grep对文件内容搜索（附重要拓展-正则表达式）

文件搜索是搜索查找符合条件的某文件的目录，若要编辑文件或对文件的某配置进行修改，就需要对文件内容进行搜索。

grep 命令是 Linux 及类 Unix 操作系统中的一个强大的文本搜索工具，用于搜索一个或多个文件中匹配给定模式的行。grep 代表"Global Regular Expression Print"，意味着它使用正则表达式作为搜索模式，并且能够全局地在文件中查找匹配的文本。

拓展：正则表达式

正则表达式（Regular Expression，通常缩写为 regex、regexp 或 RE）是一种用于文本模式匹配的强大工具。它使用特定的字符序列来描述、匹配和操作字符串，可以用于搜索、替换、提取或验证文本数据中符合特定模式的字符串。普通字符表示它们自身，而特殊字符则具有特定的含义，用来表示字符类、数量限定符、位置或序列查找等功能。

正则表达式的核心在于其元字符（Metacharacter），这些字符具有特殊的含义，能够代表更广泛的字符集或模式。以下是一些常见的元字符：

• `.`：匹配任何单个字符（除了换行符）。
• `^`：表示行的开始。
• `$`：表示行的结束。
• `*`：匹配前一个字符零次或多次。
• `+`：匹配前一个字符一次或多次。
• `?`：匹配前一个字符零次或一次。
• `{m,n}`：匹配前一个字符至少 m 次，至多 n 次。
• ` `：字符集，匹配括号内的任何一个字符。
• `|`：表示"或"，匹配左边或右边的表达式。
• `()`：用于分组，改变优先级或捕获匹配的部分。

正则表达式还支持更多高级特性，如非捕获组、前瞻断言、后瞻断言等，这使得它能够处理更为复杂的匹配逻辑。

正则表达式在各种编程语言和工具中都有应用，如 Perl、Python、JavaScript、Java、.NET、Unix shell 工具（如 sed 和 grep）等。它们被广泛用于数据清洗、文本解析、表单验证、日志分析等各种场景中。

例如，下面是一个简单的正则表达式示例，用于匹配邮箱地址：

[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

在这个表达式中：

1. a-zA-Z0-9._%+-+：

• 这个部分匹配用户名。方括号 ` ` 定义了一个字符集，其中包含的字符都可以匹配。
• `a-z` 和 `A-Z` 匹配任何小写字母或大写字母。
• `0-9` 匹配任何数字。
• `._%+-` 匹配下划线、点号、百分号、加号和减号。
• `+` 在这里表示前面的字符集可以重复一次或多次。

2. @：

• 直接匹配 @ 符号，这是电子邮件地址中用户名和域名之间的分隔符。

3. a-zA-Z0-9.-+：

• 同样使用了字符集来匹配域名部分，与用户名部分相似，但是不包括 `%+-`，因为这些字符在域名中通常不会出现。
• 再次，`+` 表示这个字符集中的任意字符可以重复一次或多次。

4. \.：

• 点号（`.`）在正则表达式中有特殊含义，所以要匹配实际的点号，++需要使用反斜杠（`\`）来转义它。++

5. a-zA-Z{2,}：

• 最后一部分用于匹配顶级域名，如 ".com"、".org" 等。
• a-zA-Z表示任何字母。
• {2,} 表示这部分至少有2个字母，但实际上没有上限，尽管大多数顶级域名不会超过3或4个字母。

将这些部分组合起来，整个正则表达式可以匹配大多数常见的电子邮件地址格式，例如：

·`joha.den@example.com`

·`info@company.co.uk`

---

grep的基本语法：

grep [options] pattern [file]

• pattern 是你想要搜索的文本或正则表达式。
• file 是你要在其中搜索的文件名。如果没有指定文件，grep 会从标准输入中读取数据。

常用选项

• -i：忽略大小写。
• -v：反向搜索，即显示不匹配的行。
• -c：只显示匹配的行数，而不是显示行的内容。
• -n：显示匹配的行号。
• -r 或 -R：递归搜索，即搜索指定目录下的所有文件。

注意事项

• 使用正则表达式时，某些特殊字符需要被转义，例如点号（.）、星号（*）等。
• 如果 pattern 包含空格，需要用引号包裹起来。
• grep 支持多种模式，包括固定字符串、正则表达式等。

应用：

1.抓取已知文档的关键字

如上图，grep对某文件的关键字进行抓取，输出的是带有该关键字的行内容，所有包含该关键字的行都会被抓取出来。

2.单纯的知道行的内容不便于我们修改，如果我们想知道该元素在哪行该怎么办？

如上，即加入-n 即第137行。

验证（用前面学过的cat可以验证一下该元素在哪一行）

即cat -n H.txt

3.除此之外，还有一个选项是反向搜索-v，即不包括后面关键字的行。

这种搜索有什么用呢？

其中etc路径下存储配置文件，前面加的#代表注释，解释说明的作用，初期对文件不了解时可以借助注释简要了解，但是后期在对服务器运维的过程中，注释过多可能会导致占用内存过多，会影响我们修改文件，所以后期会去掉注释，这时我们就可以利用grep -v '#' /etc/services

其中注释分为以#开头的注释和中间有#的注释两部分，如下图。

上个命令会把所有带#的行都抓取出来，若只想把以#开头的注释提取出来，需要在'#'前加一个^

与之对应，符号表示以某关键字结尾，其中该关键字要放在前面，比如下图以s结尾

上文我们想去掉注释，但是上面的方法把#不在句首的行也去掉了，也就是说，有一部分的有用信息被去掉了。所以要去掉的是以#开头的行，

4. 之前说过，Linux系统是严格区分大小写的，如果不想区分大小写，需要加入选项-i，如

grep -i abc H.txt

5.组合使用，搜索当前目录及其子目录中所有 .txt 文件里包含 "s" 的行：