11.2 基础正规表示法
11.2.1 语系对正规表示法的影响
由於不同语系的编码数据并不相同,所以就会造成数据撷取结果的差异了。 举例来说,在英文大小写的编码顺序中,zh_TW.big5 及 C 这两种语系的输出结果分别如下:
- LANG=C 时:0 1 2 3 4 ... A B C D ... Z a b c d ...z
- LANG=zh_TW 时:0 1 2 3 4 ... a A b B c C d D ... z Z
特殊符号 | 代表意义 |
[:alnum:] | 代表英文大小写字节及数字,亦即 0-9, A-Z, a-z |
[:alpha:] | 代表任何英文大小写字节,亦即 A-Z, a-z |
[:blank:] | 代表空白键与 [Tab] 按键两者 |
[:cntrl:] | 代表键盘上面的控制按键,亦即包括 CR, LF, Tab, Del.. 等等 |
[:digit:] | 代表数字而已,亦即 0-9 |
[:graph:] | 除了空白字节 (空白键与 [Tab] 按键) 外的其他所有按键 |
[:lower:] | 代表小写字节,亦即 a-z |
[:print:] | 代表任何可以被列印出来的字节 |
[:punct:] | 代表标点符号 (punctuation symbol),亦即:" ‘ ? ! ; : # $... |
[:upper:] | 代表大写字节,亦即 A-Z |
[:space:] | 任何会产生空白的字节,包括空白键, [Tab], CR 等等 |
[:xdigit:] | 代表 16 进位的数字类型,因此包括: 0-9, A-F, a-f 的数字与字节 |
尤其上表中的[:alnum:], [:alpha:], [:upper:], [:lower:], [:digit:] 这几个一定要知道代表什么意思,因为他要比 a-z 或 A-Z 的用途要确定的很!
11.2.2 grep 的一些进阶选项
[[email protected] ~]# grep [-A] [-B] [--color=auto] ‘搜寻字串‘ filename选项与参数: -A :后面可加数字,为 after 的意思,除了列出该行外,后续的 n 行也列出来; -B :后面可加数字,为 befer 的意思,除了列出该行外,前面的 n 行也列出来; --color=auto 可将正确的那个撷取数据列出颜色范例一:用 dmesg 列出核心信息,再以 grep 找出内含 eth 那行 [[email protected] ~]# dmesg | grep ‘eth‘ eth0: RealTek RTL8139 at 0xee846000, 00:90:cc:a6:34:84, IRQ 10 eth0: Identified 8139 chip type ‘RTL-8139C‘ eth0: link up, 100Mbps, full-duplex, lpa 0xC5E1 eth0: no IPv6 routers present # dmesg 可列出核心产生的信息!透过 grep 来撷取网络卡相关资讯 (eth) , # 就可发现如上资讯。不过没有行号与特殊颜色显示!看看下个范例吧! |
11.2.3 基础正规表示法练习
- 语系已经使用『 export LANG=C 』的配置值;
- grep 已经使用 alias 配置成为『 grep --color=auto 』
- 例题一、搜寻特定字串
搜寻特定字串很简单吧?假设我们要从刚刚的文件当中取得 the 这个特定字串,最简单的方式就是这样:
[[email protected] ~]# grep -n ‘the‘ regular_express.txt 8:I can‘t finish the test. 12:the symbol ‘*‘ is represented as start. 15:You are the best is mean you are the no. 1. 16:The world <Happy> is the same with "glad". 18:google is the best tools for search keyword. |
那如果想要『反向选择』呢?也就是说,当该行没有 ‘the‘ 这个字串时才显示在萤幕上,那就直接使用:
[[email protected] ~]# grep -vn ‘the‘ regular_express.txt |
你会发现,萤幕上出现的行列为除了 8,12,15,16,18 五行之外的其他行列! 接下来,如果你想要取得不论大小写的 the 这个字串,则:
[[email protected] ~]# grep -in ‘the‘ regular_express.txt 8:I can‘t finish the test. 9:Oh! The soup taste good. 12:the symbol ‘*‘ is represented as start. 14:The gd software is a library for drafting programs. 15:You are the best is mean you are the no. 1. 16:The world <Happy> is the same with "glad". 18:google is the best tools for search keyword. |
除了多两行 (9, 14行) 之外,第 16 行也多了一个 The 的关键字被撷取到喔!
- 例题二、利用中括号 [] 来搜寻集合字节
如果我想要搜寻 test 或 taste 这两个单字时,可以发现到,其实她们有共通的 ‘t?st‘ 存在~这个时候,我可以这样来搜寻:
[[email protected] ~]# grep -n ‘t[ae]st‘ regular_express.txt 8:I can‘t finish the test. 9:Oh! The soup taste good. |
- 例题三、行首与行尾字节 ^ $
我们在例题一当中,可以查询到一行字串里面有 the 的,那如果我想要让 the 只在行首列出呢? 这个时候就得要使用定位字节了!我们可以这样做:
[[email protected] ~]# grep -n ‘^the‘ regular_express.txt 12:the symbol ‘*‘ is represented as start. |
此时,就只剩下第 12 行,因为只有第 12 行的行首是 the 开头啊~此外, 如果我想要开头是小写字节的那一行就列出呢?可以这样:
- 例题四、任意一个字节 . 与重复字节 *
在第十一章 bash 当中,我们知道万用字节
* 可以用来代表任意(0或多个)字节, 但是正规表示法并不是万用字节,两者之间是不相同的! 至於正规表示法当中的『 . 』则代表『绝对有一个任意字节』的意思!这两个符号在正规表示法的意义如下:
- . (小数点):代表『一定有一个任意字节』的意思;
- * (星星号):代表『重复前一个字节, 0 到无穷多次』的意思,为组合形态
这样讲不好懂,我们直接做个练习吧!假设我需要找出 g??d 的字串,亦即共有四个字节, 起头是 g 而结束是 d ,我可以这样做:
[[email protected] ~]# grep -n ‘g..d‘ regular_express.txt 1:"Open Source" is a good mechanism to develop programs. 9:Oh! The soup taste good. 16:The world <Happy> is the same with "glad". |
- 例题五、限定连续 RE 字符范围 {}
在上个例题当中,我们可以利用 . 与 RE 字符及 * 来配置 0 个到无限多个重复字节, 那如果我想要限制一个范围区间内的重复字节数呢?举例来说,我想要找出两个到五个 o 的连续字串,该如何作?这时候就得要使用到限定范围的字符 {} 了。 但因为 { 与 } 的符号在 shell 是有特殊意义的,因此, 我们必须要使用跳脱字符
\ 来让他失去特殊意义才行。 至於 {} 的语法是这样的,假设我要找到两个 o 的字串,可以是:
[[email protected] ~]# grep -n ‘o\{2\}‘ regular_express.txt 1:"Open Source" is a good mechanism to develop programs. 2:apple is my favorite food. 3:Football game is not use feet only. 9:Oh! The soup taste good. 18:google is the best tools for search keyword. 19:goooooogle yes! |
11.2.4 基础正规表示法字符汇整 (characters)
RE 字符 | 意义与范例 |
^word |
意义:待搜寻的字串(word)在行首!
范例:搜寻行首为 # 开始的那一行,并列出行号
|
word$ |
意义:待搜寻的字串(word)在行尾!
范例:将行尾为 ! 的那一行列印出来,并列出行号
|
. |
意义:代表『一定有一个任意字节』的字符!
范例:搜寻的字串可以是 (eve) (eae) (eee) (e e), 但不能仅有 (ee) !亦即 e 与 e 中间『一定』仅有一个字节,而空白字节也是字节!
|
\ |
意义:跳脱字符,将特殊符号的特殊意义去除!
范例:搜寻含有单引号 ‘ 的那一行!
|
* |
意义:重复零个到无穷多个的前一个 RE 字符
范例:找出含有 (es) (ess) (esss) 等等的字串,注意,因为 * 可以是 0 个,所以 es 也是符合带搜寻字串。另外,因为 * 为重复『前一个 RE 字符』的符号, 因此,在 * 之前必须要紧接著一个 RE 字符喔!例如任意字节则为 『.*』 !
|
[list] |
意义:字节集合的 RE 字符,里面列出想要撷取的字节!
范例:搜寻含有 (gl) 或 (gd) 的那一行,需要特别留意的是,在 [] 当中『谨代表一个待搜寻的字节』, 例如『 a[afl]y 』代表搜寻的字串可以是 aay, afy, aly 即 [afl] 代表 a 或 f 或 l 的意思!
|
[n1-n2] |
意义:字节集合的 RE 字符,里面列出想要撷取的字节范围!
范例:搜寻含有任意数字的那一行!需特别留意,在字节集合 [] 中的减号 - 是有特殊意义的,他代表两个字节之间的所有连续字节!但这个连续与否与 ASCII 编码有关,因此,你的编码需要配置正确(在 bash 当中,需要确定 LANG 与 LANGUAGE 的变量是否正确!) 例如所有大写字节则为 [A-Z]
|
[^list] |
意义:字节集合的 RE 字符,里面列出不要的字串或范围!
范例:搜寻的字串可以是 (oog) (ood) 但不能是 (oot) ,那个 ^ 在 [] 内时,代表的意义是『反向选择』的意思。 例如,我不要大写字节,则为 [^A-Z]。但是,需要特别注意的是,如果以 grep -n [^A-Z] regular_express.txt 来搜寻,却发现该文件内的所有行都被列出,为什么?因为这个 [^A-Z] 是『非大写字节』的意思, 因为每一行均有非大写字节,例如第一行的 "Open Source" 就有 p,e,n,o.... 等等的小写字
|
\{n,m\} |
意义:连续 n 到 m 个的『前一个 RE 字符』
意义:若为 \{n\} 则是连续 n 个的前一个 RE 字符, 意义:若是 \{n,\} 则是连续 n 个以上的前一个 RE 字符! 范例:在 g 与 g 之间有 2 个到 3 个的 o 存在的字串,亦即 (goog)(gooog)
|
再次强调:『正规表示法的特殊字节』与一般在命令列输入命令的『万用字节』并不相同, 例如,在万用字节当中的 * 代表的是『 0 ~ 无限多个字节』的意思,但是在正规表示法当中, * 则是『重复 0 到无穷多个的前一个 RE 字符』的意思~使用的意义并不相同,不要搞混了!
11.2.5 sed 工具
sed 本身也是一个管线命令,可以分析 standard input 的啦! 而且 sed 还可以将数据进行取代、删除、新增、撷取特定行等等的功能呢!
[[email protected] ~]# sed [-nefr] [动作] |
- 以行为单位的新增/删除功能
范例一:将 /etc/passwd 的内容列出并且列印行号,同时,请将第 2~5 行删除! [[email protected] ~]# nl /etc/passwd | sed ‘2,5d‘ 1 root:x:0:0:root:/root:/bin/bash 6 sync:x:5:0:sync:/sbin:/bin/sync 7 shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown .....(后面省略)..... |
范例二:承上题,在第二行后(亦即是加在第三行)加上『drink tea?』字样! [[email protected] ~]# nl /etc/passwd | sed ‘2a drink tea‘ 1 root:x:0:0:root:/root:/bin/bash 2 bin:x:1:1:bin:/bin:/sbin/nologin drink tea 3 daemon:x:2:2:daemon:/sbin:/sbin/nologin .....(后面省略)..... |
范例三:在第二行后面加入两行字,例如『Drink tea or .....』与『drink beer?』 [[email protected] ~]# nl /etc/passwd | sed ‘2a Drink tea or ......\ > drink beer ?‘ 1 root:x:0:0:root:/root:/bin/bash 2 bin:x:1:1:bin:/bin:/sbin/nologin Drink tea or ...... drink beer ? 3 daemon:x:2:2:daemon:/sbin:/sbin/nologin .....(后面省略)..... |
- 以行为单位的取代与显示功能
范例四:我想将第2-5行的内容取代成为『No 2-5 number』呢? [[email protected] ~]# nl /etc/passwd | sed ‘2,5c No 2-5 number‘ 1 root:x:0:0:root:/root:/bin/bash No 2-5 number 6 sync:x:5:0:sync:/sbin:/bin/sync .....(后面省略)..... |
范例五:仅列出 /etc/passwd 文件内的第 5-7 行 [[email protected] ~]# nl /etc/passwd | sed -n ‘5,7p‘ 5 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin 6 sync:x:5:0:sync:/sbin:/bin/sync 7 shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown |
- 部分数据的搜寻并取代的功能
sed ‘s/要被取代的字串/新的字串/g‘ |
步骤一:先观察原始信息,利用 /sbin/ifconfig 查询 IP 为何? [[email protected] ~]# /sbin/ifconfig eth0 eth0 Link encap:Ethernet HWaddr 00:90:CC:A6:34:84 inet addr:192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 inet6 addr: fe80::290:ccff:fea6:3484/64 Scope:Link UP BROADCAST RUNNING MULTICAST MTU:1500 Metric:1 .....(以下省略)..... # 因为我们还没有讲到 IP ,这里你先有个概念即可啊!我们的重点在第二行, # 也就是 192.168.1.100 那一行而已!先利用关键字捉出那一行!步骤二:利用关键字配合 grep 撷取出关键的一行数据 [[email protected] ~]# /sbin/ifconfig eth0 | grep ‘inet addr‘inet addr:192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 # 当场仅剩下一行!接下来,我们要将开始到 addr: 通通删除,就是像底下这样: # inet addr:192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 # 上面的删除关键在於『 ^.*inet addr: 』啦!正规表示法出现! ^_^步骤三:将 IP 前面的部分予以删除 [[email protected] ~]# /sbin/ifconfig eth0 | grep ‘inet addr‘ | \ > sed ‘s/^.*addr://g‘ 192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 # 仔细与上个步骤比较一下,前面的部分不见了!接下来则是删除后续的部分,亦即: # 192.168.1.100 Bcast:192.168.1.255 Mask:255.255.255.0 # 此时所需的正规表示法为:『 Bcast.*$ 』就是啦!步骤四:将 IP 后面的部分予以删除 [[email protected] ~]# /sbin/ifconfig eth0 | grep ‘inet addr‘ | \ > sed ‘s/^.*addr://g‘ | sed ‘s/Bcast.*$//g‘ 192.168.1.100 |
- 直接修改文件内容(危险动作)
12.3 延伸正规表示法
RE 字符 | 意义与范例 |
+ |
意义:重复『一个或一个以上』的前一个 RE 字符
范例:搜寻 (god) (good) (goood)... 等等的字串。 那个 o+ 代表『一个以上的 o 』所以,底下的运行成果会将第 1, 9, 13 行列出来。
|
? |
意义:『零个或一个』的前一个 RE 字符
范例:搜寻 (gd) (god) 这两个字串。 那个 o? 代表『空的或 1 个 o 』所以,上面的运行成果会将第 13, 14 行列出来。 有没有发现到,这两个案例( ‘go+d‘ 与 ‘go?d‘ )的结果集合与 ‘go*d‘ 相同? 想想看,这是为什么喔! ^_^
|
| |
意义:用或( or )的方式找出数个字串
范例:搜寻 gd 或 good 这两个字串,注意,是『或』! 所以,第 1,9,14 这三行都可以被列印出来喔!那如果还想要找出 dog 呢?
|
() |
意义:找出『群组』字串
范例:搜寻 (glad) 或 (good) 这两个字串,因为 g 与 d 是重复的,所以, 我就可以将 la 与 oo 列於 ( ) 当中,并以 | 来分隔开来,就可以啦!
|
()+ |
意义:多个重复群组的判别
范例:将『AxyzxyzxyzxyzC』用 echo 叫出,然后再使用如下的方法搜寻一下!
上面的例子意思是说,我要找开头是 A 结尾是 C ,中间有一个以上的 "xyz" 字串的意思~ |
12.4 文件的格式化与相关处理
12.4.1 格式化列印: printf
[[email protected] ~]# printf ‘列印格式‘ 实际内容选项与参数: 关於格式方面的几个特殊样式: \a 警告声音输出 \b 倒退键(backspace) \f 清除萤幕 (form feed) \n 输出新的一行 \r 亦即 Enter 按键 \t 水平的 [tab] 按键 \v 垂直的 [tab] 按键 \xNN NN 为两位数的数字,可以转换数字成为字节。 关於 C 程序语言内,常见的变量格式 %ns 那个 n 是数字, s 代表 string ,亦即多少个字节; %ni 那个 n 是数字, i 代表 integer ,亦即多少整数码数; %N.nf 那个 n 与 N 都是数字, f 代表 floating (浮点),如果有小数码数, 假设我共要十个位数,但小数点有两位,即为 %10.2f 罗! |
范例一:将刚刚上头数据的文件 (printf.txt) 内容仅列出姓名与成绩:(用 [tab] 分隔) [[email protected] ~]# printf ‘%s\t %s\t %s\t %s\t %s\t \n‘ $(cat printf.txt) Name Chinese English Math Average DmTsai 80 60 92 77.33 VBird 75 55 80 70.00 Ken 60 90 70 73.33 |
12.4.2 awk:好用的数据处理工具
[[email protected] ~]# awk ‘条件类型1{动作1} 条件类型2{动作2} ...‘ filename |
awk
主要是处理『每一行的栏位内的数据』,而默认的『栏位的分隔符号为 "空白键" 或 "[tab]键" 』!
[[email protected] ~]# last -n 5<==仅取出前五行 root pts/1 192.168.1.100 Tue Feb 10 11:21 still logged in root pts/1 192.168.1.100 Tue Feb 10 00:46 - 02:28 (01:41) root pts/1 192.168.1.100 Mon Feb 9 11:41 - 18:30 (06:48) dmtsai pts/1 192.168.1.100 Mon Feb 9 11:41 - 11:41 (00:00) root tty1 Fri Sep 5 14:09 - 14:10 (00:01) |
若我想要取出帐号与登陆者的 IP ,且帐号与 IP 之间以 [tab] 隔开,则会变成这样:
[[email protected] ~]# last -n 5 | awk ‘{print $1 "\t" $3}‘ root 192.168.1.100 root 192.168.1.100 root 192.168.1.100 dmtsai 192.168.1.100 root Fri |
整个 awk 的处理流程是:
- 读入第一行,并将第一行的数据填入 $0, $1, $2.... 等变量当中;
- 依据 "条件类型" 的限制,判断是否需要进行后面的 "动作";
- 做完所有的动作与条件类型;
- 若还有后续的『行』的数据,则重复上面 1~3 的步骤,直到所有的数据都读完为止。
12.4.3 文件比对工具
- diff
[[email protected] ~]# diff [-bBi] from-file to-file选项与参数: from-file :一个档名,作为原始比对文件的档名; to-file :一个档名,作为目的比对文件的档名; 注意,from-file 或 to-file 可以 - 取代,那个 - 代表『Standard input』之意。 -b :忽略一行当中,仅有多个空白的差异(例如 "about me" 与 "about me" 视为相同 -B :忽略空白行的差异。 -i :忽略大小写的不同。范例一:比对 passwd.old 与 passwd.new 的差异: [[email protected] test]# diff passwd.old passwd.new 4d3 <==左边第四行被删除 (d) 掉了,基准是右边的第三行 < adm:x:3:4:adm:/var/adm:/sbin/nologin <==这边列出左边(<)文件被删除的那一行内容 6c5 <==左边文件的第六行被取代 (c) 成右边文件的第五行 < sync:x:5:0:sync:/sbin:/bin/sync <==左边(<)文件第六行内容 --- > no six line <==右边(>)文件第五行内容# 很聪明吧!用 diff 就把我们刚刚的处理给比对完毕了! |
- patch
[[email protected] ~]# patch -pN < patch_file <==升级 [[email protected] ~]# patch -R -pN < patch_file<==还原选项与参数: -p :后面可以接『取消几层目录』的意思。 -R :代表还原,将新的文件还原成原来旧的版本。范例二:将刚刚制作出来的 patch file 用来升级旧版数据 [[email protected] test]# patch -p0 < passwd.patch patching file passwd.old [[email protected] test]# ll passwd* -rw-r--r-- 1 root root 1929 Feb 10 14:29 passwd.new -rw-r--r-- 1 root root 1929 Feb 10 15:12 passwd.old <==文件一模一样!范例三:恢复旧文件的内容 [[email protected] test]# patch -R -p0 < passwd.patch [[email protected] test]# ll passwd* -rw-r--r-- 1 root root 1929 Feb 10 14:29 passwd.new -rw-r--r-- 1 root root 1986 Feb 10 15:18 passwd.old # 文件就这样恢复成为旧版本罗 |
12.4.4 文件列印准备: pr
[[email protected] ~]# pr /etc/man.config2007-01-06 18:24 /etc/man.config Page 1 # # Generated automatically from man.conf.in by the # configure script. .....以下省略......