【运维进阶】Linux 正则表达式

拾心212025-08-21 11:37

Linux 正则表达式

  1. 定义：正则表达式是一种pattern（模式），用于与待搜索字符串匹配，以查找一个或多个目标字符串。

  2. 组成：自成体系，由两类字符构成

    • 普通字符：未被显式指定为元字符的所有可打印和不可打印字符，包括大小写字母、数字、标点符号及其他符号。

    • 元字符：除普通字符之外的字符。

  3. 应用范围：被多种工具（如 vim、grep、less 等）和编程语言（如 Perl、Python、C 等）所使用。

  4. 正则表达式分类：

    • 普通正则表达式
    • 扩展正则表示，支持更多的元字符。

环境准备

bash 复制代码 
[lth@controller ~ 18:31:13]$ vim words
cat
category
acat
concatenate
dog

字符集

[...]

匹配 [...] 中的任意一个字符。

bash 复制代码 
[lth@controller ~ 18:32:14]$ echo cbt >> words 
[lth@controller ~ 18:32:20]$ echo c1t >> words
[lth@controller ~ 18:32:24]$ cat words | grep 'c[ab]t'
cat
category
acat
concatenate
cbt
[a-z] [A-Z] [0-9]

这三个是正则表达式中常用的字符类（字符范围匹配），用于匹配指定范围内的单个字符：

  • [a-z]，匹配所有小写字母。

  • [A-Z]，匹配所有大写字母。

  • [0-9]，匹配所有数字。

  • 它们常结合量词使用，如 [0-9]+ 可匹配一个或多个连续数字。

    • [0-9]+ 是正则表达式中常用的组合模式，由两部分构成：

      • [0-9]：表示匹配任意单个数字（0-9 中的一个）
      • +：元字符，作为量词，表示 "匹配前面的元素一次或多次"

      结合起来，[0-9]+ 的含义是：匹配一个或多个连续的数字。

bash 复制代码 
[lth@controller ~ 18:33:00]$ cat words | grep 'c[a-z]t'
cat
category
acat
concatenate
cbt

[lth@controller ~ 18:33:06]$ echo cCt >> words 
[lth@controller ~ 18:33:10]$ cat words | grep 'c[A-Z]t'
cCt

[lth@controller ~ 18:33:13]$ cat words | grep 'c[0-9]t'
c1t

[lth@controller ~ 18:33:17]$ cat words | grep 'c[a-z0-9]t'
cat
category
acat
concatenate
cbt
c1t

[lth@controller ~ 18:33:21]$ cat words | grep 'c[a-zA-Z0-9]t'
cat
category
acat
concatenate
cbt
c1t
cCt

# 要想匹配-符号，将改符号写在第一个位置
[lth@controller ~ 18:33:26]$ echo c-t >> words 
[lth@controller ~ 18:33:30]$ cat words | grep 'c[-a-zA-Z0-9]t'
cat
category
acat
concatenate
cbt
c1t
cCt
c-t
[^...]

否定字符类，匹配除 [...] 中包含的所有字符以外的任意单个字符。

  • 例：c[^ab]t 匹配 "c" 开头、"t" 结尾，且中间不是 "a" 或 "b" 的字符串（如匹配 "c1t"）
  • 注意：^ 仅在字符类开头时表示否定，若在中间则视为普通字符（如 c[a^b]t 会匹配 "cat" 或 "cbt" 等）
bash 复制代码 
[lth@controller ~ 18:45:01]$ cat words | grep 'c[^ab]t'
c1t

# ^放中间会被当做普通字符
[lth@controller ~ 18:45:08]$ cat words | grep 'c[a^b]t'
cat
category
acat
concatenate
cbt
.

匹配除换行符（\n、\r）之外的任意单个字符，相等于\[^\n\r]。

  • 例：c.t 可匹配 "cat"、"cbt"、"c1t"、"c-t" 等（只要中间是单个非换行字符）
bash 复制代码 
[lth@controller ~ 18:45:35]$ cat words | grep 'c.t'
cat
category
acat
concatenate
cbt
c1t
cCt
c-t
\

将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。

  • 例， 'n' 匹配字符 'n'。\n 匹配换行符。序列 \\ 匹配 \，而 \( 则匹配 (。

  • 例：c\.t 专门匹配 "c.t"（将 . 转义为普通点号）

  • 注意：对普通字符（如 a）加 \ 虽可能匹配，但不建议这样使用

bash 复制代码 
[lth@controller ~ 18:45:55]$ echo c.t >> words 
[lth@controller ~ 18:46:10]$ cat words | grep 'c\.t'
c.t

# 匹配普通字符，虽然可以匹配，但强烈建议不要在前面加\
[lth@controller ~ 18:46:14]$ cat words | grep 'c\at'
cat
category
acat
concatenate
|

| 符号是扩展正则中的 "或" 操作符，用于匹配两项中的任意一项。要匹配 |，请使用 \|。

  • 需配合 egrep 或 grep -E 使用
  • 例：cat|dog 可同时匹配包含 "cat" 或 "dog" 的字符串
bash 复制代码 
# 使用egrep或者grep -E 匹配
[lth@controller ~ 18:48:36]$ cat words | egrep 'cat|dog'
cat
category
acat
concatenate
dog
# 或者
[lth@controller ~ 18:48:41]$ cat words | grep -E 'cat|dog'
cat
category
acat
concatenate
dog

非打印字符

在正则表达式中，非打印字符指的是那些不在屏幕上直接显示的字符（如换行符、制表符等）。它们在文本处理中非常重要，常需要通过特殊转义序列来匹配。以下是常见的非打印字符及其正则表示：

字符 描述
\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。
\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]。注意 Unicode 正则表达式会匹配全角空格符。
\S 匹配任何非空白字符 。等价于 [^ \f\n\r\t\v]。
\w 匹配字母、数字、下划线。等价于 [A-Za-z0-9_]
\W 匹配任何非单词字符。等价于[^A-Za-z0-9_]
\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。

grep 命令支持\w、\W、\s、\S。

定位符

^

匹配行首位置。

bash 复制代码 
[lth@controller ~ 18:51:15]$ cat words | grep '^cat'
cat
category
$

匹配行末位置。

  • 作用：限定匹配内容必须出现在行的结尾

  • 示例 1：

    bash 复制代码 
    # 查找以 "cat" 结尾的行，匹配到 "cat"（整行都是 cat）和 "acat"（行尾是 cat）
[lth@controller ~ 18:54:57]$ cat words | grep 'cat$'
cat
acat

  • 示例 2：

    bash 复制代码 
    # `^`匹配行首，`$`匹配行尾，组合起来只匹配整行内容恰好是 "cat"的行。
[lth@controller ~ 18:55:10]$ cat words | grep '^cat$'
cat
\b

匹配一个单词边界。

  • 作用：匹配单词与非单词字符之间的位置（如字母与空格、标点、行首 / 行尾的交界处）

  • 示例 1：

    bash 复制代码 
    # `\bcat`匹配以 "cat" 开头的单词，包括：
# - 单独的 "cat"（行首单词）
# - "category"（以 cat 开头的长单词）
# - "hello cat"（空格后的 cat 单词）
[lth@controller ~ 18:58:09]$ cat words | grep '\bcat'
cat
category
hello cat

  • 示例 2：

    bash 复制代码 
    # `cat\b`匹配以 "cat" 结尾的单词，包括：
# - 单独的 "cat"（行尾单词）
# - "acat"（以 cat 结尾的单词）
# - "hello cat"（空格后的 cat 单词）
[lth@controller ~ 18:58:11]$ cat words | grep 'cat\b'
cat
acat
hello cat

  • 示例 3：

    bash 复制代码 
    # `\bcat\b`只匹配独立的 "cat" 单词（前后都是单词边界），不匹配包含 cat 的长单词（如 category、acat）
[lth@controller ~ 18:58:19]$ cat words | grep '\bcat\b'
cat
hello cat
\B

非单词边界匹配。

  • 作用：匹配不在单词边界的位置（即字符之间是连续的单词字符，如字母与字母之间）

  • 示例：

    bash 复制代码 
    # '\Bcat'匹配 "cat" 前面不是单词边界的情况，即 "cat" 前面是其他字母：
# - "acat" 中 "cat" 前面是 "a"（非边界）
# - "concatenate" 中包含 "cat" 且前面是其他字母
[lth@controller ~ 19:03:48]$ cat words | grep '\Bcat'
acat
concatenate
\< 和 \>

  • 作用：\<匹配单词左边界（等同于\b），\>匹配单词右边界（等同于\b），是部分工具（如 grep）支持的扩展表示

  • 示例 1：

    bash 复制代码 
    # `\<cat`与`\bcat`效果相同，匹配以 "cat" 开头的单词
[lth@controller ~ 19:05:57]$ cat words | grep '\<cat'
cat
category
hello cat

  • 示例 2：

    bash 复制代码 
    # `cat\>`与`cat\b`效果相同，匹配以 "cat" 结尾的单词
[lth@controller ~ 19:06:41]$ cat words | grep 'cat\>'
cat
acat
hello cat

限定次数

*

匹配前面的子表达式任意次数。

  • 作用：允许前面的元素出现 0 次、1 次或多次

  • 示例：

    bash 复制代码 
    # do*g 中 o* 表示 "o 可以出现任意次"，所以包含 0 个 o（dg）、1 个 o（dog）、2 个 o（doog）的字符串都能匹配。
[lth@controller ~ 19:09:39]$ echo dg >> words 
[lth@controller ~ 19:09:42]$ echo doog >> words 
[lth@controller ~ 19:09:47]$ cat words | grep 'do*g'
dog    # 匹配：d + o（1次） + g
dg     # 匹配：d + o（0次） + g
doog   # 匹配：d + o（2次） + g
+

+ 是扩展表达式元字符，匹配前面的子表达式一次以上次数 。（扩展表达式，需用egrep或grep -E）

  • 作用：要求前面的元素至少出现 1 次

  • 示例：

    bash 复制代码 
    # do+g 中 o+ 表示 "o 至少出现 1 次"，所以排除了不含 o 的dg。
[lth@controller ~ 19:11:40]$ cat words | egrep 'do+g'
dog    # 匹配：o出现1次
doog   # 匹配：o出现2次
?

? 是扩展表达式元字符，匹配前面的子表达式一次以下次数。

  • 作用：允许前面的元素最多出现 1 次

  • 示例：

    bash 复制代码 
    # do?g 中 o? 表示 "o 最多出现 1 次"，所以排除了 o 出现 2 次的doog。
[lth@controller ~ 19:11:57]$ cat words | egrep 'do?g'
dog    # 匹配：o出现1次
dg     # 匹配：o出现0次
{n}

{} 是扩展表达式元字符，用于匹配特定次数。例如：{n}，配置n次。

  • 作用：精确指定前面元素的出现次数

  • 示例：

    bash 复制代码 
    # do{2}g 表示 "o 必须出现且仅出现 2 次"，所以只匹配doog。
[lth@controller ~ 19:12:40]$ cat words | egrep 'do{2}g'
doog   # 匹配：o恰好出现2次
{m,n}

{m,n}，是扩展表达式元字符，用于匹配次数介于m-n之间。

  • 作用：限定前面元素出现次数的范围（包含 m 和 n）

  • 示例：

    bash 复制代码 
    # do{2,3}g 表示 "o 出现 2 次或 3 次"，所以排除了 o 出现 4 次的doooog。
[lth@controller ~ 19:14:29]$ echo dooog >> words  # o出现3次
[lth@controller ~ 19:14:31]$ echo doooog >> words # o出现4次
[lth@controller ~ 19:14:35]$ cat words | egrep 'do{2,3}g'
doog    # o出现2次（在2-3范围内）
dooog   # o出现3次（在2-3范围内）
{m,}

{m,}，是扩展表达式元字符，匹配前面的子表达式m次以上次数。

  • 作用：前面的元素出现次数不小于 m

  • 示例：

    bash 复制代码 
    # do{2,}g 表示 "o 至少出现 2 次"，所以包含 2 次、3 次、4 次 o 的字符串都匹配。
[lth@controller ~ 19:17:34]$ cat words | egrep 'do{2,}g'
doog     # o出现2次
dooog    # o出现3次
doooog   # o出现4次
{,n}

{,n}，是扩展表达式元字符，匹配前面的子表达式n次以下次数。

  • 作用：前面的元素出现次数不大于 n

  • 示例：

    bash 复制代码 
    # do{,3}g 表示 "o 最多出现 3 次"，所以排除了 o 出现 4 次的doooog。
[lth@controller ~ 19:18:17]$ cat words | egrep 'do{,3}g'
dog      # o出现1次
doog     # o出现2次
dg       # o出现0次
dooog    # o出现3次
()

标记一个子表达式。

  • 作用：将多个字符视为一个整体，配合限定符使用

  • 示例：

    bash 复制代码 
    [lth@controller ~ 19:19:33]$ echo dogdog >> words       # "dog"出现2次
[lth@controller ~ 19:19:35]$ echo dogdogdog >> words    # "dog"出现3次
[lth@controller ~ 19:19:41]$ echo dogdogdogdog >> words # "dog"出现4次

# 匹配"dog"出现2-3次的字符串
# (dog){2,3} 中，(dog) 将 "dog" 视为一个整体，{2,3} 限定这个整体出现 2-3 次，因此匹配包含 2 个或 3 个连续 "dog" 的字符串。
[lth@controller ~ 19:19:47]$ cat words | egrep '(dog){2,3}'
dogdog
dogdogdog
dogdogdogdog  # 包含"dog"3次的部分（前3个"dog"）

# 匹配"dog"出现至少2次的字符串
[lth@controller ~ 19:19:56]$ cat words | egrep '(dog){2,}'
dogdog
dogdogdog
dogdogdogdog

这些限定符用于精确控制字符或子表达式的出现次数，是正则表达式中实现灵活匹配的核心功能，其中+、?、{}、()属于扩展正则，需用egrep或grep -E才能生效。

反向引用

反向引用是正则表达式中通过圆括号()捕获子匹配（存储到临时缓冲区），再用\N（N为 1-99 的数字，代表缓冲区编号）引用已捕获内容的机制。捕获的子匹配按从左到右顺序存储，\N用于重复调用对应缓冲区的内容，实现对重复模式的匹配。

示例 1：引用首个捕获组

bash 复制代码 
[lth@controller ~ 19:28:13]$ echo 'laoma laoniu laohu laoma laoniu laohu' | \
> egrep -o '(laoma) (laoniu).*\1'
# 过滤结果如下
laoma laoniu laohu laoma
  • 解析：
    • (laoma) 是第 1 个捕获组，匹配字符串laoma并存储到缓冲区 1；
    • (laoniu) 是第 2 个捕获组，匹配laoniu；
    • .* 匹配任意字符（除换行符）；
    • \1 引用第 1 个捕获组的内容（即laoma）；
    • 整体匹配 "laoma laoniu + 任意字符 + 再次出现laoma" 的部分，最终提取出符合该模式的字符串。

示例 2：匹配连续重复的单词

bash 复制代码 
[lth@controller ~ 19:28:29]$ echo 'Is is the cost of of gasoline going up up?' | \
> egrep -o '\b([a-z]+) \1\b' 
# 过滤结果如下
of of
up up
  • 解析：
    • \b 是单词边界，确保匹配完整单词；
    • ([a-z]+) 是第 1 个捕获组，匹配小写字母组成的单词；
    • \1 引用该单词，因此([a-z]+) \1表示 "一个单词 + 空格 + 相同单词"；
    • 整体匹配连续重复的单词（如of of、up up）。

示例 3：匹配重复 2 次及以上的单词

bash 复制代码 
[root@controller ~ 19:30:27]#  echo 'Is is the cost of of of gasoline going up up?' | egrep -o '(\b[a-z]+\b\s+)\1{1,}'
# 过滤结果如下
of of of
  • 解析：
    • (\b[a-z]+\b\s+) 是第 1 个捕获组，匹配 "一个单词 + 空格"（\s+表示至少一个空格）；
    • \1{1,} 表示引用该捕获组内容 1 次及以上，即 "(单词 + 空格) 重复 1 次以上"；
    • 整体匹配同一单词连续出现 2 次及以上的情况（如of of of是 "of + 空格" 重复 2 次）。

示例 4：匹配重复但中间空格不固定的单词

bash 复制代码 
[root@controller ~ 19:30:49]#  echo 'Is is the cost of  of of gasoline going up up?' | egrep -o '(\b[a-z]+\b\s+)\1{1,}'
# 过滤结果如下
of of
  • 解析：
    • 与示例 3 逻辑相同，但原字符串中of of（两个空格）和of of（一个空格）分别被捕获；
    • 由于捕获组中\s+允许任意多个空格，因此of of（"of + 两个空格" 重复 1 次）符合模式，被提取为of of（输出时保留原始空格）。
相关推荐
FJW02081420 分钟前
DevOps——CI/CD持续集成与持续交付/部署的理解与部署
运维·ci/cd·devops
Java 码农1 小时前
Linux shell sed 命令基础
linux·运维·服务器
yong15858553431 小时前
1. Linux C++ muduo 库学习——库的编译安装
linux·c++·学习
fyakm1 小时前
Linux网络接口配置：静态IP与动态IP设置（附代码示例）
linux·运维·tcp/ip
怀旧,1 小时前
【Linux系统编程】5. 基础开发⼯具（下）
linux·运维·服务器
喵叔哟1 小时前
10. 从0到上线：.NET 8 + ML.NET LTR 智能类目匹配实战--Web API 接口与前端集成：部署与生产运维：稳定性、可观测与成本
运维
杰克崔1 小时前
内核里常用宏BUG_ON/WARN_ON/WARN_ONCE
linux·运维·服务器
一枚正在学习的小白2 小时前
k8s的包管理工具helm3--流程控制语句和变量（3）
linux·运维·服务器·云原生·kubernetes
Nimsolax2 小时前
Linux网络传输层协议UDP
linux·网络·udp
维尔切2 小时前
Kafka 概述与安装部署整理
运维·分布式·kafka
热门推荐
01GitHub 镜像站点02UV安装并设置国内源03BongoCat - 跨平台键盘猫动画工具04《大数据技术原理与应用》实验报告三 熟悉HBase常用操作05Linux下V2Ray安装配置指南06GitLab 零基础入门指南：从安装到项目管理全流程07NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南08jdk21下载、安装（Windows、Linux、macOS）09安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）10在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）