，最后一个字符是 “n”。中间两个字符可以是任何字符，但是只能是由两个字符组成。
• 任何时候如果正则表达式包含在斜线中（例如 /re/），搜索就是通过文件顺序进行的。如果正则表达式包含在问号中（例如，?re?），搜索就是通过文件逆序进行的。
• 方括号（[]）表示多个值，减号（-）表示值的范围。例如，[0-9] 与 [0123456789] 相同，[a-z] 就等效于搜索任何小写字符。如果一个列表的首字符是 ^ 符号，它就匹配不在这个清单中的任何字符。

表 1 给出了这些规则是如何真正进行匹配的。
表 1. 示例正则表达式例子说明[abc]匹配 “a”、“b”、“c” 之一[a-z]匹配从 “a” 到 “z” 的任何一个小写字符[A-Z]匹配从 “A” 到 “Z” 的任何一个大写字符[0-9]匹配从 0 到 9 的任何一个数字[^0-9]匹配任何除了 0 到 9 数字范围内的任何字符[-0-9]匹配从 0 到 9 的任何数字，或者是短横线（-）[0-9-]匹配从 0 到 9 的任何数字，或者是短横线（-）[^-0-9]匹配除从 0 到 9 的数字和短横线（-）之外的任何字符[a-zA-Z0-9]匹配任何字符或数字
了解了这些信息，下面让我们开始看一下相关工具。