08.13 grep：字符串查找

1. grep簡介

grep （global search regular expression(RE) and print out the line,全面搜索正則表達式並把行打印出來）是一種強大的文本搜索工具，它能使用正則表達式搜索文本，並把匹配的行打印出來。Unix的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的擴展，支持更多的re元字符， fgrep就是fixed grep或fast grep，它們把所有的字母都看作單詞，也就是說，正則表達式中的元字符表示回其自身的字面意義，不再特殊。Linux使用GNU版本的grep。它功能更強，可以通過-G、-E、-F命令行選項來使用egrep和fgrep的功能。

grep的工作方式是這樣的，它在一個或多個文件中搜索字符串模板。如果模板包括空格，則必須被引用，模板後的所有字符串被看作文件名。搜索的結果被送到屏幕，不影響原文件內容。

grep可用於shell腳本，因為grep通過返回一個狀態值來說明搜索的狀態，如果模板搜索成功，則返回0，如果搜索不成功，則返回1，如果搜索的文件不存在，則返回2。我們利用這些返回值就可進行一些自動化的文本處理工作。

2. grep正則表達式元字符集（基本集）

^ ：錨定行的開始 如：'^grep'匹配所有

以grep開頭的行。

$ ：錨定行的結束 如：'grep$'匹配所有以grep結尾的行。

. ：匹配一個非換行符的字符 如：'gr.p'匹配gr後接一個任意字符，然後是p。

* ：匹配零個或多個先前字符 如：'*grep'匹配所有一個或多個空格後緊跟grep的行。 .*一起用代表任意字符。

[] ：匹配一個指定範圍內的字符，如'[Gg]rep'匹配Grep和grep。

[^] ：匹配一個不在指定範圍內的字符，如：'[^A-FH-Z]rep'匹配不包含A-R和T-Z的一個字母開頭，緊跟rep的行。

.. ：標記匹配字符，如'love'，love被標記為1。

\\< ：錨定單詞的開始，如:'\\<grep>

\\> ：錨定單詞的結束，如'grep\\>'匹配包含以grep結尾的單詞的行。

x\\{m\\} ：重複字符x，m次，如：'o\\{5\\}'匹配包含5個o的行。

x\\{m,\\} ：重複字符x,至少m次，如：'o\\{5,\\}'匹配至少有5個o的行。

x\\{m,n\\} ：重複字符x，至少m次，不多於n次，如：'o\\{5,10\\}'匹配5-10個o的行。

\\w ：匹配文字和數字字符，也就是[A-Za-z0-9]，如：'G\\w*p'匹配以G後跟零個或多個文字或數字字符，然後是p。

\\W ：\\w的反置形式，匹配一個或多個非單詞字符，如點號句號等。

\\b ：單詞鎖定符，如: '\\bgrepb\\'只匹配grep。

3. 用於egrep和 grep -E的元字符擴展集

+ ：匹配一個或多個先前的字符。如：'[a-z]+able'，匹配一個或多個小寫字母后跟able的串，如loveable,enable,disable等。

? ：匹配零個或多個先前的字符。如：'gr?p'匹配gr後跟一個或沒有字符，然後是p的行。

a|b|c ：匹配a或b或c。如：grep|sed匹配grep或sed

() ：分組符號，如：love(able|rs)ov+匹配loveable或lovers，匹配一個或多個ov。

x{m},x{m,},x{m,n} ：作用同x\\{m\\},x\\{m,\\},x\\{m,n\\}

4. POSIX字符類

為了在不同國家的字符編碼中保持一至，POSIX(The Portable Operating System Interface)增加了特殊的字符類，如[:alnum:]是A-Za-z0-9的另一個寫法。要把它們放到[]號內才能成為正則表達式，如[A- Za-z0-9]或[[:alnum:]]。在linux下的grep除fgrep外，都支持POSIX的字符類。

[:alnum:] ：文字數字字符

[:alpha:] ：文字字符

[:digit:] ：數字字符

[:graph:] ：非空字符（非空格、控制字符）

[:lower:] ：小寫字符

[:cntrl:] ：控制字符

[:print:] ：非空字符（包括空格）

[:punct:] ：標點符號

[:space:] ：所有空白字符（新行，空格，製表符）

[:upper:] ：大寫字符

[:xdigit:] ：十六進制數字（0-9，a-f，A-F）

5. Grep命令選項

-a或--text 不要忽略二進制的數據。

-A 或--after-context= 除了顯示符合範本樣式的那一列之外，並顯示該列之後的內容。

-b或--byte-offset 在顯示符合範本樣式的那一列之前，標示出該列第一個字符的位編號。

-B或--before-context= 除了顯示符合範本樣式的那一列之外，並顯示該列之前的內容。

-c或--count 計算符合範本樣式的列數。

-C或--context=或- 除了顯示符合範本樣式的那一列之外，並顯示該列之前後的內容。

-d或--directories= 當指定要查找的是目錄而非文件時，必須使用這項參數，否則grep指令將回報信息並停止動作。

-e或--regexp= 指定字符串做為查找文件內容的範本樣式。

-E或--extended-regexp 將範本樣式為延伸的普通表示法來使用。

-f或--file= 指定範本文件，其內容含有一個或多個範本樣式，讓grep查找符合範本條件的文件內容，格式為每列一個範本樣式。

-F或--fixed-regexp 將範本樣式視為固定字符串的列表。

-G或--basic-regexp 將範本樣式視為普通的表示法來使用。

-h或--no-filename 在顯示符合範本樣式的那一列之前，不標示該列所屬的文件名稱。

-H或--with-filename 在顯示符合範本樣式的那一列之前，表示該列所屬的文件名稱。

-i或--ignore-case 忽略字符大小寫的差別。

-l或--file-with-matches 列出文件內容符合指定的範本樣式的文件名稱。

-L或--files-without-match 列出文件內容不符合指定的範本樣式的文件名稱。

-n或--line-number 在顯示符合範本樣式的那一列之前，標示出該列的列數編號。

-q或--quiet或--silent 不顯示任何信息。

-r或--recursive 此參數的效果和指定“-d recurse”參數相同。

-s或--no-messages 不顯示錯誤信息。

-v或--revert-match 反轉查找。

-V或--version 顯示版本信息。

-w或--word-regexp 只顯示全字符合的列。

-x或--line-regexp 只顯示全列符合的列。

-y 此參數的效果和指定“-i”參數相同。

--help 在線幫助。

6. 實例

要用好grep這個工具，其實就是要寫好正則表達式，下面列幾個例子，講解正則表達式的寫法。

$ ls -l | grep '^a'

通過管道過濾ls -l輸出的內容，只顯示以a開頭的行。

$ grep 'test' d*

顯示所有以d開頭的文件中包含test的行。

$ grep 'test' aa bb cc

顯示在aa，bb，cc文件中匹配test的行。

$ grep '[a-z]\\{5\\}' aa

顯示所有包含每個字符串至少有5個連續小寫字符的字符串的行。

$ grep 'west.*\\1' aa

如果west被匹配，則es就被存儲到內存中，並標記為1，然後搜索任意個字符（.*），這些字符後面緊跟著另外一個es（\\1），找到就顯示該行。如果用egrep或grep -E，就不用"\\"號進行轉義，直接寫成'w(es)t.*\\1'就可以了。

再講解一個具體應用的例子。

查詢所有位於當前目錄下的.cs文件中的Main，通過grep，可以輕鬆快速地完成這項任務，命令如下：

grep ‘Main’ *.cs

輸出結果為：

ChineseDemo.cs: public static void Main()

RegDemo1.cs: static void Main(string[] args)

RegDemo2.cs: public static void Main()

RegDemo3.cs: public static void Main()

可見，通過grep真的可以找到相關目錄中符合條件的所有文件，並能打印出查詢到的字符串所位於的那行內容。如果只想確定哪些文件含有Main，而不需打印相應行的內容，那麼可以使用以下命令：?

grep –l ‘Main’ *.cs

輸出結果為：

ChineseDemo.cs

RegDemo1.cs

RegDemo2.cs

RegDemo3.cs

只有相應的文件名稱被顯示。

在找到了含有Main字符串的幾個文件後，如果想粗略地查看某一具體文件的裡源代碼的相關信息，比如查看RegDemo1.cs文件中含有Main這一行的前後三行，相關的命令如下：

grep –C 3 ‘Main’ RegDemo1.cs

輸出結果為：

class GroupingApp

{

static void Main(string[] args)

{

Reg7();

}

輸出結果完全符合需求，static void Main(string[] args)這一行前後三行範圍內的所有代碼被全部打印出來（第一行是空行）。

以上的查詢字符串沒有對查找結果是否為一個完整的單詞進行限制，也就是說TheMain和Main_Func都會被認定為查詢目標。如果想限定該查詢字符串為一個完整單詞，那麼可以使用\\w參數，相關命令如下：

grep –w ‘Main’ *.cs

結果為：

ChineseDemo.cs: public static void Main()

RegDemo1.cs: static void Main(string[] args)

RegDemo2.cs: public static void Main()

RegDemo3.cs: public static void Main()

/<grep>