《鸟哥的Linux私房菜基础篇》---7 正规表示法与文件格式化处理-CSDN博客

在Linux中，正规表示法（Regular Expression，简称正则表达式）是一种用于匹配、搜索和操作文本字符串的强大工具。它通过特定的符号和规则组合成模式（Pattern），实现对文本的高效处理。

1. 基本概念

作用：用于在文件中快速查找、替换或删除符合特定规则的字符串（如邮箱、IP地址等）。
与通配符的区别：
- 通配符（如*、?）用于匹配文件名（如ls *.txt），而正则表达式处理的是文件内的文本内容（如grep 'pattern' file.txt）。
- 例如：通配符*匹配任意字符，而正则表达式的*表示前一个字符重复0次或多次。

基础正则表达式（BRE）：
- 支持基本符号：^（行首）、$（行尾）、.（任意单字符）、*（重复前字符）、[]（字符集合）等。
- 示例：grep '^hello' file.txt 匹配以hello开头的行。
扩展正则表达式（ERE）：
- 在BRE基础上增加：+（1次或多次）、?（0或1次）、|（或）、()（分组）、{}（次数限定）等。
- 需使用grep -E或egrep：
```
grep -E 'go{2,5}d' file.txt  # 匹配`good`、`gooood`等
```

文本搜索：grep

grep -n --color 'error' /var/log/syslog  # 高亮显示错误日志行号

文本替换：sed

sed 's/old/new/g' file.txt  # 全局替换`old`为`new`

复杂文本处理：awk

awk '/pattern/{print $1}' file.txt  # 打印匹配行的第一列

正规表达式（正则表达式）和通配符（Wildcard）虽然都用于模式匹配，但它们在功能、语法和应用场景上有显著区别：

（1）功能范围

通配符：主要用于文件名匹配（如 ls *.txt），由 Shell 解释，语法简单，仅支持基础符号：

*：匹配任意数量字符（包括空字符）。
?：匹配单个任意字符。
[]：匹配括号内的单个字符（如 [a-z]）。
局限性：无法处理复杂逻辑（如重复次数、分组等）。

正则表达式：用于复杂文本处理（如日志分析、数据校验），支持更强大的模式匹配：

元字符：.（任意字符）、^（行首）、$（行尾）、\d（数字）等。
量词：*（零次或多次）、+（一次或多次）、{n,m}（重复次数）。
逻辑操作：|（或）、()（分组）、\1（回溯引用）等

（2）符号含义的差异

*****：
- 通配符：匹配任意字符序列（如 *.txt 匹配所有 .txt 文件）。
- 正则表达式：匹配前一个字符的零次或多次重复（如 a* 匹配 ""、a、aa 等）。
**?**：
- 通配符：匹配单个字符（如 file?.log 匹配 file1.log）。
- 正则表达式：匹配前一个字符的零次或一次（如 colou?r 匹配 color 或 colour）

（3）应用场景

通配符适用场景：
- 文件操作：rm *.tmp（删除临时文件）、cp /data/*.log ./backup/。
- 简单路径匹配：find /var -name "app_????.conf"。
正则表达式适用场景：
- 文本提取：grep "\d{3}-\d{4}" access.log（匹配电话号码）。
- 数据验证：邮箱格式 ^[\w-]+(\.[\w-]+)*@([\w-]+\.)+[a-zA-Z]{2,7}$。
- 编程处理：Python 的 re 模块、JavaScript 的字段校验等。