Egrep 与正则表达式入门教程
Egrep 与正则表达式入门教程
还在为从海量文本中查找特定信息而烦恼吗？本教程将带你领略 egrep 命令和正则表达式的强大威力，通过丰富的实例，让你轻松入门，成为数据筛选高手！
引言
正则表达式（Regular Expressions，常简写为 REs）是许多命令行工具和编程语言中的一个核心概念。初次接触时，它那些特殊的符号和规则可能会让人感到困惑。别担心，这很正常！
最好的学习方法是：先通读一遍教程，跟着例子在你的终端里亲自敲一敲、试一试。然后，可以先放一放，过一两天再回来看。你会惊奇地发现，很多之前模糊的概念在第二次学习时会变得清晰起来。掌握正则表达式没有捷径，唯有时间和练习。
它们究竟是什么？
正则表达式是一种用来描述、匹配一系列符合某个句法规则的字符串的“模式 (pattern)”。你可以把它想象成我们之前学习过的通配符（如 * 和 ?），但功能要强大得多。
通配符主要用于匹配文件名，而正则表达式则可以用于识别和处理任何文本数据中特定的片段，例如，从一个巨大的日志文件中找出所有的电子邮件地址、IP 地址或者特定格式的错误信息。
正则表达式的应用无处不在。在本教程中，我们将使用 egrep 命令来演示它，但实际上，许多其他工具（如 sed、awk、vi/vim）以及绝大多数编程语言（如 Python, JavaScript, Java）都广泛支持正则表达式。
Egrep 命令入门
egrep 是一个强大的文本搜索工具，它能扫描给定的文件或数据流，并打印出每一行中包含特定“模式”的内容。它是 grep 命令的扩展版本（egrep 的 'e' 代表 "extended"，即扩展的正则表达式）。
egrep 的基本语法如下：
egrep [选项] '模式' [文件路径]
注意：我们强烈建议始终用单引号
' '将你的正则表达式模式括起来。这可以防止 Shell（命令行解释器）错误地解析模式中的特殊字符（例如*,$,|等）。
准备示例数据
为了更好地进行后续的练习，请首先创建一个名为 mysampledata.txt 的文件，并将以下内容复制进去：
Fred apples 20
Susy oranges 5
Mark watermellons 12
Robert pears 4
Terry oranges 9
Lisa peaches 7
Susy oranges 12
Mark grapes 39
Anne mangoes 7
Greg pineapples 3
Oliver rockmellons 2
Betty limes 14
基本用法
egrep 的最基本功能是查找包含某个固定字符串的行。例如，我们想找到所有包含 "mellon" 字符串的行：
egrep 'mellon' mysampledata.txt
输出将会是：
Mark watermellons 12
Oliver rockmellons 2
egrep 默认会打印出匹配成功的整行内容。
常用选项
egrep 有许多实用的选项可以改变其行为：
-
-n: 显示匹配行的行号。
egrep -n 'mellon' mysampledata.txt
输出：
3:Mark watermellons 12 11:Oliver rockmellons 2
-
-c: 不显示匹配的行，只统计匹配到的总行数。
egrep -c 'mellon' mysampledata.txt
输出：
2
-
-v: 反向匹配，即打印出所有不包含模式的行。
正则表达式核心语法概览
正是这些特殊字符（元字符）赋予了正则表达式强大的能力。下面是入门阶段最常用的一些元字符：
| 符号 | 名称/说明 | 示例解释 |
|---|---|---|
. |
点 (dot) | 匹配任意单个字符（除了换行符）。 |
* |
星号 (asterisk) | 匹配前一个元素 0 次或多次。 |
+ |
加号 (plus) | 匹配前一个元素 1 次或多次。 |
? |
问号 (question mark) | 匹配前一个元素 0 次或 1 次。 |
{n} |
花括号 (curly braces) | 匹配前一个元素恰好 n 次。 |
{n,m} |
同上 | 匹配前一个元素至少 n 次，但不超过 m 次。{n,} 表示至少n次。 |
[abc] |
字符集 (character set) | 匹配方括号中任意一个字符。例如 [agd] 匹配 'a' 或 'g' 或 'd'。 |
[^abc] |
排除型字符集 | 匹配除了方括号中字符以外的任意一个字符。 |
[a-z] |
范围 (range) | 匹配指定范围内的任意一个字符。例如 [c-f] 匹配 'c','d','e','f'。 |
() |
分组 (grouping) | 将多个字符组合成一个单元，可以对这个单元使用量词（如 *, +）。 |
| | | 或 (OR) | 逻辑“或”操作。匹配 | 左边或右边的表达式。 |
^ |
行首锚定 (caret) | 匹配一行的开始位置。 |
$ |
行尾锚定 (dollar) | 匹配一行的结束位置。 |
实战演练
学习语法的最好方式就是通过实例。让我们用上面的示例文件来实践一下。
示例 1：查找包含连续两个或以上元音字母的行
这里，[aeiou] 定义了匹配的元素（任意一个元音字母），{2,} 这个量词表示前面的元素（即元音字母）需要连续出现至少 2 次。
egrep '[aeiou]{2,}' mysampledata.txt
输出：
Robert pears 4
Lisa peaches 7
Anne mangoes 7
Greg pineapples 3
示例 2：查找包含数字 "2" 且 "2" 后面还有其他字符的行
2 匹配字符 "2"，. 匹配任意单个字符，+ 表示前面的元素（.）必须出现 1 次或多次。所以 2.+ 的意思是“一个2，后面跟着至少一个任意字符”。
egrep '2.+' mysampledata.txt
输出：
Fred apples 20
示例 3：查找以数字 "2" 结尾的行
$ 是行尾锚定符，所以 2$ 的意思就是“一行的结尾必须是字符2”。
egrep '2$' mysampledata.txt
输出：
Mark watermellons 12
Susy oranges 12
Oliver rockmellons 2
示例 4：查找包含 "or" 或 "is" 或 "go" 的行
| 符号在这里起到了逻辑“或”的作用。
egrep 'or|is|go' mysampledata.txt
输出：
Susy oranges 5
Terry oranges 9
Lisa peaches 7
Susy oranges 12
Anne mangoes 7
示例 5：查找所有名字以 A 到 K 之间的大写字母开头的行
^ 是行首锚定符，[A-K] 是一个范围字符集，表示从 'A' 到 'K' 之间的任意一个大写字母。
egrep '^[A-K]' mysampledata.txt
输出：
Fred apples 20
Anne mangoes 7
Greg pineapples 3
Betty limes 14
学习与排错技巧
在学习过程中，模式写错是很常见的。如果结果不符合预期（比如匹配了所有行，或一行都没匹配），不要灰心。试试以下策略：
- 检查拼写和语法：最常见的问题就是打字错误。
- 分解模式：将复杂的正则表达式拆分成几个小部分，分别测试每一部分是否能按预期工作。
- 分析输出：即使输出不正确，它也能提供线索。看看它实际匹配到了什么，反思为什么会匹配到这些内容，这能帮你修正模式。
- 利用在线工具：像 Debuggex 或 Regex101 这样的在线工具可以让你实时测试正则表达式，并提供可视化的解释，对理解其工作原理非常有帮助。
总结
-
egrep
: 一个强大的命令行工具，用于筛选出符合特定模式的文本行。 -
正则表达式
: 一套用于定义搜索模式的强大语法，是处理文本数据的必备技能。
动手练习
现在轮到你了！
- 首先，确保你已经创建了
mysampledata.txt文件。 - 亲自尝试并修改上面“实战演练”中的所有例子，看看改变模式会如何影响结果。
- 查阅
egrep的手册页（在终端输入man egrep），尝试使用至少 2 个本教程未提及的命令行选项，例如-i（忽略大小写）或-w（匹配整个单词）。