来自 金沙澳门官网网址 2019-11-28 17:35 的文章
当前位置: 金沙澳门官网网址 > 金沙澳门官网网址 > 正文

Shell编程

Shell历史

  • Shell的作用是解释用户的命令,用户输入一条命令,Shell就解释执行一条,这条方式称为交互式(interactive),Shell还有一种执行命令的方式称为批处理(batch),用户事先写一个Shell脚本(script),其中有很多条命令,让Shell一次把这些命令执行完,而不必一条条地敲命令。Shell脚本和编程语言相似,也有变量和流程控制语句,但Shell脚本是解释执行的,不需要编译,Shell程序从脚本中一行一行读取并执行这些命令,相当于一个用户把脚本中的命令一行一行敲到Shell提示符下执行。
  • 由于历史原因,UNIX系统上有很多种Shell:

    • 1、sh(Bourne Shell):由Steve Bourne开发,各种UNIX系统都配有sh。
    • 2、csh(C Shell):由Bill Joy开发,随BSD UNIX发布,它的流程控制语句很象C语言,支持很多Bourne Shell把不支持的功能:作业控制,命令历史,命令行编辑。
    • 3、ksh(Korn Shell):由David Korn开发,向后兼容sh的功能,并且添加了csh引入的新功能,是目前很多UNIX系统标准配置的Shell,在这些系统上/bin/sh往往是指向/bin/ksh的符号链接。
    • 4、tcsh(TENEX C Shell):是csh的增强版本,引入了命令补全等功能,在FreeBSD、MacOS X等系统上替代了csh。
    • 5、bash(Bourne Again Shell):由GNU开发的Shell,主要目标是与POSIX标准保持一致,同时兼顾对sh的兼容,bash从csh和ksh借鉴了很多功能,是各种Linux发行版标准配置的Shell,在Linux系统上/bin/sh往往是指向/bin/bash和符号链接。虽然如此,bash和sh还是有很多不同的,一方面,bash扩展了一些命令和参数,另一方面,bash并不完全和sh兼容,有些行为并不一致,所以bash需要模拟sh的行为:当我们通过sh这个程序名启动bash时,bash可以假装自己是sh,不认扩展的命令,并且行为与sh保持一致。

        $ cat /etc/passwd
        root:x:0:0:root:/root:/bin/zsh
        daemon:x:1:1:daemon:/usr/sbin:/usr/sbin/nologin
        bin:x:2:2:bin:/bin:/usr/sbin/nologin
        sys:x:3:3:sys:/dev:/usr/sbin/nologin
        sync:x:4:65534:sync:/bin:/bin/sync
      
  • 用户在命令行输入命令后,一般情况下Shell会fork并exec该命令,但是Shell的内建命令例外,执行内建命令相当于调用Shell进程中的一个函数,并不创建新的进程。以前学过的cd、alias、umask、exit等命令即是内建命令,凡是用which命令查不到程序文件所在位置的命令都是内建命令,内建命令没有单独的man手册,要在man手册中查看内建命令,应该执行

      $ man bash-builtins
    
  • 如export、shift、if、eval、[、for、while等等。内建命令虽然不创建新的进程,但也会有Exit Status,通常也用0表示成功非零表示失败,虽然内建命令不创建新的进程,但执行结束后也会有一个状态码,也可以用特殊变量$?读出。

执行脚本

  • 编写一个简单的脚本test.sh:

      #! /bin/sh
      cd ..
      ls
    
  • Shell脚本中用#表示注释,相当于C语言的//注释。但如果#位于第一行开头,并且是#!(称为Shebang)则例外,它表示该脚本使用后面指定的解释器/bin/sh解释执行。如果把这个脚本文件加上可执行权限然后执行:

      $ chmod a+x test.sh
      $ ./test.sh
    
  • Shell会fork一个子进程并调用exec执行./test.sh这个程序,exec系统调用应该把子进程的代码段替换成./test.sh程序的代码段,并从它的_start开始执行。然而test.sh是个文本文件,根本没有代码段和_start函数,怎么办呢?其实exec还有另外一种机制,如果要执行的是一个文本文件,并且第一行用Shebang指定了解释器,则用解释程序的代码段替换当前进程,并且从解释器的_start开始执行,而这个文本文件被当作命令行参数传给解释器。因此,执行上述脚本相当于执行程序

      $ /bin/sh ./test.sh
    
  • 以这种方式执行不需要test.sh文件可执行权限。

  • 如果将命令行下输入的命令用()括号括起来,那么也会fork出一个子Shell执行小括号中的命令,一行中可以输入由分号;隔开的多个 命令,比如:

      $ (cd ..; ls -l)
    
  • 和上面两种方法执行Shell脚本的效果是相同的,cd ..命令改变的是子Shell的PWD,而不影响到交互式Shell。

      $ cd ..; ls -l
    
  • 则不同的效果,cd ..命令是直接在交互式Shell下执行的,改变交互式Shell的PWD,然而这种方式相当于这样执行Shell脚本:

      $ source ./test.sh
      或者
      $ . ./test.sh
    
  • source或者.命令是Shell的内建命令,这种方式也不会创建子Shell,而是直接在交互式Shell下逐行执行脚本中的命令。

基本语法

变量

  • 按照惯例,Shell变量通常由字母加下划线开头,由任意长度的字母、数字、下划线组成。有两种类型的Shell变量:
    • 1、环境变量
      • 环境变量可以从父进程传给子进程,因些Shell进程的环境变量可以从当前Shell进程传给fork出来的子进程。用printenv命令可以显示当前Shell的环境变量。
    • 2、本地变量
      • 只存在于当前Shell进程,用set命令可以显示当前Shell进程中定义的所有变量(包括本地变量和环境变量)和函数。
  • 环境变量是任何进程都有的概念,而本地变量是Shell特有的概念。在Shell中,环境变量和本地变量的定义和用法相似。在Shell中定义或赋值一个变量:

      $ VARNAME=value
    
  • 注意等号两边都不能有空格,否则会被Shell解释成命令行参数。

  • 一个变量定义后仅存在于当前Shell进程,它是本地变量,用export命令可以把本地变量导出为环境变量,定义和导出环境变量通常可以一步完成:

      $ export VARNAME=value
    
  • 也可以分两步完成:

      $ VARNAME=value
      $ export VARNAME
    
  • 用unset命令可以删除已定义的环境变量或本地变量。

      $ unset VARNAME
    
  • 如果一个变量叫做VARNAME,用'VARNAME'可以表示它的值,在不引起歧义的情况下也可以用VARNAME表示它的值。通过以下的例子比较这两种表示法的不同:

      $ echo $SHELL
    
  • 注意,在定义变量时不用"'",取变量值时要用。和C语言不同的是,Shell变量不需要明确定义类型,事实上Shell变量的值都是字符串,比如我们定义VAR=45,其实VAR的值是字符串45而非整数。Shell变量不需要先定义后使用,如果一个没有定义的变量取值,则值为空字符串。

文件名代换(Globbing)

  • 这些用于匹配的字符称为通配符(Wildcard),如:*?[],具体如下:

    • *匹配0个或多个任意字符
    • ?匹配一个任意字符
    • [若干字符]匹配方括号中任意一个字符的一次出现

        $ ls /dev/ttyS*
        $ ls ch0?.doc
        $ ls ch0[0-2].doc
        $ ls ch[012][0-9].doc
      
    • 注意,Globbing所匹配的文件名是由Shell展开的,也就是说在参数还没传给程序之前已经展开了,比如上述ls ch0[012].doc命令,如果当前目录下有ch00.doc和ch02.doc,则传给ls命令的参数实际上是这两个文件名,而不是一个匹配字符串。

命令代换

  • 由“`”反引号括起来的也是一条命令,Shell先执行该命令,然后将输出结果立刻代换到当前命令行中。例如定义一个变量存放date命令的输出:

      $ DATE=`date`
      $ echo $DATE
    
  • 命令代换也可以用$()表示:

      $ DATE=$(date)
    

算术代换

  • 使用$(()),用于算术计算,(())中的Shell变量取值将转换成整数,同样含义的$[]等价,例如:

      $ VAR=45
      $ echo $(($VAR+3))   等价于 echo $[VAR+3]或$[$VAR+3]
    
  • $(())中只能用+-*/和()运算符,并且只能做整数运算。

  • $[base#n],其中base表示进制,n按照base进制解释,后面再运算数,按十进制解释。

      $ echo $[2#10+11]
      $ echo $[8#10+11]
      $ echo $[16#10+11]
    

转义字符

  • 和C语言类似,在Shell中被用作转义字符,用于去除紧跟其后的单个字符的特殊意义(回车除外),换句话说,紧跟其后的字符取字面值。例如:

      $ echo $SHELL
      /bin/bash
      $ echo $SHELL
      $SHELL
      $ echo \
      
    
  • 比如创建一个文件名为"$ $"的文件($间含有空格),可以这样:

      $ touch $ $
    
  • 还有一个字符虽然不具有特殊含义,但是要用它做文件名也很麻烦,就是-号。如果要创建一个文件名以-号开头的文件,这样是不正确的:

      $ touch -hello
      touch:无效选项 -- e
      Try 'touch --help' for more information.
    
  • 即使加上转义也还是报错:

      $ touch -hello
      touch:无效选项 -- e
      Try 'touch --help' for more information.
    
  • 因为各种UNIX命令都把-号开关的命令行参数当作命令的选项,而不会当作文件名。,如果非要处理以-号开头的文件名,可能有两种方法:

      $ touch ./-hello
      或者
      $ touch -- -hello
    

单引号

  • 和C语言同,Shell脚本中的单引号和双引号一样是字符串的界定符(双引号下一节介绍),而不是字符的界定符。单引号用于保持引号内所有字符的字面值,即使引号内的和回车也不例外,但是字符串中不能出现单引号。如果引号没有配对就输入回车,Shell会给出续行提示符,要求用户把引号配上对。例如:

      $ echo '$SHELL'
      $SHELL
      $ echo 'ABC(回车)
      > DE'(再按一次回车结束命令)
      ABC
      DE
    

双引号

  • 被双引号用括住的内容,将被视为单一的字串。它防止通配符扩展,但允许变量扩展。这点与单引号的处理方式不同

      $ DATE=$(date)
      $ echo "$DATE"
      $ echo '$DATE'
    
  • 再比如:

      $ VAR=200
      $ echo $VAR
      200
      $ echo '$VAR'
      $VAR
      $ echo "$VAR"
      200
    

Shell脚本语法

条件测试

  • 命令test或[可以测试一个条件是否成立,如果测试结果为真,则该命令的Exit Status为0,如果测试结果为假,则命令的Exit Status为1(注意与C语言的逻辑表示正好相反)。例如测试两个数的大小关系:

      $ var=2
      $ test $var -gt 1
      $ echo $?
      0
      $ test $var -gt 3
      $ echo $?
      1
    
  • 虽然看起来很奇怪,但左方括号[确实是一个命令的名字,传给命令的各参数之间应该用空格隔开,比如:$VAR、-gt、3、]和[命令的四个参数,它们之间必须用空格隔开。命令test或[的参数形式是相同的,只不过test命令不需要]参数。以[命令为例,常见的测试命令如下表所示:

      [ -d DIR ]                 如果DIR存在并且是一个目录则为真
      [ -f FILE ]                如果FILE存在且是一个普通文件则为真
      [ -z STRING ]              如果STRING的长度为零则为真
      [ -n STRING ]              如果STRING的长度非零则为真
      [ STRING1 = STRING2 ]      如果两个字符串相同则为真
      [ STRING1 != STRING2 ]     如果两个字符串不相同则为真
      [ ARG1 OP ARG2 ]           ARG1和ARG2应该是整数或者取值为整数的变量,
                                 OP的值有:
                                      -eq     等于
                                      -ne     不等于
                                      -lt     小于
                                      -le     小于等于
                                      -gt     大于
                                      -ge     大于等于
    
  • 和C语言类似,测试条件之间还可以做与、或、非逻辑运算:

      [ ! EXPR ]           EXPR可以是上表中的任意一种测试条件, !表示"逻辑反(非)"
      [EXPR1 -a EXPR2 ]    EXPR1和EXPR2可以是上表中的任意一种测试条件,-a表示“逻辑与”
      [EXPR1 -o EXPR2 ]    EXPR1和EXPR2可以是上表中的任意一种测试条件,-o表示“逻辑或”
    
  • 例如:

      $ VAR=abc
      $ [ -d Desktop -a $VAR = 'abc' ]
      $ echo $?
      0
    
  • 注意,如果上例中的$VAR变量事先没有定义,则被Shell展开为空字符串,会造成测试条件的语法错误(展开为[ -d Desktop -a = 'abc']),作为一种好的Shell编程习惯,应该总是把变量取值放在双引号之中(展开为[ -d Desktop -a "" = 'abc'])

      $ unset VAR
      $ [ -d Desktop -a $VAR = 'abc' ]
      -bash: [: 参数太多
      $ [ -d Desktop -a "$VAR" = 'abc' ]
      $ echo $?
      1
    

分支

  • if/then/elif/else/fi

    • 和C语言类似,在Shell中用if、then、elif、else、fi这几条命令实现分支控制。这种流程控制语句本质上也是由若干条Shell命令组成的,例如先前讲过的

        if [ -f ~/.bashrc ]; then
            . ~/.bashrc
        fi
      
    • 其实是三条命令,if [ -f ~/.bashrc ]是第一条,then . ~/.bashrc是第二条,fi是第三条。如果两条命令写在同一行则需要用;号隔开,一行只写一条命令就不需要写;号了,另外,then后面有换行,但这条命令没写完,Shell会自动续行,把下一行接在then后面当作一条命令处理。和[命令一样,要注意命令和各参数之间必须用空格隔开。if命令的参数组成一条子命令,如果该子命令的Exit Status为0(表示真),则执行then后面的子命令上,如果Exit Status非0(表示假),则执行elif、else或者fi后面的子命令。if后面的子命令通常是测试命令,但也可以是其它命令。Shell脚本没有{}括号,所以用fi表示if语句的结束。见下例:

        #! /bin/sh
      
        if [ -f /bin/bash ]
        then
            echo "/bin/bash is a file"
        else
            echo "/bin/bash is NOT a file"
        fi
        if :; then echo "always true"; fi
      
    • ":"是一个特殊的命令,称为空命令,该命令不做任何事,但Exit Status总是真。此外,也可以执行/bin/true或/bin/false得到真或假的Exit Status。再看一个例子:

        #! /bin/sh
      
        echo "Is it morning? Please answer yes or no."
        read YES_OR_NO
        if [ "$YES_OR_NO" = "yes" ]; then
            echo "Good morning!"
        elif [ "$YES_OR_NO" = "no" ]; then
            echo "Good afternoon!"
        else
            echo "Sorry, $YES_OR_NO not recognized. Enter yes or no."
            exit 1
        fi
        exit 0
      
    • 上例中的read命令的作用是等等用户输入一行字符串,将该字符串存到一个Shell变量中。

    • 此外,Shell还提供了&&和||语法,和C语言类似,具有Short-circuit特性,很多Shell脚本喜欢写成这样:

        test "$(whoami)" != 'root' && (echo you are using a non-privileged account; exit 1)
      
    • &&相当于“if...then...”,而||相当于“if not...then...”。&&和||用于连接两个命令,而上面讲的-a和-o仅用于在测试表达式中连接两个测试条件,要注意它们的区别,例如:

        test "$VAR" -gt 1 -a "$VAR" -lt 3
      
    • 和以下写法是等价的

        test "$VAR" -gt 1 && test "$VAR" -lt 3
      
  • case/esac

    • case命令可类比C语言的switch/case语句,esac表示case语句块的结束。C语言的case只能匹配整形或字符型常量表达式,而Shell脚本的case可以匹配字符串和Wildcard,每个匹配分支可以有若干条命令,末尾必须以;;结束,执行时找到第一个匹配的分支并执行相应的命令,然后直接跳到esac之后,不需要像C语言一样用break跳出。

        #! /bin/sh
      
        echo "Is it morning? Please answer yes or no."
        read YES_OR_NO
        case "$YES_OR_NO" in
        yes|y|Yes|YES)
            echo "Good Morning!";;
        [nN]*)
            echo "Good Afternoon!";;
        *)
            echo "Sorry, $YES_OR_NO not recognized. Enter yes or no."
            exit 1;;
        esac
        exit 0
      
    • 使用case语句的例子可以在系统服务的脚本目录/etc/init.d中找到。这个目录下的脚本大多具有这种形式(以/etc/init.d/nfs-kernel-server为例):

        case "$1" in 
            start)
                ...
            ;;
            stop)
                ...
            ;;
            status)
                ...
            ;;
            reload | force-reload)
                ...
            ;;
            restart)
                ...
            ;;
            *)
                log_sucess_msg "Usage: nfs-kernel-server {start|stop|status|reload|force-reload|restart}"
                exit 1
            ;;
        esac
      
    • 启动nfs-kernel-server服务的命令是

        $ sudo /etc/init.d/nfs-kernel-server start
      
    • $1是一个特殊变量,在执行脚本时自动取值为第一个命令行参数,也就是start,所以进入start)分支执行相关的命令。同理,命令行参数指定为stop、reload或restart可以进入其它分支执行停止服务、重新加载配置文件或重新启动服务的相关命令。

循环

  • for/do/done

    • Shell脚本的for循环结构和C语言很不一样,它类似于某些编程语言foreach循环。例如:

        #! /bin/sh
      
        for FRUIT in apple banana pear; do
            echo "I like $FRUIT"
        done
      
    • FRUIT是一个循环变量,第一次循环$FRUIT的取值是apple,第二次取值是banana,第三次取值是pear。再比如,要将当前目录下的chap0、chap1、chap2等文件夹名改为chap0~、chap1~、chap2~等(按惯例,末尾有~字符的文件名表示临时文件),这个命令可以这样写:

        $ for FILENAME in chap?; do mv $FILENAME $FILENAME~; done
      
    • 也可以这样写:

        $ for FILENAME in `ls chap?`; do mv $FILENAME $FILENAME~; done
      
  • while/do/done

    • while的用法和C语言类似。比如一个验证码的脚本:

        #! /bin/sh
      
        echo "Enter password:"
        read TRY
        while [ "$TRY" != "secret" ]; do
            echo "Sorry, try again"
            read TRY
        done
      
    • 下面的例子通过算术运算控制循环的次数:

        #! /bin/sh
      
        COUNTER=1
        while [ "$COUNTER" -lt 10 ]; do
            echo "Here we go again"
            COUNTER=$[$COUNTER+1]
        done
      
    • 另,Shell还有until循环,类似C语言的do...while。如有兴趣可在课后自行扩展学习。

  • break和continue

    • break[n]可以指定跳出几层循环;continue跳过本次循环,但不会跳出循环。
    • 即break跳出,continue跳过。
    • 练习:将上面验证密码的程序修改一下,如果用户输错五次密码就报错退出。

位置参数和特殊变量

  • 有很多特殊变量是被Shell自动赋值的,我们已经遇到了$?和$1。其他常用的位置参数和特殊变量在这里总结一下:

      $0           相当于C语言main函数的argv[0]
      $1、$2...    这些称为位置参数(Positional Parameter),相当于C语言main函数的argv[1]、argv[2]...
      $#           相当于C语言main函数的argc - 1,注意这里的#后面不表示注释
      $@           表示参数"$1" "$2" ...,例如可以用在for循环中的in后面 
      $*           表示参数"$1" "$2" ...,同上
      $?           上一条命令的Exit Status
      $$           当前进程号
    
  • 位置参数可以用shift命令左移。比如shift 3表示原来的$4现在变成$1,原来的$5现在变成$2等等,原来的$1、$2、$3丢弃,$0不移动。不带参数的shift命令相当于shift 1。例如:

      #! /bin/sh
    
      echo "The program $0 is now running"
      echo "The first parameter is $1"
      echo "The second parameter is $2"
      echo "The parameter list is $@"
      shift
      echo "The first parameter is $1"
      echo "The second parameter is $2"
      echo "The parameter list is $@"
    

输入输出

  • echo

    • 显示文本行或变量,或者把字符串输入到文件。

        echo [option] string
        -e 解析转义字符
        -n 不回车换行。默认情况echo回显的内容后面跟一个回车换行。
        echo "hellonn"
        echo -e "hellonn"
        echo "hello"
        echo -n "hello"
      
  • 管道

    • 可以通过 | 把一个命令的输出传递给另一个命令做输入。

        cat myfile | more
        ls -l | grep "myfile"
        df -k | awk '{print $1}' | grep -v "文件系统"
        df -k 查看磁盘空间,找到第一列,去除“文件系统”,并输出
      
  • tee

    • tee命令把结果输出到标准输出,另一个副本输出到相应文件。

        df -k | awk '{print $1}' | grep -v "文件系统" | tee a.txt
      
    • tee -a a.txt表示追加操作。

        df -k | awk '{print $1}' | grep -v "文件系统" | tee -a a.txt        
      
  • 文件重定向

      cmd > file              把标准输出重定向到新文件中
      cmd >> file             追加
      cmd > file2 2>&1        标准出错也重定向到1所指向的file里
      cmd >> file2 2>&1       
      cmd < file1 > file2     输入输出都定向到文件里
      cmd < &fd               把文件描述符fd作为标准输入
      cmd > &fd               把文件描述符fd作为标准输出
      cmd < &-                关闭标准输入
    

函数

  • 和C语言类似,Shell中也有函数的概念,但是函数定义中没有返回值也没有参数列表。例如:

      #/bin/sh
    
      foo(){ echo "Function foo is called"; }
    
      echo "-=start=-"
      foo
      echo "-=end=-"
    
  • 注意函数体的左花括号{和后面的命令之间必须有空格或换行,如果将最后一条命令和右花括号}写在一行,命令末尾必须有分号;但,不建议将函数定义的写在一行上,不利于脚本阅读。

  • 在定义foo()函数时并不执行函数体中的命令,就象定义变量一样,只是给foo这个名一个定义,到后面调用foo函数的时候(注意Shell中的函数调用不写括号)才执行函数体中的命令。Shell脚本中的函数必须先定义后调用,一般把函数定义语句写在脚本的前面,把函数调用和其它命令写在脚本的最后(类似C语言中的main函数,这才是整个脚本实际开始执行命令的地方)。
  • Shell函数没有参数列表并不表示不能传参数,事实上,函数就象是迷你脚本,调用函数时可以传任意个参数,在函数内部同样是用$0、$1、$2等变量来提取参数,函数中的位置参数相当于函数的局部变量,改变这些变量并不会影响外面的$0、$1、$2等变量。函数中可以用return命令返回,如果return后面跟一个数字则表示函数的Exit Status。
  • 下面这个脚本可以一次创建多个目录,各目录名通过命令行参数传入,脚本逐个测试各目录是否存在,如果目录不存在,首先打印信息然后试着创建该目录。

      #! /bin/sh
      is_directory(){
          DIR_ANME=$1
          if [ ! -d $DIR_ANME ]
              return 1
          else
              return 0
          fi
      }
    
      for DIR in "$@"; do
          if is_directory "$DIR"
          then : 
          else
              echo "$DIR doesn't exist, Creating it now..."
              mkdir $DIR > /dev/null 2>&1
              if [ $? -ne 0 ]; then
                  echo "Cannot create directory $DIR"
                  exit 1
              fi
          fi
      done
    
  • 注意:is_directory返回0表示真,返回1表示假

Shell脚本调试方法

  • Shell提供了一些用于调试脚本的选项,如:

      -n      读一遍脚本中的命令但不执行,用于检查脚本中的语法错误。
      -v      一边执行脚本, 一边将执行过的脚本命令打印到标准错误输出。
      -x      提供跟踪执行信息,将执行的每一条命令和结果依次打印出来。
    
  • 这些选项有三种常见的使用方法:

  • 1、在命令行提供参数。如:

      $ sh -x ./script.sh
    
  • 2、在脚本开关提供参数。如:

      #! /bin/sh -x
    
  • 3、在脚本中用set命令启动或禁用参数。如:

      #! /bin/sh
    
      if [ -z "$1" ]; then
          set -x
          echo "ERROR: Insufficient Args."
          exit 1
          set +x
      fi
    
  • set -x和set +x分别表示启用或禁用-x参数,这样可以只对脚本中的某一段进行跟踪调试。

正则表达式

  • 以前我们用grep在一个文件中找出包含某些字符串的行,比如在头文件中找出一个宏定义。其实grep还可以找出符合某个模式(Pattern)的一类字符串。例如找出所有符合xxx@xxx.xxx模式的字符串(也就是email地址),要求x字符可以是字母、数字、下划线、小数点或减号,email地址的每一部分可以有一个或多个x字符,例如abc.d@ef.com、1_2@987-6.54,当然符合这个模式的不全是合法的email地址,但至少可以做一次初步筛选,筛掉a.b、c@d等肯定不是email地址的字符串。再比如,找出所有符合yyy-yyy-yyy-yyy模式的字符串(也就是IP地址),要求y是0-9的数字,IP地址的每一部分可以有1-3个y字符。
  • 如果用grep查找一个模式,如何表示这个模式,这一类字符串,而不是特定的字符串呢?从这两个简单的例子可以看出,要表示一个模式至少应该包含以下信息:
  • 字符类(Character Class):如上例的x和y,它们在械中表示一个字符,但是取值范围是一类字符中的任意一个。
  • 数量限定符(Quantifier):邮件地址的每一个部分可以有一个或多个x字符,IP地址的每一部分可以有1-3个y字符。
  • 各种字符类以及普通字符之间的位置关系:例如邮件地址分三部分,用普通字符@和.隔开,IP地址分四部分,用.隔开,每一部分都可以字符类和数量限定符描述。为了表示位置关系,还有位置限定符(Anchor)的概念,将在下面介绍。
  • 规定一些特殊语法表示字符类、数量限定符和位置关系,然后用这些特殊语法和普通字符一起表示一个模式,这就是正则表达式(Regular Expression)。例如email地址的正则表达式可以写成[a-zA-Z0-9.-]+@[a-zA-Z0-9.-]+.[a-zA-Z0-9_.-]+,IP地址的正则表达式可以写成[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}。下一节介绍正则表达式的语法,我们先看看正则表达式在grep中怎么用。例如有这样一个文件testfile:

      192.168.1.1
      1234.234.04.5678
      123.4234.045.678
      abcde
    
      $ egrep '[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}' testfile
      192.168.1.1
      1234.234.04.5678
    
  • egrep相当于grep -E,表示采用Extended正则表达式语法。grep的正则表达式有Basic和Extended两种规范,它们之间的区别下一节再解释。另外还有fgrep命令,相当于grep -F,表示只搜索固定字符而不搜索正则表达式模式,不会按正则表达式的语法解释后面的参数。

  • 注意正则表达式参数用单引号括起来了,因为正则表达式中用到的很多特殊字符在Shell中也有特殊含义(例如),只有用单引号括起来才能保证这些字符原封不动地传给grep命令,而不会被Shell解释掉。
  • 192.168.1.1符合上述模式,由三个.隔开的四段组成,每段都是1到3个数字,所以这一行被找出来了,可为什么1234.234.04.5678也被找出来了呢?因为grep找的是包含某一模式的行,这一行包含一个符合模式的字符串234.234.04.567。相反,123.4234.045.678这一行不包含符合模式的字符串,所以不会被找出来。
  • grep是一种查找过滤工具,正则表达式在grep中用来查找符合模式的字符串。其实正则表达还有一个重要的应用是验证用户输入是否合法,例如用户通过网页表单提交自己的email地址,就需要用程序验证一下是不是合法的email地址,这个工作可以在网页的javascript中做,也可以在网站后台程序中做,例如PHP、Perl、Python、Ruby、Java或C,所有这些语言都支持正则表达式,可以说,目前不支持正则表达式的编程语言实在少见。除了编程语言之外,很多UNIX命令和工具也都支持正则表达式,例如grep、vi、sed、awk、emacs等等。“正则表达式”就像“变量”一样,它是一个广泛的概念,而不是某一种工具或编程语言的特性。

基本语法

  • 我们知道C的变量和Shell脚本变量的定义和使用方法很不相同,表达能力也不相同,C的变量有各种类型,而Shell脚本变量都是字符串。同样道理,各种工具和编程语言所使用的正则表达式规范的语法并不相同,表达能力也各不相同,有的正则表达式规范引入很多扩展,能表达更复杂的模式,但各种正则表达式规范的基本概念都是想通的。本节介绍egrep(1)所使用的正则表达式,它大致上符合POSIX正则表达式规范,详见regex(7)(看这个man page对你的英文绝对是很好的锻炼)。希望读者仿照上一节的例子,一边学习语法,一边用egrep命令做实验。
  • 字符类
    • .匹配任意一个字符,abc.可以匹配abcd、abc9等。
    • []匹配括号中的任意一个字符,[abc]d可以匹配ad、bd或cd。
    • -在[]括号内表示字符范围,[0-9a-fA-F]可以匹配一位十六进制数字。
    • ^位于[]括号内的开头,匹配括号中的字符之外的任意一个字符,[^xy]匹配xy之外的任一字符,因此[^xy]1可以匹配a1、b1但不匹配x1、y1。
    • [[:xxx:]]grep工具预定义的一些命名字符类,[[:alpha:]]匹配一个字母,[[:digit:]]匹配一个数字。
  • 数量限定符

    • ?紧跟在它前面的单元匹配零次或一次,[0-9]?.[0-9]匹配0.0、2.3、.5等,由于.在正则表达式中是一个特殊字符,所以需要用转义一下,取字面值。
    • +紧跟在它前面的单元应匹配一次或多次,[a-zA-Z0-9_.-]+@[a-zA-Z0-9_.-]+.[a-zA-Z0-9_.-]+匹配email地址。
    • *紧跟在它前面的单元应匹配零次或多次,[0-9][0-9]*匹配至少一个数字,等价于[0-9]+[a-zA-Z_]+[a-zA-Z_0-9]*匹配C语言的标识符。
    • {N}紧跟在它前面的单元应精确匹配N次,[1-9][0-9]{2}匹配从100到999的整数。
    • {N,}紧跟在它前面的单元应匹配至少N次,[1-9][0-9]{2,}匹配三位以上(含三位)的整数。
    • {,M}紧跟在它前面的单元应匹配最多M次,[0-9]{,1}相当于[0-9]?
    • {N,M}紧跟在它前面的单元应匹配至少次,最多M次,[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}匹配IP地址。
    • 再次注意:grep找的是包含某一模式的行,而不是完全匹配某一模式的行
    • 例如有如下文本:

        aaabc
        aad
        efg
      
    • 查找a*这个模式的结果,会发现,三行都被找了出来。

        $ egrep 'a*' testfile
        aaabc
        aad
        efg
      
    • a匹配0个或多个a,而第三行包含0个a,所以也包含了这一模式。单独用a这样的正则表达式做查找没什么意义,一般是把a*作为正则表达式的一部分来用。

  • 位置限定符

    • ^匹配行首的位置,^Content匹配位于一行开头的Content。
    • $匹配行末的位置,;$匹配位于一行结尾的;号,^$匹配空行。
    • <匹配单词开关的位置,<th匹配... this,但不匹配ethernet、tenth。
    • >匹配单词结尾的位置,p>匹配leap ...,但不匹配parent、sleepy。
    • b匹配单词开关或结尾的位置,batb匹配... at ...,但不匹配cat、atexit、batch。
    • B匹配非单词开头和结尾的位置,BatB匹配battery,但不匹配... attend、hat ...
    • 位置限定符可以帮助grep更准确地查找。
    • 例如上一节我们用[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}查找IP地址,找到这两行

        192.168.1.1
        1234.234.04.5678
      
    • 如果用^[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}$查找,就可以1234.234.04.5678这一行过滤掉了。

  • 其它特殊字符

    • 转义字符,普通字符转义为特殊字符,特殊字符转义为普通字符。普通字符<写成<表示单词开头的位置,特殊字符.写成.以及写成就当作普通字符来匹配。
    • ()将正则表达式的一部分括起来组成一个单元,可以对整个单元使用数量限定符。([0-9]{1,3}.){3}[0-9]{1,3}匹配IP地址
    • |连接两个子表达式,表示或的关系。n(o|either)匹配no或neither

Basic正则和Extended正则区别

  • 以上介绍的是grep正则表达式的Extended规范,Basic规范也有这些语法,只是字符?+{}|()应解释为普通字符,要表示上述特殊含义则需要加转义。如果用grep而不是egrep,并且不加-E参数,则应遵照Basic规范来写正则表达式。

grep

  • 1、作用
    • Linux系统中grep命令是一种强大的文本搜索工具,它能使用正则表达式搜索文件,并把匹配的行打印出来。grep全称是Global Regular Expression Print,表示全局正则表达式版本,它的使用权限是所有用户。
    • grep家族包括grep、egrep和fgrep。egrep和fgrep的命令只跟grep有很小不同。egrep是grep的扩展,支持更多的re元字符,fgrep就是fixed grep和fast grep,它们把所有的字母都看作单词,也就是说,正则表达式中的元字符表示回其自身的字面意义,不再特殊。linux使用GNU版本的grep。它功能更强,可以通过-G、-E、-F命令选项来使用egrep和fgerp的功能。
  • 2、格式及主要参数
    • grep [option]
    • 主要参数:grep -help可查看
      • -c:只输出匹配行的计数。
      • -i:不区分大小写。
      • -h:查询多文件时不显示文件名。
      • -l:查询多文件时只输出包含匹配字符的文件名。
      • -n:显示匹配行及行号。
      • -s:不显示不存在或无匹配文本的错误信息。
      • -v:显示不包含匹配文本的所有行。
      • --color=auto:可以将找到的关键词部分加上颜色的显示。
    • pattern正则表达式主要参数:
      • :忽略正则表达式中特殊字符的原有含义。
      • ^:匹配正则表达式的开始行
      • $:匹配正则表达式的结束行
      • <:从匹配正则表达式的行开始
      • >:到匹配正则表达式的行结束
      • []:单个字符,如[A]即A符合要求
      • [ - ]:范围,如[A-Z],即A、B、C一直到Z都符合要求。
      • .:所有的单个字符。
      • *:所有字符,长度可以为0。
  • 3、grep命令使用简单实例

      $ grep 'test' d*            显示所有以d开头的文件中包含test的行。
    

find

  • 由于find具有强大的功能,所以它的选项也很多,其中大部分选项都值得我们花时间来了解一下。即使系统中含有网络文件系统(NFS),find命令在该文件系统中同样有效,只要你具有相应的权限。
  • 在运行一个非常消耗资源的find命令时,很多人都倾向于把它放在后台执行,因为遍历一个大的文件系统可能会花费很长的时间(这里是指30G字节以上的文件系统)。
  • 一、find命令格式

    • 1、find命令的一般形式为

      find pathname -options [-print -exec -ok ...]

    • 2、find命令的参数

      • pathname:find命令所查找的目录路径。例如用.来表示当前目录,用/来表示系统根目录,递归查找。
      • -print:find命令将匹配的文件输出到标准输出。
      • -exec:find命令对匹配的文件执行该参数所给出的shell命令。相应命令的形式为'command' {} ;,注意{}内部无空格,和;之间含有一个空格分隔符。
      • -ok:和-exec的作用相同,只不过以一种更为安全的模式来执行该参数所给出的shell命令,在执行每一个命令之前,都会给出提示,让用户来确定是否执行。
    • 3、find命令选项
      • -name:按照文件名查找文件。
      • -perm:按照文件权限来查找文件。
      • -prune:使用这一选项可以使find命令不在当前指定的目录中查找,如果同时使用-depth选项,那么-prune将被find命令忽略。
      • -user:按照文件属主来查找文件。
      • -group:按照文件所属的组来查找文件。
      • -mtime -n +n:按照文件的更改时间来查找文件,-n表示文件更改时间距现在n天以内,+n表示文件更改时间间距现在n天以前。find命令还有-atime和-ctime选项,但它们都有-mtime选项。
      • -nogroup:查找无有效属组的文件,即该文件所属的组在/etc/groups中不存在。
      • -nouser:查找无有效属主的文件,即该文件的属主在/etc/passwd中不存在。
      • newer file1 ! file2:查找更改时间比文件file1新但比文件file2旧的文件。
      • -type:查找某一类型的文件,诸如:
        • b:块设备文件
        • d:目录
        • c:字符设备文件
        • p:管道文件
        • l:符号链接文件
        • f:普通文件
      • -size n:[c]查找文件长度为n块的文件,带有c时表示文件长度以字节计。
      • -depth:在查找文件时,首先查找当前目录中的文件,然后再在其子目录中查找。
      • fstype:查找位于某一类型文件系统中的文件,这些文件系统类型通常可以在配置文件/etc/fstab中找到,该配置文件中包含了本系统中有关文件系统的信息。
      • mount 在查找文件时不跨越文件系统mount点。
      • follow 如果find命令遇到符号链接文件,就跟踪至链接所指向的文件。
    • 另外,下面三个的区别:
      • -amin n 查找系统中最后n分钟访问的文件
      • -atime n 查找系统中最后n*24小时访问的文件
      • -cmin n 查找系统中最后n分钟被改变文件状态的文件
      • -ctime n 查找系统中最后n*24小时被改变文件状态的文件
      • -mmin n 查找系统中最后n分钟被改变文件数据的文件
      • -mtime n 查找系统中最后n*24小时被改变文件数据的文件
    • 4、使用exec或ok来执行shell命令

      • 使用find时,只要把想要的操作写在一个文件里,就可以用exec来配合find查找,很方便的。
      • 在有些操作系统中只允许-exec选项诸如ls或ls -l这样的命令。大多数用户使用这一选项是为了查找旧文件并删除它们。建议在真正执行rm命令删除文件之前,最好先用ls命令看一下,确认它们是所有删除文件。
      • exec选项后面跟随着所要执行的命令或脚本,然后是一对儿{},一个空格和一个,最后是一个分号。为了使用exec选项,必须要同时使用print选项。如果验证一下find命令,会发现该命令只输出从当前路径起的相对路径及文件名。
      • 例如:为了用ls -l命令列出所匹配的文件,可以把ls -l命令放在find命令的-exec选项中

          $ find . -type f -exec ls -l {} ;
        
      • 上面的例子中,find命令匹配到了当前目录下的所有普通文件,并在-exec选项中使用ls -l命令将它们列出。

      • 在/logs目录中查找更改时间在5日以前的文件并删除它们:

          $ find logs -type f -mtime +5 -exec rm {} ;
        
      • 记住:在shell中用任何方式删除文件之前,应当先查看相应的文件,一定要小心!当使用诸如mv或rm命令时,可以使用-exec选项的安全模式。它将在对每个匹配到的文件操作之前提示你。

      • 在下面的例子中,find命令在当前目录中查找所有文件名以.LOG结尾、更改时间在5日以上的文件,并删除它们,只不过在删除之前先给出提示。

          $ find . -name "*.conf" -mtime +5 -ok rm {} ;
          < rm ... ./conf/httpd.conf > ? n
        
      • 按y键删除文件,按n键不删除。

      • 任何形式的命令都可以在-exec选项中使用。
      • 在下面的例子中我们使用grep命令。find命令首先匹配所有文件名为"passwd*"的文件,例如passwd、passwd.old、passed.bak,然后执行grep命令看看在这些文件中是否存在一个itcast用户。

          $ find /etc -name "passwd*" -exec grep "root" {} ; 
          root:x:0:0:root:/root:/bin/zsh
        
  • 二、find使用例子

      find ./ -name *.mp3
    
      find ./ -type f/d/p/c/b/s/l
    
      find ./ -size +3M -size -7M             默认单位:512B  0.5k  一个扇区大小 
    
      find ./ -size +47k -size -89k
    
      find ./ -maxdepth 2 -type d
    
      find ./ -maxdepth 1 -name "*.sh" -exec rm -r {} ;
    
      find ./ -maxdepth 1 -name "*.sh" -ok rm -r {} ;
    
      find ./ -maxdepth 1 -type f -print0 | xargs -0 ls -lh
    
      find ./ -name "*.gz" -mtime -5 -exec ls -lh {} /;
    

sed

  • sed意为流编辑器(Stream Editor),在Shell脚本和Makefile中作为过滤器使用非常普通,也就是把前面一个程序的输出引入sed的输入,经过一系列编辑命令转换为另一种格式输出。sed和vi都源于早期UNIX的ed工具,所以很多sed命令和vi的末行命令是相同的。
  • sed命令行的基本格式为:

      sed option 'script' file1 file2 ...
      sed option -f scriptfile file1 file2 ...
    
  • 选项含义:

        -n, --quiet, --silent
                       静默输出,默认情况下,sed程序在所有脚本指令执行完毕后,
                       将自动打印模式空间中的内容,这些选项可以屏蔽自动打印。
    
        -e 脚本, --expression=脚本
                       允许多个脚本指令被执行。
    
        -f 脚本文件, --file=脚本文件
                       从文件中读取脚本指令,对编写自动脚本程序来说很棒!
    
        --follow-symlinks
                       直接修改文件时跟随软链接
    
        -i[SUFFIX], --in-place[=SUFFIX]
                       直接修改源文件,经过脚本指令处理后的内容将被输出至源文件
                      (源文件被修改)慎用!
    
        -l N, --line-length=N
                       该选项指定l指令可能输出的行长度,l指令用于输出非打印字符。
    
        --posix
                       禁用GNU sed扩展功能。
    
        -r, --regexp-extended
                       在脚本指令中使用扩展正则表达式
    
        -s, --separate
                       默认情况下,sed将把命令行指定的多个文件名作为一个长的连续的输入流。
                       而GNU sed则允许把他们当作单独的文件,这样如正则表达式则不进行跨文件匹配。
    
        -u, --unbuffered
                       从输入文件读取最少的数据,更频繁的刷新输出
    
        -z, --null-data
                       separate lines by NUL characters
            --help     显示帮助文档
            --version  显示sed版本。
    
        - 如果没有 -e, --expression, -f 或 --file 选项,那么第一个非选项参数被视为
          sed脚本。其他非选项参数被视为输入文件,如果没有输入文件,那么程序将从标准
          输入读取数据。
    
  • 以上仅是sed程序本身的选项功能说明,至于具体的脚本指令(即对文件内容做的操作)后面我们会详细描述,这里简单介绍几个脚本指令操作作为sed程序的例子。

      a,  append          追加
      i,  insert          插入
      d,  delete          删除
      s,  substitution    替换
    
  • 如:$ sed "2a test" ./testfile在输出testfile内容的第二行后添加"test"。

      $ sed "2,5d" testfile
    
  • sed处理的文件既可以由标准输入重定向得到,也可以当命令行参数传入,命令行参数可以一次传入多个文件,sed会依次处理。sed的编辑命令可以直接当命令行参数传入,也可以写成一个脚本文件然后用-f参数指定,编辑命令的格式为:

      /pattern/action
    
  • 其中pattern是正则表达式,action是编辑操作。sed程序一行一行读出待处理文件,如果某一行与pattern匹配,则执行相应的action,如果一条命令没有pattern而只有action,这个action将作用于待处理文件的每一行。

  • 常用sed命令

      /pattern/p  打印匹配pattern的行
      /pattern/d  删除匹配pattern的行
      /pattern/s//pattern1/pattern2/  查找符合pattern的行,将该行第一个匹配pattern1的字符串替换为pattern2   
      /pattern/s//pattern1/pattern2/g  查找符合pattern的行,将该行所有匹配pattern1的字符串替换为pattern2
    
    • 使用p命令需要注意,sed是把待处理文件的内容连同处理结果一起输出到标准输出的,因此p命令表示除了把文件内容打印之外还额外打印一遍匹配pattern的行。比如一个文件testfile的内容是

        123
        abc
        456
      
    • 打印其中包含abc的行

        $ sed '/abc/p' testfile
        123
        abc
        abc
        456
      
    • 要想只输出处理结果,应加上-n选项,这种用法相当于grep命令

        $ sed -n '/abc/p' testfile
        abc
      
    • 使用d命令就不需要-n参数了,比如删除含有abc的行

        $ sed 'abc/d' testfile
        123
        456
      
    • 注意,sed命令不会修改原文件,删除命令只表示某些行不打印输出,而不是从原文件中删去。

    • 使用查找替换命令时,可以把匹配pattern1的字符串复制到pattern2中,比如:

        $ sed 's/bc/-&-/' testfile
        123
        a-bc-
        456
      
    • 再比如:

        $ sed 's/([0-9])([0-9])/-1-~2~/' testfile
        -1-~2~3
        abc
        -4-~5~6
      
    • pattern2中的1表示与pattern1的第一个()括号相匹配的内容,2表示与pattern1的第二个()括号相匹配的内容。sed默认使用Basic正则表达式规范,如果指定了-r选项则使用Extended规范,那么()括号就不必转义了。如:

        $ sed -r 's/([0-9])([0-9])/-1-~2~/' testfile
      
    • 替换结束后,所有行,含有连续数字的第一个数字前后都添加了"-"号;第二个数字前后都添加了“~”号。

    • 可以一次指定多条不同的替换命令,用“;”隔开:

        $ sed 's/yes/no/; s/static/dhcp/' testfile
        注:使用分号隔开指令。
      
    • 也可以使用-e参数来指定不同的替换命令,有几个替换命令需添加几个-e参数:

        $ sed -e 's/yes/no/' -e 's/static/dhcp/' testfile
        注:使用-e选项
      
    • 如果testfile的内容是

        <html><head><title>Hello World</title></head>
        <body>Welcome to the world of regexp!</body></html>
      
    • 现在要去掉所有的HTML标签,使输出结果为:

        Hello World
        Welcome to the world of regexp!
      
    • 怎么做呢?如果用下面的命令

        $ sed 's/<.*>//g' testfile
      
    • 结果是两个空行,把所有字符都过滤掉了。这是因为,正则表达式中的数量限定符会匹配尽可能长的字符串,这称为贪心的(Greedy)。比如sed在处理第一行时,<.*>匹配的并不是或这样的标签,而是

        <html><head><title>Hello World</title></head>
      
    • 这样一整行,因为这一行开头是<,中间是若干个任意字符,末尾是>。那么这条命令怎么改才对呢?留给同学们思考。

awk

  • sed以行为单位处理文件,awk比sed强的地方在于不仅能以行为单位还能以列为单位处理文件。awk缺省的行分隔符是换行,缺省的列分隔符是连续的空格和Tab,但是行分隔和列分隔符都可以自定义,比如/etc/passwd文件的每一行有若干个字段,字段之间以:分隔,就可以重新定义awk的列分隔符为:并以列为单位处理这个文件。awk实际上是一门很复杂的脚本语言,还有像C语言一样的分支和循环结构,但是基本用法和sed类似,awk命令行的基本形式为:

      awk option 'script' file1 file2 ...
      awk option -f scriptfile file1 file2 ...
    
  • 和sed一样,awk处理的文件既可以由标准输入重定向得到,也可以当命令行参数传入,编辑命令可以直接当命令行参数传入,也可以用-f参数指定一个脚本文件,编辑命令的格式为:

      /pattern/{actions}
      condition{actions}
    
  • 和sed类似,pattern是正则表达式,actions是一系列操作。awk程序一行一行读出待处理文件,如果某一行与pattern匹配,或者满足condition条件,则执行相应的actions,如果一条awk命令只有actions部分,则actions作用于待处理文件的每一行。比如文件testfile的内容表示某商店的库存量:

      ProductionA 30
      ProductionB 76      
      ProductionC 55
    
  • 打印每一行的第二列:

      $ awk '{print $2;}' testfile
      30
      76
      55
    
  • 自动变量$1、$2分别表示第一列、第二列等,类似于Shell脚本的位置参数,而$0表示整个当前行。再比如,如果某种产品的库存量低于75则在末行标注需要订货:

      $ awk '$2<75 {printf "%st%sn", $0, "REORDER";} $2>=75 {print $0;}' testfile
      ProductionA 30 REORDER
      ProductionB 76      
      ProductionC 55 REORDER
    
  • 可见awk也有和C语言非常相似的printf函数。awk命令的condition部分还可以是两个特殊的condition——BEGIN和END,对于每个待处理文件,BEGIN后面的actions在处理整个文件之前执行一次,END后面的actions在整个文件处理完之后执行一次。

  • awk命令可以像C语言一样使用变量(但不需要定义变量),比如统计一个文件中的空行数

      $ awk '/^ *$/ {x=x+1;} END {print x;}' testfile
    
  • 就像Shell的环境变量一样,有些awk变量是预定义的有特殊含义的:

    • awk常用的内建变量

        FILENAME    当前输入文件的文件名,该变量是只读的
        NR          当前行的行号,该变量是只读的,R代表record
        NF          当前行所拥有的列数,该变量是只读的,F代表field
        OFS         输出格式的列分隔符,缺省是空格
        FS          输入文件的列分隔符,缺省是连续的空格和Tab
        ORS         输出格式的行分隔符,缺省是换行符
        RS          输入文件的行分隔符,缺省是换行符
      
  • 例如打印系统中的用户帐号列表

      $ awk 'BEGIN {FS=":"} {print $1;}' /etc/passwd
    
  • awk也可以像C语言一样使用if/else、while、for控制结构。可自行扩展学习。

C程序中使用正则

  • POSIX规定了正则表达式的C语言库函数,详见regex(3)。我们已经学习了很多C语言库函数的用法,读者应该具备自己看懂man手册的能力了。本章介绍了正则表达式在grep、sed、awk中的用法,学习要能够举一反三,请读者根据regex(3)自己总结正则表达式在C语言中的用法,写一些签单的程序,例如验证用户输入的IP地址或email地址格式是否正确。
  • C语言处理正则表达式常用的函数有regcomp()、regexec()、regfree()、regerror(),一般分为三个步骤,如下所示:
    • 1、编译正则表达式regcomp()
    • 2、匹配正则表达式regexec()
    • 3、释放正则表达式regfree()
  • 下边是对三个函数的详细解释

    • 1、regcomp()这个函数把指定的正则表达式pattern编译成一种特定的数据格式compiled,这样可以使匹配更有效。函数regexec会使用这个数据在目标文本串中进行模式匹配。执行成功返回0。
      • int regcomp(regex_t *compiled, const char *pattern, int cflags)
      • regex_t:是一个结构休数据类型,用来存放编译后的正则表达式,它的成员re_nsub用来存储正则表达式中的子正则表达式的个数,子正则表达式就是用圆括号包起来的部分表达式。
      • pattern:是指向我们写好的正则表达式的指针。
      • cflags有如下4个值或者是它们或运算(|)后的值:
        • REG_EXTENDED:以功能更加强大的扩展正则表达式的方式进行匹配。
        • REG_ICASE:匹配字母时忽略大小写
        • REG_NOSUB:不用存储匹配后的结果,只返回是否成功匹配。如果设置该标志位,那么在regexec将忽略nmatch和pmatch两个参数。
        • REG_NEWLINE:识别换行符,这样'$'就可以从行尾开始匹配,'^'就可以从行的开关开始匹配。
    • 2、当我们编译好正则表达式后,就可以用regexec匹配我们的目标文本串了,如果在编译正则表达式的时候没有指定cflags的参数为REG_NEWLINE,则默认情况下是忽略换行符的,也就是把整个文本串当作一个字符串处理。

      • 执行成功返回0。
      • regmatch_t是一个结构体数据类型,在regex.h中定义:

          typedef struct {
              regoff_t rm_so;
              regoff_t rm_eo;
          } regmatch_t;
        
      • 成员rm_so存放匹配文本串在目标串中的开始位置,rm_eo存放结束位置。通常我们以数组的形式定义一组这样的结构。因为往往我们的正则表达式中还包含子正则表达式。数组0单元存放主正则表达式位置,后边的单元依次存放正则表达式位置。

      • int regexec(regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr[], int eflags)
        • compiled:是已经用regcomp函数编译好的正则表达式。
        • string:是目标文本串。
        • nmatch:是regmatch_t结构体数组的长度。
        • matchptr:regmatch_t类型的结构体数组,存放匹配文本串的位置信息。
        • eflags有两个值:
          • REG_NOTBOL:让特殊字符^无作用。
          • REG_NOTEOL:让特殊字符$无作用。
    • 3、当我们使用完编译好的正则表达式后,或者要重新编译其他正则表达式的时候,我们可以用这个函数清空compiled指向的regex_t结构体的内容,请记住,如果是重新编译的话,一定要先清空regex_t结构体。

      • void regfree(regex_t *compiled)
    • 4、当执行regcomp或者regexec产生错误的时候,就可以调用这个函数而返回一个包含错误信息的字符串。
      • size_t regerror(int errcode, regex_t *compiled, char *buffer, size_t length)
        • errcode:是由regcomp和regexec函数返回的错误代号。
        • compiled:是已经用regcomp函数编译好的正则表达式,这个值可以为NULL。
        • buffer:指向用来存放错误信息的字符串的内存空间。
        • length:指明buffer的长度,如果这个错误信息的长度大于这个值,则regerror函数会自动截断超出的字符串,但他仍然会返回完整的字符串的长度。所以我们可以用如下的方法先得到错误字符串的长度。
        • 例如:size_t length = regerror(errcode, compiled, NULL, 0);
    • 测试用例:

        #include <sys/types.h>
        #include <regex.h>
        #include <stdio.h>
      
        int main(int argc, char *argv[])
        {
            if(argc != 3){ 
                printf("Usage: %s RegexString And Textn", argv[0]);
            }   
      
            const char * p_regex_str = argv[1];
            const char * p_txt = argv[2];
            //编译后的结构体
            regex_t oregex;
            int ret = 0;
            //保存错误信息的数组
            char emsg[1024] = {0};
            size_t emsg_len = 0;
      
            //编译正则表达式, 扩展正则
            if((ret = regcomp(&oregex, p_regex_str, REG_EXTENDED|REG_NOSUB)) == 0){ 
                //执行匹配,不保存匹配的返回值
                if((ret = regexec(&oregex, p_txt, 0, NULL, 0)) == 0){ 
                    printf("%s matches %sn", p_txt, p_regex_str);
                    regfree(&oregex);
                    return 0;
                }   
            }   
      
            //正则编译错误,存emsg中错误描述
            emsg_len = regerror(ret, &oregex, emsg, sizeof(emsg));
            //错误信息较长特殊情况
            emsg_len = emsg_len < sizeof(emsg)? emsg_len : sizeof(emsg) - 1;
      
            emsg[emsg_len] = '';
            printf("Regex error Msg: %sn", emsg);
      
            regfree(&oregex);
      
            //非正常退出                                                                                             
            return 1;
        }
      
    • 匹配网址:

        ./a.out "http://www..*.com" "http://www.taobao.com"
      
    • 匹配邮箱:

        ./a.out "^[a-zA-Z0-9.]+@[a-zA-Z0-9]+.[a-zA-Z0-9]+" "abc.123@126.com"
        ./a.out "w+([-+.]w+)*@w+([-+.]w+)*.w+([-+.]w+)*" "abc@qq.com"
      
    • 匹配固话号码:请同学们自己编写。

    • 除了GNU提供的函数外,还常用PCRE处理正则,全称是Rerl Compatible Regular Expressions。从名字我们可以看出PCRE库是与Perl中正则表达式相兼容的一个正则表达式库。PCRE是免费开源的库,它是由C语言实现的,这里是它的官方主页:
    • PCRE++是一个对PCRE库的C++封装,它提供了更加方便、易用的C++接口。这里是它的官方主页:

本文由金沙澳门官网网址发布于金沙澳门官网网址,转载请注明出处:Shell编程

关键词: