awk 系列：如何使用 awk 和正則表達式過濾文本或文件中的字元串

當我們在 Unix/Linux 下使用特定的命令從字元串或文件中讀取或編輯文本時，我們經常需要過濾輸出以得到感興趣的部分。這時正則表達式就派上用場了。

什麼是正則表達式?

正則表達式可以定義為代表若干個字元序列的字元串。它最重要的功能之一就是它允許你過濾一條命令或一個文件的輸出、編輯文本或配置文件的一部分等等。

正則表達式的特點

正則表達式由以下內容組合而成：

• 普通字元，例如空格、下劃線、A-Z、a-z、0-9。
• 可以擴展為普通字元的元字元，它們包括：
  • (.) 它匹配除了換行符外的任何單個字元。
  • (*) 它匹配零個或多個在其之前緊挨著的字元。
  • [ character(s) ] 它匹配任何由其中的字元/字符集指定的字元，你可以使用連字元(-)代表字元區間，例如 [a-f]、[1-5]等。
  • ^ 它匹配文件中一行的開頭。
  • $ 它匹配文件中一行的結尾。
  • `` 這是一個轉義字元。

你必須使用類似 awk 這樣的文本過濾工具來過濾文本。你還可以把 awk 自身當作一個編程語言。但由於這個指南的適用範圍是關於使用 awk 的，我會按照一個簡單的命令行過濾工具來介紹它。

awk 的一般語法如下：

# awk 'script' filename

此處 'script' 是一個由 awk 可以理解並應用於 filename 的命令集合。

它通過讀取文件中的給定行，複製該行的內容並在該行上執行腳本的方式工作。這個過程會在該文件中的所有行上重複。

該腳本 'script' 中內容的格式是 '/pattern/ action'，其中 pattern 是一個正則表達式，而 action 是當 awk 在該行中找到此模式時應當執行的動作。

如何在 Linux 中使用 awk 過濾工具

在下面的例子中，我們將聚焦於之前討論過的元字元。

一個使用 awk 的簡單示例：

下面的例子列印文件 /etc/hosts 中的所有行，因為沒有指定任何的模式。

# awk '//{print}' /etc/hosts

awk 列印文件中的所有行

結合模式使用 awk

在下面的示例中，指定了模式 localhost，因此 awk 將匹配文件 /etc/hosts 中有 localhost 的那些行。

# awk '/localhost/{print}' /etc/hosts 

awk 列印文件中匹配模式的行

在 awk 模式中使用通配符 (.)

在下面的例子中，符號 (.) 將匹配包含 loc、localhost、localnet 的字元串。

這裡的正則表達式的意思是匹配 l一個字元c。

# awk '/l.c/{print}' /etc/hosts

使用 awk 列印文件中匹配模式的字元串

在 awk 模式中使用字元 (*)

（LCTT 譯者註：此處原文作者理解有誤，感謝微信讀者「止此而已」的提醒，* 在此處表示其前一個字元重複零次或多次，所以實際上相當於 * 及前面的字元是無用的。）

在下面的例子中，將匹配包含 localhost、localnet、lines, capable 的字元串。將匹配帶有 c 字元的字元串。

# awk '/l*c/{print}' /etc/localhost

使用 awk 匹配文件中的字元串

你可能也意識到 (*) 將會嘗試匹配它可能檢測到的最長的匹配。

讓我們看一看可以證明這一點的例子，正則表達式 t*t 的意思是在下面的行中匹配以 t 開始和 t 結束的字元串：將匹配帶有 t 字元的字元串：

this is tecmint, where you get the best good tutorials, how to's, guides, tecmint. 

當你使用模式 /t*t/ 時，會得到如下可能的結果：以下字元串只是有 t 字元而已：

this is t
this is tecmint
this is tecmint, where you get t
this is tecmint, where you get the best good t
this is tecmint, where you get the best good tutorials, how t
this is tecmint, where you get the best good tutorials, how tos, guides, t
this is tecmint, where you get the best good tutorials, how tos, guides, tecmint

在 /t*t/ 中的通配符 (*) 將使得 awk 選擇匹配的最後一項：以下字元串只是有 t 字元而已：

this is tecmint, where you get the best good tutorials, how to's, guides, tecmint

結合集合 [ character(s) ] 使用 awk

以集合 [al1] 為例，awk 將匹配文件 /etc/hosts 中所有包含字元 a 或 l 或 1 的字元串。

# awk '/[al1]/{print}' /etc/hosts

使用 awk 列印文件中匹配的字元

下一個例子匹配以 K 或 k 開始（非指行首是該字母），後面跟著一個 T 的字元串：

# awk '/[Kk]T/{print}' /etc/hosts 

使用 awk 列印文件中匹配的字元

以範圍的方式指定字元

awk 所能理解的字元：

• [0-9] 代表一個單獨的數字
• [a-z] 代表一個單獨的小寫字母
• [A-Z] 代表一個單獨的大寫字母
• [a-zA-Z] 代表一個單獨的字母
• [a-zA-Z 0-9] 代表一個單獨的字母或數字

讓我們看看下面的例子：

# awk '/[0-9]/{print}' /etc/hosts 

使用 awk 列印文件中匹配的數字

在上面的例子中，文件 /etc/hosts 中的所有行都至少包含一個單獨的數字 [0-9]。

結合元字元 (^) 使用 awk

在下面的例子中，它匹配所有以給定模式開頭的行：

# awk '/^fe/{print}' /etc/hosts
# awk '/^ff/{print}' /etc/hosts

使用 awk 列印與模式匹配的行

結合元字元 ($) 使用 awk

它將匹配所有以給定模式結尾的行：

# awk '/ab$/{print}' /etc/hosts
# awk '/ost$/{print}' /etc/hosts
# awk '/rs$/{print}' /etc/hosts

使用 awk 列印與模式匹配的字元串

結合轉義字元 () 使用 awk

它允許你將該轉義字元後面的字元作為文字，即理解為其字面的意思。

在下面的例子中，第一個命令列印出文件中的所有行，第二個命令中我想匹配具有 $25.00 的一行，但我並未使用轉義字元，因而沒有列印出任何內容。

第三個命令是正確的，因為一個這裡使用了一個轉義字元以轉義 $，以將其識別為 '$'（而非元字元）。

# awk '//{print}' deals.txt
# awk '/$25.00/{print}' deals.txt
# awk '/$25.00/{print}' deals.txt

結合轉義字元使用 awk

總結

以上內容並不是 awk 命令用做過濾工具的全部，上述的示例均是 awk 的基礎操作。在下面的章節中，我將進一步介紹如何使用 awk 的高級功能。感謝您的閱讀，請在評論區貼出您的評論。

via: http://www.tecmint.com/use-linux-awk-command-to-filter-text-string-in-files/

作者：Aaron Kili 譯者：wwy-hust 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive