Linux 正则表达式及三剑客（awk、grep、sed）

原文：https://blog.iyatt.com/?p=14465

1 前言

2024.4.8

昨天接了一个代写单子，要求用 Python 实现 sed 的部分功能。我用 Linux 也有几年了，基本的命令知道，但是几乎没有写涉及高级功能的 shell 脚本，所以对于正则表达式和三剑客的使用非常模糊。这次因为要模拟 sed 的功能，所以专门来过一下知识，但是因为我可能后续也很少用，慢慢会忘掉，所以写个记录，再次需要的时候查阅一下可以快速忆起。

2 环境

WSL2：Ubuntu 22.04.03

awk 5.1.0

grep 3.7

sed 4.8

3 正则表达式（Regual Expression）

3.1 基本正则表达式（Basic Regual Expression）

katex 复制代码

 $\begin{array}{|l|l|} \hline 符号 & 描述 \\ \hline \hat{} & 尖角号，用于模式的最左侧，如"\ \hat{}abc"，匹配以 abc 开头的行 \\ \hline \$ & 美元符，用于模式的最右侧，如"abc\$\ "，表示以 abc 结尾的行 \\ \hline \hat{}\ \$ & 组合符，表示空行 \\ \hline . & 匹配任意一个且只有一个字符，不能匹配空行 \\ \hline \backslash & 转义字符，让特殊含义的字符表示字符本身，比如\ \backslash.代表英文句点这个符号本身，而不是 RE 中的特殊含义 \\ \hline * & 匹配前一个字符0次或多次出现 \\ \hline .* & 组合符，匹配所有内容 \\ \hline \hat{}\ .* & 组合符，匹配任意多个字符开头的内容 \\ \hline .*\$ & 组合符，匹配以任意多个字符结尾的内容 \\ \hline [abc] & 匹配[]内的任意一个字符，也可以写作[a-c],表示a到c中的任意一个字符 \\ \hline [\ \hat{}\ abc] & \hat{}\ 表示取反，即除了 a 或 b 或 c 的字符 \\ \hline \end{array}$

3.2 扩展正则表达式（Extended Regual Expression）

katex 复制代码

 $\begin{array}{|l|l|} \hline 符号 & 描述 \\ \hline + & 匹配前面字段出现1次或多次 \\ \hline [ab]+ & 匹配 a 或 b 字符一次或多次 \\ \hline ? & 匹配前一个字符0次或1次 \\ \hline | & 或者，同时过滤多个 \\ \hline () & 分组过滤，被括起来的内容表示一个整体 \\ \hline a\{n,m\} & 匹配前一个字符最少n次，最多m次 \\ \hline a\{n,\} & 匹配前一个字符最少n次 \\ \hline a\{n\} & 匹配前一个字符正好n次 \\ \hline a\{,m\} & 匹配前一个字符最多m次 \\ \hline \end{array}$

4 三剑客

4.1 grep

Global search REgular expression and Print out the line，简称 GREP，文本搜索工具

katex 复制代码

 $\begin{array}{|l|l|} \hline 参数 & 描述 \\ \hline -v & 排除匹配结果 \\ \hline -n & 显示匹配行与行号 \\ \hline -i & 不区分大小写 \\ \hline -c & 只统计匹配的行数 \\ \hline -E & 使用扩展正则表达式，如果不用这个参数，也可以在正则表达式的符号前面加上反斜杠 \\ \hline --color=auto & 为 grep 过滤结果添加颜色 \\ \hline -w & 只匹配过滤的单词 \\ \hline -o & 只输出匹配的内容 \\ \hline \end{array}$

我这里的环境中默认已经加上了颜色参数

演示操作使用的 /etc/passwd 文件，复制出来并添加了一行空行

查找"/bin/bash"结尾的行

非 "/bin/bash" 结尾的行

匹配以 yx 开头的行

找出空行

显示除去空行的内容，方式一

方式二

查找一个三个字符的字段，其中第一个字符为b，第三个字符为s，第二个不指定，只要是个字符就行

查找一个以 n 开头，o 结尾的字段

匹配以 log 开头的字段

匹配以 stent 结尾的字段

匹配出现过英文逗号的行

匹配存在 E 或 N 的行

匹配存在数字的行

匹配存在大写字母或数字的行

匹配存在大写字母或9的行

匹配r开头的字段，且下一个字段要么是u要么不是u

查找 usr 或 uid 字段（分组）

匹配开头结尾都是 yx 的字段（分组引用），用斜杠加数字引用前面括号的内容

4.2 sed

stream editor，流编辑器，文本编辑工具（增删改查）

katex 复制代码

 $\begin{array}{|l|l|} \hline 选项 & 描述 \\ \hline -n & 取消默认 sed 输出，常与sed内置命令p一起使用 \\ \hline -i & 直接将结果写入文件，否则只是修改读取到内存中的数据 \\ \hline -e & 多次编辑，匹配多个规则，可以替代管道的使用 \\ \hline -r或-E & 支持扩展正则表达式，如果不使用参数，也可以在正则表达式的符号前面加上反斜杠 \\ \hline \end{array}$

katex 复制代码

 $\begin{array}{|l|l|} \hline 内置命令字符 & 描述 \\ \hline a & append，追加，在指定行后面添加一行或多行 \\ \hline d & delete，删除匹配行 \\ \hline i & insert，插入一行或多行 \\ \hline p & print，打印匹配行的内容 \\ \hline s/正则表达式/用于替换的内容/g & 内容替换，g 代表全局匹配（匹配到的行中全部替换，不加只替换行中的第一个）\\ \hline \end{array}$

katex 复制代码

 $\begin{array}{|l|l|} \hline 范围 & 描述 \\ \hline 空地址 & 全文处理 \\ \hline 单地址 & 指定某一行 \\ \hline /pattern/ & 被模式匹配到的每一行 \\ \hline 范围区间 & 10,20\ 表示10到20行，\ 10,+5\ 表示第10行向下5行 \\ \hline 步长 & 1\sim2\ 表示从1开始，然后每间隔2行，即包含后续3、5、7、9\cdots \\ \hline \end{array}$

打印显示第 2、3 行

加上 -n 参数就不会显示没有匹配到的内容

打印第2行并往下继续3行

打印含 yx 的行

删除含有 login 的行

因为匹配到的行被删除了，这个时候要查看的是没有被删除的部分，所以不加 -n 参数，就会显示没有被匹配到的

另外，因为没有使用 -i 参数，所以文件内容实际不会修改，只是打印出修改后的效果

删除第2行开始到结尾

匹配存在 www 字段的行

从第 10 行开始匹配 nologin，并替换为 @@@@@

把 nologin 替换为 @@@@@@，同时把 yx 替换为 ####（管道）

把 nologin 替换为 @@@@@@，同时把 yx 替换为 ####（参数多条件）

只替换行中出现的第一个 yx，不加 g 就只替换一个

在最后一行后面加入 hello

在第一行后追加 hello

在第一行的位置插入 hello

使用 \n 换行，在第一行位置插入两行

不指定行数，进行追加，对每一行都生效

获取本机 eth0 网卡 IPv4

首先筛选出结果的第三行，然后替换去除 "inet " 开头，再替换去除 "/数字 brd..." 即可得到纯 IPv4 字段

另外一种思路，也是类似，对第三行的首位替换消除，然后打印出修改的行

4.3 awk

格式化文本

katex 复制代码

 $\begin{array}{|l|l|} \hline 内置变量 & 描述 \\ \hline \$n & 指定分隔符后，当前记录的第n个字段(分割后的第n列) \\ \hline \$0 & 整行的所有字段（所有列） \\ \hline NF & Number\ of\ fields，分割后一行的字段数 \\ \hline FS & Field\ Separator，输入字段分隔符，默认是空格 \\ \hline OFS & Output\ Field\ Separator，输出字段分割符，默认为空格 \\ \hline NR & Number\ of\ records，当前记录数，行数 \\ \hline RS & Record\ Seporator，输入记录分割符（输入换行符），指定输入时的换行符 \\ \hline ORS & Output\ Record\ Seporator，输出记录分割符，输出时的换行符号 \\ \hline FNR & File\ Number\ of\ the\ current\ Record，各文件分别计数的行号 \\ \hline FILENAME & 当前文件名 \\ \hline ARGC & 命令行参数个数 \\ \hline ARGV & 存储命令行输入的参数的数组 \\ \hline \end{array}$

katex 复制代码

 $\begin{array}{|l|l|} \hline 参数 & 描述 \\ \hline -F & 指定分割符 \\ \hline -v & 定义或修改内部变量 \\ \hline -f & 从脚本文件读取 awk 命令 \\ \hline \end{array}$

katex 复制代码

 $\begin{array}{|l|l|} \hline 关系符 & 描述 \\ \hline \lt & 小于 \\ \hline \lt= & 小于等于 \\ \hline == & 等于 \\ \hline != & 不等于 \\ \hline \gt= & 大于等于 \\ \hline \gt & 大于 \\ \hline \sim & 匹配正则。如x\sim/正则/ \\ \hline !\sim & 不匹配正则。如x!\sim/正则/ \\ \hline \&\& & 逻辑与，条件同时满足 \\ \hline || & 逻辑或，满足任一条件 \\ \hline \end{array}$

利用一段下面格式的文本演示

1.0311 2.8507 0
1.5938 4.9406 1
3.9922 5.7892 0
5.4201 6.7340 0
3.5190 7.0261 1
6.0062 7.4266 0
4.9553 8.5189 1
10.8081 12.0134 0
10.9597 13.3958 0

打印文件每行内容

打印文件每行的第一列内容

打印文件每行的第三列内容

打印第第1列和第3列并指定输出分割符为" ** "

指定输出分割符为制表符

awk 默认识别的分割符为空格，这里演示一下手动指定分割符。

用sed把文件里的空格分割符替换为英文逗号再另存为新文件

用 -F 参数指定分割符，然后打印第1、3行

为 FS 变量赋值设置分割符

自定义输出第一列和第三列

打印第 5 行的内容

打印第 5 行第 1 列

打印第2到4行的第2列

输出并显示行号

输出2到6行，并添加行号

打印倒数第2行和倒数第一行

指定输入换行符为一个空格

遇到空格就换行

指定输出换行符为" ##\n"

文件处理前后

打印当前文件名，行号，行数据

打印出参数个数和参数内容

注意数组下标从 0 开始计数

传递参数内容研究

可以发现第一个是 awk 命令本身，后面就是传入的非 awk 命令选项的参数

自定义变量 var

引用 shell 变量

printf 格式化输出，和 C 语言的 printf 格式化符差不多。另外 print 会自动添加换行符，而 printf 不会。

可以用 %g 打印小数，尾部有 0 就会自动丢弃。而用 %f 打印小数则会显示6位小数。%d 匹配整数。

只打印第一行和第三行

行数大于 2，且第一列有 5 或 9 的行才打印

第一列没有 5 和 9 的行才打印

利用 awk 提取 eth0 网卡的 IPv4 地址

筛选出第 3 行第 2 列，但是这个字段由 IP/20 组成，再次指定分割符为 /，提取第一列即可得到纯 IP 字段

格式化输出 /etc/passwd 文件

%-25s 中 - 表示左对齐，25 表示字符串长度为 25，不足则填充空格

awk -F ':' 'BEGIN{printf "%-25s\t%-25s\t%-25s\t%-25s\t%-40s\t%-40s\t%-40s\n", "用户名", "密码", "UID", "GID", "用户注释", "家目录", "解释器"} {printf "%-25s\t%-25s\t%-25s\t%-25s\t%-40s\t%-40s\t%-40s\n", $1, $2, $3, $4, $5, $6, $7}' /etc/passwd

只打印 nologin 结尾的

awk -F ':' 'BEGIN{printf "%-25s\t%-25s\t%-25s\t%-25s\t%-40s\t%-40s\t%-40s\n", "用户名", "密码", "UID", "GID", "用户注释", "家目录", "解释器"}  /^.*nologin/ {printf "%-25s\t%-25s\t%-25s\t%-25s\t%-40s\t%-40s\t%-40s\n", $1, $2, $3, $4, $5, $6, $7}' /etc/passwd