shell十三问之15: [^ ] 跟[! ]差在哪？ (RE: Regular Expression）

Part-II Regular Expression (正则表达式)

接下来的Regular Expression(RE) 可是个大题目，要讲的很多。 我这里当然不可能讲得很全。 只希望能带给大家一个基本的入门概念，就很足够了...

先来考一下英文好了：What is expression? 简单来说，就是"表达"，也就是人们在沟通的时候所要陈述的内容。

然而，生活中，表达方要清楚的将意思描述清楚， 而让接收方完整无误地领会，可不是件容易的事情。

因而才会出现那么多的"误会", 真可叹句"表达不易"啊......

同样的情形也发生在计算机的数据处理过程中， 尤其是当我们在描述一段"文字内容"的时候.... 那么，我们不禁要问： 有何方法可以让大家的误会降至最低程度， 而让表达的精确度达到最高程度呢？ 答案就是"标准化"了， 也就是我们这里要谈的Regular Expression啦...^_^

然而，在进入RE介绍之前，不妨先让我们温习一下shell十三问之第4问， 那就是关于quoting的部分。

关键是要能够区分 shell command line上的meta与literal的这两种不同的字符类型。

然后，我这里也跟你讲： RE 表达式里字符也分meta与literal这两种。

呵，不知亲爱的读者是否被我搞混乱了呢？... ^_^

这也难怪啦，因为这的确是最容易混淆的地方， 刚学RE的朋友很多时候，都死在这里！ 因此，请特别小心理解哦...

简单而言，除非你将RE写在特定程序使用的脚本里， 否则，我们的RE也是通过 command line输入的。 然而， 不少RE所使用的meta字符，跟shell 的meta字符是冲突的。

比方说， *``这个字符，在RE里是一个modifier(修饰符);而在command line上，确是wildcard(通配符)**。

那么，我们该如何解决这样的冲突呢？ 关键就是看你对shell十三问的第4问中所提的quoting是否足够理解了！

若你明白到 shell quoting 就是用来在command line上关闭shell meta这一基本原理， 那你就能很轻松的解决 RE meta与shell meta的冲突问题了： 用shell quoting 关闭掉shell meta就是了。 就这么简单... ^_^

再以刚提到*字符为例， 若在command line的path中没有quoting处理的话， 如abc* 就会被作为wildcard expression来扩充及重组了。 若将其置于quoting中，即"abc*"，则可以避免wildcard expand的处理。

好了，说了大半天，还没有进入正式的RE介绍呢.... 大家别急，因为我的教学风格就是要先建立基础，循序渐进的... ^_^ 因此, 我这里还要再啰嗦一个观念，才会到RE的说明啦...(哈...别打我...)

当我们在谈到RE时，千万别跟wildcard搞混在一起！ 尤其是

在command line的位置里，wildcard只作用于argument的path上；
而RE却只用于"字符串处理" 的程序中，这与路径名一点关系也没有。

Tips: RE 所处理的字符串，通常是指纯文本或通过stdin读进的内容。

okay，够了够了，我已看到一堆人开始出现不耐烦的样子了... ^_^ 现在，就让我们登堂入室，揭开RE的神秘面纱吧， 这样可以放过我了吧？ 哈哈...

在RE的表达式里，主要分为两种字符：literal与meta。 所谓literal就是在RE里不具有特殊功能的字符，如abc，123等； 而meta,在RE里具有特殊的功能。 要关闭之，需要在meta之前使用escape()转义字符。

然而，在介绍meta之前，先让我们来认识一下字符组合(character set)会更好些。

一、所谓的char set就是将多个连续的字符作为一个集合。 例如：

note: abc|xyz 表示abc或xyz这两个char set之一

在认识了RE的char set这个概念之后，然后，在让我们多认识几个RE中常见的meta字符：

二、 锚点(anchor): 用以标识RE在句子中的位置所在。 常见的有：

三、 修饰符(modifier)：独立表示时本身不具意义，专门用以修饰前一个char set出现的次数。 常见的有：

然而，当我们在识别modifier时，却很容易忽略"边界(boundary)字符"的重要性。

以ab{3,5}c为例，这里的a与c就是边界字符了。 若没有边界字符的帮忙，我们很容易做出错误的解读。 比方说: 我们用ab{3,5}这个RE（少了c这个边界字符) 可以抓到"abbbbbbbbbb"(a后面有10个b)的字符串吗？ 从刚才的modifier的说明，我们一般认为，我们要的b是3到5个， 若超出了此范围，就不是我们所要表达的。 因此，我们或许会很轻率地认为这个RE抓不到结果（上述"abbbbbbbbbb"字符串）。

然而，答案却是可以的！为什么呢？ 让我们重新解读ab{3,5}这个RE看看： 我们要表达的是a后接3到5个b即可，但3到5个b后面，我们却没有规定什么， 因此，在RE后面可以是任意的字符串，当然包括b也可以啦！(明白了吗？)

同样，我们用b{3,5}c也同样可以抓到"abbbbbbbbbbc" 这样的字符串。

但当我们用ab{3,5}c这样的RE时， 由于同时有a与c这连个边界字符，就截然不同了！

有空在思考一下，为何我们用下面这些RE都抓到abc这样的字符串呢？

x*
ax*, abx*, ax*b
abcx*, abx*c, ax*bc
bx*c, bcx*, x*bc

但, 若我们在这些RE前后分别加^与$这样的anchor，那又如何呢？

刚学RE时，只要能掌握上面这些基本的meta的大概就可以入门了。 一如前述，RE是一种规范化的文字表达式， 主要用于某些文字处理工具之间，如： grep， perl， vi，awk，sed，等等， 常用于表示一段连续的字符串，查找和替换。

然而每种工具对RE表达式的具体解读或有一些细微差别， 不过节本原理还是一致的。 只要掌握RE的基本原理，那就一理通百理了， 只是在实践时，稍加变通即可。

比方以grep来说， 在Linux上，你可以找到grep，egrep，fgrep这些程序， 其差异大致如下：

grep： 传统的grep程序，在没有任何选项(options)的情况下，只输出符合RE字串的句子， 其常见的选项如下：

egrep：为grep的扩充版本，改良了许多传统grep不能或者不便的操作，

• grep下不支持?与+这两种meta，但egrep支持；
• grep 不支持a|b或（abc|xyz）这类“或一”的匹配，但egrep支持；
• grep 在处理{n,m}时，需要\{ 与 \}处理，但egrep不需。

等诸如此类的。我个人建议能用egrep就不用grep啦...^_^

fgrep: 不作RE处理，表达式仅作一般的字符串处理，所有的meta均市区功能。

好了，关于RE的入门，我们暂时就介绍到这里。 虽然有点乱，且有些观念也不恨精确， 不过，姑且算是对大家的一个交差吧...^_^ 若这两天有时间的话，我在举些范例来分析一下，以帮助大家更好的理解。 假如更有可能的话，也顺道为大家介绍一下sed这个工具。

Part-III eval

讲到command line的重组特性， 真的需要我们好好的加以解释的。

如此便能抽丝剥茧的一层层的将整个command line分析的 一清二楚，而不至于含糊。

假如这个重组的特性理解了，那我们介绍一个好玩的命令：eval.

我们在变量替换的过程中，常会碰到所谓的复式变量的问题： 如：

a=1
A1=abc

我们都知道echo $A1就可以得到abc的结果。 然而，我们能否用$A$a来取代$A1，而同一样替换为abc呢？

这个问题我们可用很轻松的用eval来解决：

eval echo \$A$a

说穿了，eval 只不过是在命令行完成替换重组后， 在来一次替换重组罢了... 就是这么简单啦～～～ ^_^