编辑“Debian/类Unix文本处理”

{{Debian top}}
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：
<pre>
     $ 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
</pre>

==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：
<pre>
     $ 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=&=
</pre>
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}}

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

[[category:Debian|L]]