通配符与正则表达式
1.用于shell中的通配符
符号 |
意义 |
|——
* |
0个到无穷多个任意字符 |
? |
一个必定存在的任意字符 |
[ ] |
一定有`括号内`的其中一个字符存在 |
[-] |
内有`-`表示在编码顺序内的所有字符,如所有小写 大写 大小写 数字: [a-z] [A-Z] [a-zA-Z] [0-9] |
[^] |
相当于去取反 如除小写字母的任意字符:[^a-z],除Z外任意字符:[^Z] |
其他特殊符号
符号 |
意义 |
|——
# |
批注符号,这个最常被使用在 script 当中,视为说明!在后的数据均不执行 |
\ |
跳脱符号,将特殊字符或通配符还原成一般字符 |
| |
管线 (pipe),分隔两个管线命令的界定 |
; |
连续指令下达分隔符,连续性命令的界定 |
~ |
用户的家目录 |
$ |
取用变数前导符,亦即是变量之前需要加的变量取代值 |
& |
工作控制 (job control),将指令变成背景下工作 |
! |
逻辑运算意义上的『非』 not 的意思! |
/ |
目录符号,路径分隔的符号 |
>, >> |
数据流重导向:输出导向,分别是取代与累加 |
<, << |
数据流重导向:输入导向 |
’ ’ |
单引号,不具有变量置换的功能 ($ 变为纯文本) |
" " |
具有变量置换的功能! ($ 可保留相关功能) |
` ` |
两个` 中间为可以先执行的指令,亦可使用 $( ) |
( ) |
在中间为子 shell 的起始与结束 |
{ } |
在中间为命令区块的组合! |
2.正则表达式(基础)
符号 |
意义 |
|——
^ |
行首 |
$ |
行末 |
. |
一定存在一任意字符 `注意不要与通配符混淆` |
* |
`重复`此符号前的字符0次到无穷多次 `注意不要与通配符混淆` |
[ ] |
同shell通配符 |
[-] |
同shell通配符 |
[^] |
同shell通配符 |
{n,m} |
`注1` |
注1:
{n,m}连续 n 到 m 个的前一个 重复字符;
若为 {n} 则是连续 n 个的前一个 重复字符;
若是 {n,} 则是连续 n 个以上的前一个重复字符;
相当于可指定重复次数的*
延伸
符号 |
意义 |
|——
+ |
1个以上的前面重复字符 |
? |
0个或1个前面的重复字符 |
| |
用or方式找出字符串,如’dog|cat’代表找出dog 或 cat |
( ) |
[]升级版,找出群组字符串,代表一定存在其中某串字符串,如’1(dog|cat)1’代表1dog1或1cat1 |
( )+ |
一个以上群组重复,如’A(xyz)+C’可以是AXYZC或AXYZXYZXYZC等等. |
非打印字符
符号 |
意义 |
|——
\b |
匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。`注2` |
\B |
匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。 |
\cx |
匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。`注3` |
\d |
匹配一个数字字符。等价于 [0-9]。 |
\D |
匹配一个非数字字符。等价于 [^0-9]。 |
\f |
匹配一个换页符。等价于 \x0c 和 \cL。 |
\n |
匹配一个换行符。等价于 \x0a 和 \cJ。 |
\r |
匹配一个回车符。等价于 \x0d 和 \cM。 |
\s |
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
\S |
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
\t |
匹配一个制表符。等价于 \x09 和 \cI。 |
\v |
匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
\w |
匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’。 |
\W |
匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。 |
\xn |
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，’\x41’ 匹配 “A”。’\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码。 |
\num |
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，’(.)\1’ 匹配两个连续的相同字符。 |
\n |
标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 |
\nm |
标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。 |
\nml |
如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 |
\un |
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。 |
注2:
助记： \b board边界 \d digital 数字 \s space空白 \w word单词
注3:
例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
进阶
符号 |
意义 |
|——
？ |
非贪婪匹配 |
(?:pattern) |
不缓存查到的串 |
(?=pattern) |
Positive Lookahead |
(?!pattern) |
Negative Lookahead |
(?<=pattern) |
Positive Lookbehind |
(?<!pattern) |
Negative Lookbehind |
pattern代表一个模式
先说非贪婪匹配，限定符.*等默认是贪婪匹配的，比如正则表达式为o+,代表匹配字符o，至少出现一次，若待查找文本为aaa，则匹配结果为aaa，他会尽量去匹配更多的，而如果加入非贪婪限定符，即o+?，则查找结果为a，即他会尽量少的去匹配。
这种情况是?跟在其他限定符后的情况，而其单独使用时相当于{0,1}，即最少0次，最多一次，如go(od)?可以匹配good也可以匹配go,不能匹配goodod.
说起(?:pattern)，就要先说反向引用，匹配时使用的[]和()，[]可以匹配字符集合，而()可以匹配字符串，而()匹配到的字符串还有其他一个作用，即反向引用，即匹配到的结果会缓存起来，可以按照匹配到的顺序使用\n来引用，n即为出现的位置，如abba式的字符串可以用(.)(.)\2\1来表示。(?:pattern)的作用，就是不缓存结果。加了?:后就不会缓存了。
然后是lookaround,也许可以翻译为环视，Lookahead和Lookbehind共同的被称为lookaround。Lookahead和Lookbehind可以被翻译为前瞻和后视。这个前瞻和后视，代表正则表达式引擎内部运行时，前瞻会向前预读字符来匹配，而后视将会暂时退回来匹配。注意，环视是不消耗字符的。
关于?= ?! ?<= ?<!，也许可以分别叫做正向前瞻，反向前瞻，正向后视，反向后视，先看个例子，Windows(?=95|98|NT|2000)能匹配”Windows2000”中的”Windows”，但不能匹配”Windows3.1”中的”Windows”,他的意思就是说我想找的值的后面是pattern。而?!是否定的，即后面不是pattern。而带<的?<= ?<!，就是反了一下，变成了想查找的值的前面是/否是pattern。需要注意的是预查是不消耗字符的，好比Windows2000，Windows(?=95|98|NT|2000)查找后，继续查找是从2000再次开始的。
去除空行 匹配^(\s*)\r\n
这里还有一个很有意思的网站，正则表达式闯关，我从Order那一关就不会了，还需要继续学习。。。
