Shell编程之正则表达式与文本处理器

一，正则表达式

1：正则表达式概述

 1.正则表达式的定义

正则表达式（Regular Expression，RegEx）是一种高度灵活的文本处理工具，它结合了字符序列、特殊控制字符（称为元字符）、以及特定的构造规则，形成一种模式描述语言。这种模式能够精准地匹配、查找、替换或提取文本中的特定字符串或模式。正则表达式的核心价值在于其强大的模式描述能力，使得开发者能够以简洁的表达式来应对复杂的文本处理需求。

2.正则表达式的用途

正则表达式广泛应用于多种场合，简化了字符串处理任务，主要用途包括：

• 搜索匹配：快速在文本中查找符合特定规则的字符串，比如查找所有网址或邮箱地址。
• 数据验证：确保用户输入的数据格式正确，比如检查是否输入了合法的电话号码或日期格式。
• 文本替换：批量替换文本中的某种模式，例如将所有电子邮件地址替换为“[邮箱]”。
• 信息提取：从复杂的文本中提取有用信息，如从网页中提取所有链接。
• 文本分隔：依据特定规则将文本切分成多个部分，用于数据分析或预处理。

 2：基础正则表达

1.基础正则表达式示例

（1）查找特定字符

示例：在log.txt中查找含有"ERROR"关键词的行。

• 命令：grep 'ERROR' log.txt
• 说明：直接匹配字符串"ERROR"，适用于快速定位错误信息。

（2）利用中括号"[]"匹配集合字符

示例：查找所有以数字或小写字母开头的行。

• 命令：grep '^[0-9a-z]' data.txt
• 说明：[0-9a-z]匹配数字0-9和小写字母a-z中的任意一个，^确保匹配的是行首字符。

（3）行首"^"与行尾"$"的应用

示例：查找所有以".conf"为文件扩展名的行。

• 命令：ls | grep '\.conf$'
• 说明：\.用于匹配实际的点字符，$确保".conf"位于行尾，从而精确匹配文件扩展名。

（4）任意字符"."与重复字符"*"的组合

示例：查找所有以任何形式的"email"出现的行。

• 命令：grep -E 'email.*' messages.log
• 说明：.匹配任意字符（除了换行符），*表示前面的元素可以重复零次或多次，所以email.*匹配以"email"开始的任何文本。

（5）连续字符范围"{}"的精确定位

示例：查找所有长度为6的密码。

• 命令：grep -E '\b\w{6}\b' passwords.txt
• 说明：\w{6}匹配正好六个单词字符（字母、数字或下划线），\b确保匹配的是完整单词。

2. 元字符总结

• .：转义点字符，用于匹配实际的"."字符。
• ^ 和 $：分别匹配字符串的开始和结束，注意在方括号[]内时失去特殊含义。
• ：定义字符集，如[abc]匹配"a"、"b"或"c"。
• $$：分组，用于捕获匹配或应用量词于整个组。
• |：逻辑或，匹配左右两边的任一模式，如cat|dog匹配"cat"或"dog"。
• {n,m}：指定匹配次数的范围，如\d{3,5}匹配3到5位数字。
• ?、*、+：分别代表前面的元素可以重复0次、0次或多次、1次或多次。
• \w、\d、\s：预定义字符类，分别匹配字母数字、数字、空白字符。
• \W、\D、\S：与上述相反，匹配非字母数字、非数字、非空白字符。
• 反向引用：通过\n引用之前分组的内容，如(\w+)\s+\1匹配重复的单词。
• 忽略大小写：在某些命令中（如grep）使用-i选项，如grep -i 'error'。
• 多行模式：在某些情况下，使用-z（如在grep中）处理多行文本作为一个整体。

二，文本处理器

        1：sed工具

                1.sed命令常见用法

-n ：使用安静(silent)模式。在一般 sed 的用法中，所有来自 STDIN 的数据一般都会被列出到终端上。但如果加上 -n 参数后，则只有经过sed 特殊处理的那一行(或者动作)才会被列出来。
-e ：直接在命令列模式上进行 sed 的动作编辑；
-f ：直接将 sed 的动作写在一个文件内， -f filename 则可以运行 filename 内的 sed 动作；
-r ：sed 的动作支持的是延伸型正规表示法的语法。(默认是基础正规表示法语法)
-i ：直接修改读取的文件内容，而不是输出到终端。

                2.用法示例

• 输出符合条件的文本（p）

  • 示例：sed '/pattern/p' filename
    会在匹配到pattern的行后面直接再输出该行，相当于打印匹配到的行。

• 删除符合条件的文本（d）

  • 示例：sed '/pattern/d' filename
    删除所有匹配到pattern的行。

• 替换符合条件的文本

  • 示例：sed 's/old/new/g' filename
    将文件中所有匹配到old的字符串替换为new，g标志表示全局替换。

• 迁移符合条件的文本

  • 示例：sed '/pattern/{h;d};G' filename
    匹配到pattern的行会被暂存（h命令），然后删除（d命令），接着在每个非匹配行后追加暂存的行（G命令）。

• 使用脚本编辑文件

  • 示例：创建一个sed脚本script.sed，内容为s/pattern/replacement/，然后执行sed -f script.sed filename。

• sed直接操作文件示例

  • 示例：sed -i 's/old/new/g' filename
    直接在原文件中进行替换，-i选项表示就地编辑。

        2：awk工具

                1.awk常见用法

$0           表示整个当前行

$1           每行第一个字段

NF          字段数量变量

NR          每行的记录号，多文件记录递增

FNR        与NR类似，不过多文件记录不递增，每个文件都从1开始

\t            制表符

\n           换行符

FS          BEGIN时定义分隔符

RS       输入的记录分隔符， 默认为换行符(即文本是按一行一行输入)

~            匹配，与==相比不是精确比较

!~           不匹配，不精确比较

==         等于，必须全部相等，精确比较

!=           不等于，精确比较

&&     逻辑与

||             逻辑或

+            匹配时表示1个或1个以上

/[0-9][0-9]+/   两个或两个以上数字

/[0-9][0-9]*/    一个或一个以上数字

FILENAME 文件名

OFS      输出字段分隔符， 默认也是空格，可以改为制表符等

ORS        输出的记录分隔符，默认为换行符,即处理结果也是一行一行输出到屏幕

-F'[:#/]'   定义三个分隔符

                2.用法示例

（1）：按行输出文本

awk -F":" '{print}' /etc/passwd //输出所有

awk -F":" '{print $0}' /etc/passwd //输出所有

awk -F: 'NR==3,NR==6{print}' /etc/passwd  //显示第3行到第6行

awk -F: 'NR>=3&&NR<=6{print}' /etc/passwd       //显示第3行到第6行

awk -F: 'NR==3||NR==6{print}' /etc/passwd       //显示第3行和第6行

awk '(NR%2)==1{print}' /etc/passwd //显示奇数行

awk '(NR%2)==0{print}' /etc/passwd //显示偶数行

awk '/^root/{print}' /etc/passwd //显示以root开头的行

awk '/nologin$/{print}' /etc/passwd //显示以nologin结尾的行

awk 'BEGIN {x=0};/\/bin\/bash$/{x++};END {print x}' /etc/passwd      //统计以/bin/bash结尾的行数

awk 'BEGIN{RS=""};END{print NR}' /etc/ssh/sshd_config //统计以空行分隔的文本段落数

awk '{print NR,$0}' /etc/passwd                                 //输出每行的行号

awk -F: '{print NR,NF,$NF,"\t",$0}' /etc/passwd      //依次打印行号，字段数，最后字段值，制表符，每行内容

awk -F: 'NR==5{print}'  /etc/passwd                         //显示第5行

route -n|awk 'NR!=1{print}'                                       //不显示第一行

awk -F: '{print NF}' /etc/passwd                                //显示每行有多少字段

awk -F: '{print $NF}' /etc/passwd                              //将每行第NF个字段的值打印出来

 awk -F: 'NF==4 {print }' /etc/passwd                       //显示只有4个字段的行

awk -F: 'NF>2{print $0}' /etc/passwd                       //显示每行字段数量大于2的行

（2）：按字段输出文本

awk -F":" '{print $3}' /etc/passwd //显示第三列

awk -F":" '{print $1 $3}' /etc/passwd                       //$1与$3相连输出，无空格，

awk -F":" '{print $1,$3}' /etc/passwd                       //多了一个逗号，输出第1和第3个字段，有空格

awk -F: '$2=="!!" {print}' /etc/shadow //统计密码为空的shadow记录

awk 'BEGIN {FS=":"}; $2=="!!" {print}' /etc/shadow ##显示密码为空的用户的shadow信息

awk -F ":" '$7~"/bash" {print $1}' /etc/passwd ##显示第七个字段为/bash的行的第一个字段

awk -F: 'NR==5{print}' /etc/passwd                         //显示第5行

awk -F":" '{print $1 " " $3}' /etc/passwd                  //$1与$3之间手动添加空格分隔

（3）：通过管道，双引号调用Shell命令

awk -F: '/bash$/{print | "wc -l"}' /etc/passwd     ##统计bash用户的个数

awk 'BEGIN {while ("w" | getline) n++ ; {print n-2}}'   ##统计在线用户的数量

awk 'BEGIN {"hostname" | getline;print $0}'      ##输出当前主机名

awk -F: '$1~/mail/ && $3>6 {print }' /etc/passwd         //逻辑与，$1匹配mail，并且$3>6

awk -F: '{if($1~/mail/ && $3>8) print }' /etc/passwd  

awk -F: '$1~/mail/ || $3>1000 {print }' /etc/passwd       //逻辑或，统计以mail开头或第3列大于1000的行

awk -F: '{if($1~/mail/ || $3>1000) print }' /etc/passwd