# **前言**

　　Linux 中对于流式数据处理有 sed 和 gawk 两种工具可以使用，其中模式 (正则) 匹配可以很好的协助我们要对哪些行做处理。因此，正则匹配也就成为 linux 中相对来说比较重要的知识点，对此做了一些整理归纳。

　　## 特殊字符

　　本文对正则表达式的归纳主要从 正则表达式的 特殊字符入手，正则中的特殊字符有:

　　. * + ? ^ $ \ | / () {} []

　　一共15 个字符，可以分类记忆为 (4 + 2 + 3 + 2 * 3):

　　- 4 个填充类标识： . * + ?

　　- 2 个锚点符号: ^ $

　　- 3 个斜线: \ | /

　　- 6 个括号: ( ) { } [ ]

　　## BRE 和 ERE

　　Linux 中的正则匹配引擎有两种:

　　- BRE: POSIX 基础正则表达式，basic regular expression

　　- ERE：POSIX 扩展正则表达式，extended regular expression

　　显然 ERE 支持的功能比 BRE 更强大，但是所需要的性能开销也更大。 其中， sed 仅仅支持 BRE 引擎(因为更看重流式数据的处理数据)，gawk 支持了 ERE。

　　其中 BRE 无法支持 :

　　- 加号: +

　　- 问号: ?

　　- 管道符号: |

　　- 间隔符号: { }

　　- 分组符号: ( )

　　> gawk 如果要是用 间隔符号 ， 需要加上 --re—interval 标识

　　>

　　# **四个填充类标识**

　　**点号 .**

　　- 表明该位置有一个任意字符

　　**星号 ***

　　- 表明前一个字符可以出现任意多次(包括0次)

　　**加号 +**

　　- 表明前一个字符至少出现1 次

　　**问号 ?**

　　- 表明前一个字符出现 0 次 或者 1 次

　　# **两个锚点类符号**

　　**脱字符 ^**

　　- 一般用于表达式开头，限定表达式从首部开始匹配

　　- 如果用于**区间符号**(见下文)，表明区间取反

　　**美元符 $**

　　- 一般用于表达式末尾，限定字符串末尾模式

　　# **三个斜线**

　　**反斜线 \**

　　- 用于转义特殊字符

　　**管道符 |**

　　- 「或」 语法，用于连接两个匹配规则，任意规则命中，即为命中

　　**正斜线 /**

　　- 字段分隔符 (FS: field separator )，在 sed 或者 gawk 中分割参数信息

　　# **六个括号**

　　**分组符号 ( )**

　　- 用于将一串字符视为整体， 一般后面可接 . * ? + {} 等标识符

　　**间隔符 { }**

　　- 用于指定前一个字符的出现次数，常见用法有 {m} 或者 {m, n}

　　**字符组/区间 [ ]**

　　- 字符组: 表示该位置值字符组中的任一字符，例如 [ab] [abcdefghi] 等

　　- 区间: 可以用 - 表示取值范围，避免穷举。 例如 [a-g] [1-9]

　　- 特殊字符组: 用标识来表示区间，特殊字符组如下表所示

　　| 组 | 描述 |

　　| --- | --- |

　　| [[:alpha:]] | 匹配任意字母字符，不管是大写还是小写 |

　　| [[:alnum:]] | 匹配任意字母数字字符0~9、A~Z或a~z” |

　　| [[:blank:]] | 匹配空格或制表符 |

　　| [[:digit:]] | 匹配0~9之间的数字 |

　　| [[:lower:]] | 匹配小写字母字符a-z |

　　| [[:print:]] | 匹配任意可打印字符 |

　　| [[:punct:]] | 匹配标点符号 |

　　| [[:space:]] | 匹配任意空白字符: 空格、制表符、NL、FF、VT和 CR |

　　| [[:upper:]] | 匹配任意大写字母字符 A-Z |