前言

Linux 中对于流式数据处理有 sed 和 gawk 两种工具可以使用，其中模式 (正则) 匹配可以很好的协助我们要对哪些行做处理。因此，正则匹配也就成为 linux 中相对来说比较重要的知识点，对此做了一些整理归纳。

特殊字符

本文对正则表达式的归纳主要从正则表达式的特殊字符入手，正则中的特殊字符有:

. * + ? ^ $ \ | / () {} []

一共15 个字符，可以分类记忆为（4 + 2 + 3 + 2 * 3）:

4 个填充类标识： . * + ?
2 个锚点符号: ^ $
3 个斜线: \ | /
6 个括号: ( ) { } [ ]

BRE 和 ERE

Linux 中的正则匹配引擎有两种:

BRE: POSIX 基础正则表达式，basic regular expression
ERE：POSIX 扩展正则表达式，extended regular expression

显然 ERE 支持的功能比 BRE 更强大，但是所需要的性能开销也更大。其中， sed 仅仅支持 BRE 引擎（因为更看重流式数据的处理数据），gawk 支持了 ERE。

其中 BRE 无法支持 :

加号: +
问号: ?
管道符号: |
间隔符号: { }
分组符号: ( )

gawk 如果要是用间隔符号，需要加上 --re—interval 标识

四个填充类标识

点号 .

表明该位置有一个任意字符

**星号 ***

表明前一个字符可以出现任意多次（包括0次）

加号 +

表明前一个字符至少出现1 次

问号 ?

表明前一个字符出现 0 次或者 1 次

两个锚点类符号

脱字符 ^

一般用于表达式开头，限定表达式从首部开始匹配
如果用于区间符号（见下文），表明区间取反

美元符 $

一般用于表达式末尾，限定字符串末尾模式

三个斜线

*反斜线 *

用于转义特殊字符

管道符 |

「或」语法，用于连接两个匹配规则，任意规则命中，即为命中

正斜线 /

字段分隔符（FS: field separator ），在 sed 或者 gawk 中分割参数信息

六个括号

分组符号 ( )

用于将一串字符视为整体，一般后面可接 . * ? + {} 等标识符

间隔符 { }

用于指定前一个字符的出现次数，常见用法有 {m} 或者 {m, n}

字符组/区间 [ ]

字符组: 表示该位置值字符组中的任一字符，例如 [ab] [abcdefghi] 等
区间: 可以用 - 表示取值范围，避免穷举。例如 [a-g] [1-9]
特殊字符组: 用标识来表示区间，特殊字符组如下表所示

组	描述
[[:alpha:]]	匹配任意字母字符，不管是大写还是小写
[[:alnum:]]	匹配任意字母数字字符0~~9、A~~Z或a~z”
[[:blank:]]	匹配空格或制表符
[[:digit:]]	匹配0~9之间的数字
[[:lower:]]	匹配小写字母字符a-z
[[:print:]]	匹配任意可打印字符
[[:punct:]]	匹配标点符号
[[:space:]]	匹配任意空白字符: 空格、制表符、NL、FF、VT和 CR
[[:upper:]]	匹配任意大写字母字符 A-Z

Linux - 正则表达式

前言