Debian/类Unix文本处理

在类 Unix 的系统中,有几个文本处理工具经常用到。

文本处理

非正则表达式的方法有：

• head 显示文件的开始部分。
• tail 显示文件的结尾部分。
• sort 给文件中的每一行排序。
• uniq 删除文件中重复的行。
• tr 转换或者删除字符。
• diff 把文件中的内容一行一行的比较。

基本的正则表达式 Basic regular expression (BRE) :

• grep 按模式匹配文本。
• ed 一个原始的行编辑器。
• sed 一个流编辑器。
• vi 一个屏幕编辑器。
• Emacs 一个屏幕编辑器。

扩展的正则表达式 Extended regular expression (ERE) is used:

• egrep 按模式匹配文本。
• awk 进行简单的文本处理。
• perl 做非常难以想像的文本处理。

正则表达式

正则表达式用在很多文本处理工具里面。它们和 shell 的通配符比较相似，但是它们更复杂也更强大。

正则表达式是由文本字符和元字符组成的，用来描述匹配模式。元字符是有特殊意义的字符。它们有两种主要的形式 BRE 和 ERE，主要取决于类 Unix 文本处理。

在扩展的正则表达式(EREs)里面元字符包括"\ . [ ] ^ $ * + ? ( ) { } |"。正则表达式表示：

• c

这个用来匹配非元字符 "c".

• \c

这个用来匹配原本的字符"c".

• .

这个用来匹配任意字符包括换行符。

• ^

这个用来匹配字符串的开始。

• $

这个用来匹配字符串的结尾。

• \<

这个用来匹配一个单词的开始。

• \>

这个用来匹配一个单词的结尾。

• [abc...]

这个字符序列用来匹配 "abc..."中的任意字符。

• [^abc...]

这个否定的字符序列匹配所有的字符除了 "abc...".

• r*

这个匹配以"r" 开始的后面有 0 个或者多个字符的字符串。

• r+

这个匹配以"r" 开始的后面有一个或者多个字符的表达式。

• r?

以"r" 开始后面有 0 个或者 1 个其他的字符。

• r1|r2

匹配"r1"或者"r2"。

• (r1|r2)

匹配"r1"或者 "r2"并且把它当作一个分类正则表达式。

在BREs里面元字符"+ ? ( ) { } |"不再具有它们特殊的含义，而是使用的有反斜杠的版本"\+ \? \( \) \{ \} \|"。因此分组(r1|r2)需要被表示成\(r1|r2\)。 因为emacs，虽然基本上是 BRE，但是它把"+ ?"当作元字符。因此不需要特别表示它们。

举个例子，grep 可以用正则表达式来搜索文本：

     $ egrep 'GNU.*LICENSE|Yoyodyne' /usr/share/common-licenses/GPL
                         GNU GENERAL PUBLIC LICENSE
     		    GNU GENERAL PUBLIC LICENSE
     	Yoyodyne, Inc., hereby disclaims all copyright interest in the program

替换表达式

在替换表达式里面，下面的字符有特殊的含义：

• &

这个会替换正则表达式所匹配的部分。(在 emacs 里面用 \&)

• \n

这个会替换 n-th括号正则表达式所匹配的内容。

• 在 Perl 里面，$n 替换了 \n，& 也没有特殊的含义。

举个例子：

     $ echo zzz1abc2efg3hij4 | \
       sed -e 's/\(1[a-z]*\)[0-9]*\(.*\)$/=&=/'
     zzz=1abc2efg3hij4=
     $ echo zzz1abc2efg3hij4 | \
       sed -e 's/\(1[a-z]*\)[0-9]*\(.*\)$/\2===\1/'
     zzzefg3hij4===1abc
     $ echo zzz1abc2efg3hij4 | \
       perl -pe 's/(1[a-z]*)[0-9]*(.*)$/$2===$1/'
     zzzefg3hij4===1abc
     $ echo zzz1abc2efg3hij4 | \
       perl -pe 's/(1[a-z]*)[0-9]*(.*)$/=&=/'
     zzz=&=

请特别注意这些括号正则表达式的格式，以及这些被匹配的文本在文本处理工具里面是如何使用的。

这些正则表达式可以用来控制光标的运动和编辑器里面的文本替换。

Debian使用手册导航

Debian安装： 安装Debian GNU/Linux前准备 | 获取系统安装介质 | 使用Debian安装程序 | 启动进入新 Debian 系统 | 内核及其它信息 | 为Debian准备分区 | 安装指南 | 在Debian上安装Apache+Mysql+PHP Debian使用： Debian 文件 | Debian基本操作 | Midnight Commander (MC) | 类Unix工作环境 | 类Unix文本处理 | 类Unix文件系统 | Debian生存命令 | Debian进阶 | Debian其他特性 | Debian下的Linux内核 | 启动系统 | Debian/活动记录及拷贝、创建子目录 | 差量备份、数据同步与系统冻结恢复 |常用命令与典型错误| 系统初始化 | 访问限制(Restricting access) | 刻录机 | 本地化 Debian升级： Debian系统升级 | 发行版升级到stable、testing或unstable Debian技术支持： Debian技术支持 Debian常见问题： 定义与概述 | 兼容性问题 | Debian 的软件系统 | Debian 的 FTP | Debian 的包管理系统 |Debian 的包管理工具 |更新系统 | Debian 与内核 | 定制 Debian GNU/Linux 的安装 |获取 Debian GNU/Linux 的支持 | 为 Debian 项目捐赠 | 作为商品销售Debian以及对其的展望

参考来源

http://www.debian.org/doc/manuals/debian-reference/ch-tutorial.zh-cn.html#s-text-process