标签：zh 12 匹配 LC 正则表达式 UTF grep CN
day28学习笔记（4月12日）
正则表达式和扩展正则表达式
通配符和正则的区别
1.从语法上就记住，只有awk、gre、sed才识别正则表达式符号、其他都是通配符
2.从用法上区分
- 表达式操作的是文件、目录名（属于是通配符）
- 表达式操作的是文件内容（正则表达式）
什么是正则表达式
- 正则表达式就是为了处理大量的字符串而定义的一套规则和方法。
- 通过定义的这些特殊符号的辅助，系统管理员就可以快速过滤，替换或输出需要的字符串。
- Linux 正则表达式一般以行为单位处理的。
如何用正则表达式
通常Linux运维工作，都是面临大量带有字符串的内容，如
- 配置文件
- 程序代码
- 命令输出结果
- 日志文件
且此类字符串内容，我们常会有特定的需要，查找出符合工作需要的特定的字符串，因此正则表达式就出现了
- 正则表达式是一套规则和方法
- 正则工作时以单位进行，一次处理一行
- 正则表达式化繁为简，提高工作效率
- linux仅受三剑客（sed、awk、grep）支持，其他命令无法使用
学正则的注意事项
- 正则表达式应用非常广泛，很多编程语言都支持正则表达式，用于处理字符串提取数据。
- Linux下普通命令无法使用正则表达式的，只能使用linux下的三个命令，结合正则表达式处理。
- sed
- grep
- awk
- 通配符是大部分普通命令都支持的，用于查找文件或目录
- 而正则表达式是通过三剑客命令在文件（数据流）中过滤内容的，注意区别
- 以及注意字符集，需要设置
LC_ALL=C，注意这一点很重要
关于字符集设置
你会发现很多shell脚本里都有这么一个语句如下
作用是修改linux的字符集，通过locale命令可以查看本地字符集设置
linux通过如下变量设置程序运行的不同语言环境，如中文、英文环境。
[root@yuchao-tx-server ~]# locale
LANG=en_US.UTF-8
LC_CTYPE="zh_CN.UTF-8"
LC_NUMERIC="zh_CN.UTF-8"
LC_TIME="zh_CN.UTF-8"
LC_COLLATE="zh_CN.UTF-8"
LC_MONETARY="zh_CN.UTF-8"
LC_MESSAGES="zh_CN.UTF-8"
LC_PAPER="zh_CN.UTF-8"
LC_NAME="zh_CN.UTF-8"
LC_ADDRESS="zh_CN.UTF-8"
LC_TELEPHONE="zh_CN.UTF-8"
LC_MEASUREMENT="zh_CN.UTF-8"
LC_IDENTIFICATION="zh_CN.UTF-8"
LC_ALL=zh_CN.UTF-8
一般我们会使用$LANG变量来设置linux的字符集，一般设置为我们所在的地区，如zh_CN.UTF-8
[root@yuchao-tx-server ~]# echo $LANG
en_US.UTF-8
为了让系统能正确执行shell语句（由于自定义修改的不同语言环境，对一些特殊符号的处理区别，如中文输入法，英文输入法下的标点符号等，导致shell无法执行）
我们会使用如下语句，恢复linux的所有的本地化设置，恢复系统到初始化的语言环境。
[root@yuchao-tx-server ~]# export LC_ALL=C
正则表达式分类
使用正则表达式的问题是、有两大类正则表达式规范、linux不同的应用程序，会使用不同的正则表达式。
例如
- 不同的编程语言使用正则（python,java）
- Linux实用工具（sed、awk、grep）
- 其他软件使用正则（mysql、nginx）
正则表达式是通过正则表达式引擎（regular expression engine）实现的。正则表达式引擎是 一套底层软件，负责解释正则表达式模式并使用这些模式进行文本匹配。
在Linux中，有两种流行的正则表达式引擎：
基于unix标准下的正则表达式符号规则有两类：
POSIX基础正则表达式（basic regular expression，BRE）引擎
POSIX扩展正则表达式（extended regular expression，ERE）引擎
解释posix
POSIX（Portable Operating System Interface）是Unix系统的一个设计标准。
当年最早的Unix，源代码流传出去了，加上早期的Unix不够完善，于是之后出现了好些独立开发的与Unix基本兼容但又不完全兼容的OS，通称Unix-like OS
两类、正则表达式符号
linux规范将正则表达式分为了两种
- 基本正则表达式（BRE、basic regular expression）
BRE对应元字符有
^ $ . [ ] *
其他符号是普通字符
; \
- 扩展正则表达式（ERE、extended regular expression）
ERE在在BRE基础上，增加了
( ) { } ? + | 等元字符
- 转义符
反斜杠 \
反斜杠用于在元字符前添加，使其成为普通字符
正则符号
| 字符 | 描述 | 示例 |
|---|---|---|
| \ | 转义字符，将特殊符号进行转义，忽略其特殊意义 | a\.b只匹配a.b不能匹配acb |
| ^ | grep匹配最左侧字符，表示匹配以什么开头 | ^yy，表示以yy开头的行 |
| $ | grep匹配行末 | yy$表示以yy结尾 |
| ^$ | 表示空行 | |
| . | 匹配除了换行符意外的所有内容，字符+空格（不匹配换行符和空行） | ab. 能匹配abc，abd |
| .$ | 匹配任意符号结尾的行 | |
| * | 匹配前一个字符连续出现0次或n次，即匹配所有内容 | |
| .* | 匹配任意内容的行，包括空行 | |
| ^.* | 匹配任意多个字符开头的行，包括空行 | |
| [ ] | 匹配括号内的字符或数字 | [abc]，a或b或c |
扩展正则符号
| 字符 | 描述 | 示例 |
|---|---|---|
| + | 前面字符出现1次或n次 | go+d 匹配结果可以是god,good,goood |
| （） | 创建一个字符组 | max(tri)?匹配max或maxtri |
| ？ | 匹配前一项0次或1次 | go?d 匹配结果只能是god,good |
| {n} | 匹配之前的项n次，n是可以为0的正整数 | [0-9]{3}匹配任意一个三位数，可以扩展为[0-9][0-9][0-9][0-9] |
| {n,} | 之前的项至少需要匹配N次 | [0-9]{2,}匹配任意一个两位数或更多位数 |
| {n,m} | 指定之前的项至少匹配n次，最多匹配m次,n<=m | [0-9]{2,5}匹配任意一个两位数或者更多位数 |
| | | 交替匹配两边任意一项 | ab(c|d)，匹配abc或abd |
正则记忆表
标签：zh,12,匹配,LC,正则表达式,UTF,grep,CN 来源： https://www.cnblogs.com/yan888/p/16137904.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。