当我们在 unix/linux 下使用特定的命令从字符串或文件中读取或编辑文本时,我们经常需要过滤输出以得到感兴趣的部分。这时正则表达式就派上用场了。
<a target="_blank"></a>
正则表达式可以定义为代表若干个字符序列的字符串。它最重要的功能之一就是它允许你过滤一条命令或一个文件的输出、编辑文本或配置文件的一部分等等。
正则表达式由以下内容组合而成:
普通字符,例如空格、下划线、a-z、a-z、0-9。
可以扩展为普通字符的元字符,它们包括:
<code>(.)</code> 它匹配除了换行符外的任何单个字符。
<code>(*)</code> 它匹配零个或多个在其之前紧挨着的字符。
<code>[ character(s) ]</code> 它匹配任何由其中的字符/字符集指定的字符,你可以使用连字符(-)代表字符区间,例如 [a-f]、[1-5]等。
<code>^</code> 它匹配文件中一行的开头。
<code>$</code> 它匹配文件中一行的结尾。
<code>\</code> 这是一个转义字符。
你必须使用类似 awk 这样的文本过滤工具来过滤文本。你还可以把 awk 自身当作一个编程语言。但由于这个指南的适用范围是关于使用 awk 的,我会按照一个简单的命令行过滤工具来介绍它。
awk 的一般语法如下:
<code># awk 'script' filename</code>
此处 <code>'script'</code> 是一个由 awk 可以理解并应用于 filename 的命令集合。
它通过读取文件中的给定行,复制该行的内容并在该行上执行脚本的方式工作。这个过程会在该文件中的所有行上重复。
该脚本 <code>'script'</code> 中内容的格式是 <code>'/pattern/ action'</code>,其中 <code>pattern</code> 是一个正则表达式,而<code>action</code> 是当 awk 在该行中找到此模式时应当执行的动作。
在下面的例子中,我们将聚焦于之前讨论过的元字符。
下面的例子打印文件 /etc/hosts 中的所有行,因为没有指定任何的模式。
<code># awk '//{print}' /etc/hosts</code>
awk 打印文件中的所有行
在下面的示例中,指定了模式 <code>localhost</code>,因此 awk 将匹配文件 <code>/etc/hosts</code> 中有 <code>localhost</code> 的那些行。
<code># awk '/localhost/{print}' /etc/hosts</code>
awk 打印文件中匹配模式的行
在下面的例子中,符号 <code>(.)</code> 将匹配包含 loc、localhost、localnet 的字符串。
这里的正则表达式的意思是匹配 l一个字符c。
<code># awk '/l.c/{print}' /etc/hosts</code>
使用 awk 打印文件中匹配模式的字符串
(lctt 译者注:此处原文作者理解有误,感谢微信读者“止此而已”的提醒,<code>*</code> 在此处表示其前一个字符重复零次或多次,所以实际上相当于 <code>*</code> 及前面的字符是无用的。)
在下面的例子中,将匹配包含 localhost、localnet、lines, capable 的字符串。将匹配带有 <code>c</code> 字符的字符串。
<code># awk '/l*c/{print}' /etc/localhost</code>
使用 awk 匹配文件中的字符串
你可能也意识到 <code>(*)</code> 将会尝试匹配它可能检测到的最长的匹配。
让我们看一看可以证明这一点的例子,正则表达式 <code>t*t</code> 的意思是在下面的行中匹配以 <code>t</code> 开始和 <code>t</code> 结束的字符串:将匹配带有 t 字符的字符串:
<code>this is tecmint, where you get the best good tutorials, how to's, guides, tecmint.</code>
当你使用模式 <code>/t*t/</code> 时,会得到如下可能的结果:以下字符串只是有 t 字符而已:
<code>this is t</code>
<code>this is tecmint</code>
<code>this is tecmint, where you get t</code>
<code>this is tecmint, where you get the best good t</code>
<code>this is tecmint, where you get the best good tutorials, how t</code>
<code>this is tecmint, where you get the best good tutorials, how tos, guides, t</code>
<code>this is tecmint, where you get the best good tutorials, how tos, guides, tecmint</code>
在 <code>/t*t/</code> 中的通配符 <code>(*)</code> 将使得 awk 选择匹配的最后一项:以下字符串只是有 t 字符而已:
<code>this is tecmint, where you get the best good tutorials, how to's, guides, tecmint</code>
以集合 [al1] 为例,awk 将匹配文件 /etc/hosts 中所有包含字符 a 或 l 或 1 的字符串。
<code># awk '/[al1]/{print}' /etc/hosts</code>
使用 awk 打印文件中匹配的字符
下一个例子匹配以 <code>k</code> 或 <code>k</code> 开始(非指行首是该字母),后面跟着一个 <code>t</code> 的字符串:
<code># awk '/[kk]t/{print}' /etc/hosts</code>
awk 所能理解的字符:
<code>[0-9]</code> 代表一个单独的数字
<code>[a-z]</code> 代表一个单独的小写字母
<code>[a-z]</code> 代表一个单独的大写字母
<code>[a-za-z]</code> 代表一个单独的字母
<code>[a-za-z 0-9]</code> 代表一个单独的字母或数字
让我们看看下面的例子:
<code># awk '/[0-9]/{print}' /etc/hosts</code>
使用 awk 打印文件中匹配的数字
在上面的例子中,文件 /etc/hosts 中的所有行都至少包含一个单独的数字 [0-9]。
在下面的例子中,它匹配所有以给定模式开头的行:
<code># awk '/^fe/{print}' /etc/hosts</code>
<code># awk '/^ff/{print}' /etc/hosts</code>
使用 awk 打印与模式匹配的行
它将匹配所有以给定模式结尾的行:
<code># awk '/ab$/{print}' /etc/hosts</code>
<code># awk '/ost$/{print}' /etc/hosts</code>
<code># awk '/rs$/{print}' /etc/hosts</code>
使用 awk 打印与模式匹配的字符串
它允许你将该转义字符后面的字符作为文字,即理解为其字面的意思。
在下面的例子中,第一个命令打印出文件中的所有行,第二个命令中我想匹配具有 $25.00 的一行,但我并未使用转义字符,因而没有打印出任何内容。
第三个命令是正确的,因为一个这里使用了一个转义字符以转义 $,以将其识别为 '$'(而非元字符)。
<code># awk '//{print}' deals.txt</code>
<code># awk '/$25.00/{print}' deals.txt</code>
<code># awk '/\$25.00/{print}' deals.txt</code>
结合转义字符使用 awk
以上内容并不是 awk 命令用做过滤工具的全部,上述的示例均是 awk 的基础操作。
原文发布时间为:2016-07-18
本文来自云栖社区合作伙伴“linux中国”