shell 正则表达式

正则表达式是一种特殊的字符序列，用来匹配和操作字符串。在Shell编程中，正则表达式常用于文件名过滤、文本替换等场景，是一种十分重要的工具。本文将介绍Shell中正则表达式的基本语法和用法。

正则表达式语法

在Shell编程中，正则表达式通常由两种字符组成：普通字符和元字符。普通字符就是字母、数字、符号等，元字符则代表一些特殊的含义。

元字符

下面介绍一些常见的元字符：

元字符	含义
`^`	行首
`$`	行末
`.`	任意字符
`*`	0个或多个
`+`	1个或多个
`?`	0个或1个
`[ ]`	匹配指定范围内的任意一个字符
`[^ ]`	匹配不在指定范围内的任何字符
`\|`	或者
`()`	分组

注意，元字符在正则表达式中具有特殊的含义，如果想匹配这些字符本身，需要使用转义符\，如\$表示匹配字符$本身。

示例代码

下面是一些示例代码，展示正则表达式的用法。

# 匹配以a开头的行
grep '^a' file.txt

# 匹配以a开头和以b结尾的行
grep '^a.*b$' file.txt

# 匹配包含数字的行
grep '[0-9]' file.txt

# 匹配不含数字的行
grep '[^0-9]' file.txt

# 匹配a、b或c字符的行
grep 'a\|b\|c' file.txt

# 捕获分组
echo "ab" | sed -E 's/(a)(b)/\2\1/' # 结果为"ba"

普通字符

在正则表达式中，除了元字符外，其他字符都是普通字符，表示其本身的含义。例如a表示匹配字符a本身，1表示匹配数字1。

量词

量词用于匹配字符出现的次数，有以下几种形式：

量词	含义
`*`	匹配0个或多个
`+`	匹配1个或多个
`?`	匹配0个或1个
`{n}`	匹配n个
`{n,}`	匹配n个或以上
`{n,m}`	匹配n到m个之间

注意，如果想匹配字符*、+和?本身，需要在它们前面加上转义符\，如\*表示匹配字符*本身。

POSIX字符类

在正则表达式中，还有一些特殊的字符类，称为POSIX字符类，包括以下几种：

POSIX字符类	含义
`[[:alnum:]]`	匹配任意字母和数字
`[[:alpha:]]`	匹配任意字母
`[[:digit:]]`	匹配任意数字
`[[:space:]]`	匹配任意空白字符（空格、制表符、换行符等）
`[[:lower:]]`	匹配任意小写字母
`[[:upper:]]`	匹配任意大写字母
`[[:print:]]`	匹配任意可打印字符（即ASCII码范围内0x20~0x7E）

这些字符类经常用于匹配特定类型的字符，例如[[:alpha:]]可以匹配任意字母，而[[:digit:]]可以匹配任意数字。

贪婪匹配和非贪婪匹配

在正则表达式中，有一种匹配方式叫做贪婪匹配，即尽可能多地匹配字符。例如，正则表达式.*可以匹配任意字符。

有时，贪婪匹配会带来一些问题，如匹配结果不准确、效率低下等。这时可以使用非贪婪匹配，即尽可能少地匹配字符。在正则表达式中，非贪婪匹配可以使用?元字符。例如，正则表达式.*?表示尽可能少地匹配任意字符。

锚定符

锚定符用于匹配字符串的位置，包括行首、行末等。在正则表达式中，有以下三种锚定符：

锚定符	含义
`^`	行首
`$`	行末
`\b`	单词边界

其中^匹配行首，$匹配行末，\b匹配单词边界，即字符的开头、末尾或空格分隔符之间的位置。锚定符常用于限制匹配范围，提高匹配效率。

示例代码

下面是一些示例代码，展示正则表达式的高级用法。

# 匹配以数字开头但不以数字结尾的行
grep '^[0-9].*[^\d]$' file.txt

# 提取URL中的域名
echo "https://www.baidu.com" | sed -E 's#(https?://)?([\w-]+\.)*([\w-]+\.[\w-]+)#\3#'

# 提取HTML标签中的属性值
echo '<a href="https://www.baidu.com">百度</a>' | sed -E 's#<a\s+.*href="([^"]+)".*</a>#\1#'

# 匹配出包含关键词的行，并高亮显示
grep --color '关键词' file.txt

# 替换文本中的空格为制表符
sed -E 's/\s+/\t/g' file.txt