grep命令中扩展正则表达式语法

正则表达式包括基本元素和操作符号。只使用基本元素可以构造简单的正则表达式;使用基本元素和操作符号可以构造复杂的正则表达式。

一、基本元素

基本元素分为“匹配位置的基本元素”，“匹配单个字符的基本元素”和“匹配一个字符集合的基本元素”。

1.1、匹配位置的基本元素

匹配位置的基本元素	匹配位置
^	匹配行首位置
$	匹配行尾位置
&;	匹配行首位置，跟“^”有点不一样，见后面解释
&;	匹配行尾位置，跟“$”有点不一样，见后面解释
b	匹配单词首尾两端位置
B	匹配单词非首尾两端位置

“行首位置”具体是指“紧邻换行符后面的位置”;“行尾位置”具体是指“后面紧邻换行符的位置”。我们知道，在Windows中换行符是“rn”，而在Linux中换行符是“n”，那么“^，$，&;，&;”能兼容这两种情况吗？答案是这跟具体的grep实现有关。
在作者使用的Linux系统的grep实现中，经过实验可知，“^，$”不兼容两种情况，只支持“n”换行符，“&;，&;”兼容两种情况。
具体实验过程如下：
现在有文本文件“a.txt”，内容如下：

hello
line
world

字节流形式如图1所示。

图1

有文本文件“b.txt”，内容如下：

hello
line
world

字节流形式如图2所示。

图2

分别执行grep -E '^line$' a.txt和grep -E '^line$' b.txt，可得结果分别如图3和图4所示，说明“^，$”不兼容，只支持“n”换行符。

图3

图4

分别执行grep -E '&;line&;' a.txt和grep -E '&;line&;' b.txt，可得结果分别如图5和图6所示，说明“&;，&;”兼容。

图5

图6

“单词首尾两端位置”具体是指“单词与单词分隔符之间的位置”，单词分隔符包括“空格字符，制表符，换行符”等。
现有文本文件“c.txt”，内容如下：

hello world     java
programmer

字节流形式如图7所示。

图7

接连执行以下命令，结果如图8所示。

grep -E 'bhellob' c.txt
grep -E 'bworldb' c.txt
grep -E 'bjavab' c.txt
grep -E 'bprogrammerb' c.txt

图8

接连执行以下命令，结果如图9所示。

grep -E 'BhelloB' c.txt
grep -E 'helBlo' c.txt

图9

1.2、匹配单个字符的基本元素

匹配单个字符的基本元素	匹配字符
ASCII表中可打印字符	可打印字符自身
.	任何字符

1.3、匹配一个字符集合的基本元素

匹配一个字符集合的基本元素	匹配字符集合
[]	匹配括号中任意一个字符
[^]	匹配不在括号中的任意一个字符
[-]	匹配字符范围内的任意一个字符，包含字符范围界限字符
w	等价于“[0-9A-Za-z]”
W	等价于“[^0-9A-Za-z]”

二、操作符号

有3类操作符号：重复操作符，选择操作符和连接操作符。3类操作符有不同的操作优先级顺序，这个优先级顺序无需记忆，只需通过“（）”符号显式指定优先级即可。
另外，在正则表达式中可通过“数字”语法来引用第几个“（）”符号匹配的内容。现有文本文件“d.txt”，内容如下：

aabcabc
hello world
this is a test text

执行grep -E '([a-z]{2,})1' d.txt命令，结果如图10所示。

图10

2.1、重复操作符

操作符号	含义
?	前面的元素重复0次或者1次，重复0次表示不参与匹配
*	前面的元素重复0次或者任意多次，重复0次表示不参与匹配
+	前面的元素至少重复1次
{n}	前面的元素重复n次
{n,}	前面的元素至少重复n次
{,m}	前面的元素至多重复m次
{n,m}	前面的元素至少重复n次，至多重复m次

2.2、选择操作符

选择操作符是“|”。“A|B”表示的含义是：在匹配过程中，“A和B”两个正则表达式中只要有一个正则表达式匹配，那么最终结果就是匹配。

2.3、连接操作符

没有特定的符号用来表示连接操作符。将两个正则表达式放在一起就是将这两个正则表达式连接起来了。比如有正则表达式“086”和“[0-9]{11}”，将这两个正则表达式放在一起，即“086[0-9]{11}”，也就是将这两个正则表达式连接起来了。

三、转义

可以使用“”进行特殊字符的转义。比如现有文本文件“f.txt”，内容如下：

+{}|()?

接连执行如下命令，所得结果如图11所示。

grep -E '+' f.txt
grep -E '{' f.txt
grep -E '?' f.txt

图11

四、其他

正则表达式的运转跟“locale”设置息息相关。比如在有些“locale”设置中，“[a-d]”等价于“abcd”，而在有些“locale”设置中，“[a-d]”等价于“[aBbCcDd]”。又比如只在有些“locale”设置中，“w”等价于“[0-9A-Za-z]”，“W”等价于“[^0-9A-Za-z]”才成立。

参考文献： [1]man grep