9.6　在文本文件中搜索特定模式的基础知识

上一节介绍了如何在一组文件中搜索匹配的特定模式，你应该对grep的原理有所了解了。那是对grep最基础的使用，但现在需要让搜索再复杂些，为此需要先深入理解一下grep搜索使用的匹配模式。构建这些模式使用了Linux工具箱中最强大的工具：正则表达式（regular expression或regex）。如果要充分利用grep，就需要透彻地理解正则表达式。讲述正则表达式的内容就得用一整本书，这里介绍的只是正则表达式的基本知识。

提示　想更多地学习正则表达式，可以在因特网上找到大量的学习资源，而且Sams Teach Yourself Regular Expressions in 10 Minutes（由Ben Forta撰写，ISBN：0672325667）是一本相当好的书，能够真正帮助你探索和学习正则表达式。

在刚开始使用grep时，新用户会对这个命令有好几种版本感到很困惑，如表9-1所示。 表9-1　grep的不同版本

从表9-1中可以看到，grep支持基本的正则表达式。如果使用-E（或--extended-regexp）选项，或直接使用egrep命令，就能够使用扩展的正则表达式。大多数情况下，这或许就是你要做的，除非要执行的搜索非常简单。其他两个选择更复杂些：grep和-F（或--fixed-strings）选项，或者直接用fgrep命令，支持同时使用多个要匹配的搜索项；grep和-P（或--perl-regexp）选项，可以让Perl编程高手使用某些Perl语言特有的正则表达式用法。

说明　在本书中，除非特别声明，使用的都是普通的grep命令和基本的正则表达式。

在继续学习之前，需要澄清几点可能造成混淆的地方。如果你对这些内容还有任何不清楚的地方，请使用列出的相关资源作为进一步学习的起点。

通配符不等于正则表达式。虽然通配符和正则表达式都使用星号（*）字符，但它们的含义完全不同。通配符中使用特定的字符（如?和*）表示替换（substitution），而正则表达式中同样的字符表示要对前面的内容进行匹配的次数。例如，在通配符中，可以把c?t中的?替换成另一个字符，而且只能替换一次，所以这个通配符可以匹配cat、cot和cut，但不能与ct匹配。在正则表达式中，c[a-z]?t中的?表示从字母A到Z都可以匹配，但只可以匹配0次或1次，所以这个正则表达式可以匹配cat、cot、cut，也可以匹配ct。

提示　有关通配符和正则表达式之间区别的更多信息，可以看看“What Is a Regular Expression”（http://docs.kde.org/stable/en/kdeutils/KRegExpEditor/whatIsARegExp.html），“Regular Expressions Explained”（www.castaglia.org/proftpd/doc/contrib/regexp.html），以及“Wildcards Gone Wild”（www.linux-mag.com/2003-12/power_01.html）。

另一个有关grep潜在的容易混淆的问题是，需要识别grep正则表达式中使用的特殊字符。例如，在正则表达式中，字符串[a-e]表示要匹配一个范围，这意味着它可以匹配a、b、c、d或e之间的任意字符。当在grep中使用[和]这两个字符时，你需要让shell明确地知道[和]字符是作为正则表达式中范围定义的分隔符，还是要搜索的词语中的一部分。需要注意的特殊符号有以下几个：

. ? [ ] ^ $ | \

最后，正则表达式中的单引号和双引号的用法也有很大区别。单引号（'和'）是在告诉shell正在搜索一个字符串，而双引号（"和"）则是让shell知道想要使用shell变量。例如，用grep和正则表达式，按照以下方式在一个朋友的诗歌中搜索所有用到的“hey you!”这个短语的地方，就没有成功。

$ grep hey you! *
grep: you!: No such file or directory
txt/pvzm/8 hours a day.txt:hey you! let's run!
txt/pvzm/friends & family.txt:in patience they wait
txt/pvzm/speed of morning.txt:they say the force

原因是只写了“hey you!”，没有用任何引号把搜索内容括起来，grep就不能明白你的意图了。它首先试图在名为“you!”的文件中搜索“hey”这个词，但没有成功，因为根本就不存在这个文件。然后它在当前工作目录中的每个文件（按照通配符*的指示）中搜索“hey”，结果找到三个匹配的内容。三个搜索结果中的第一个确实包含你要找的那个短语，所以从这一点来看，搜索好像是有效的，但事实并非如此。这种搜索很原始，并不总能表达你想要的结果。让我们再试一次。

这次用双引号将搜索内容括起来，就能修复原来不用任何引号而带来的问题了。

$ grep "hey you!" *
bash: !" *: event not found

这次更糟糕了！ 实际上，双引号也会导致出现大问题，甚至产生比刚才看到的问题还要糟糕。怎么回事呢？叹号（!）是一个shell命令，用于引用命令历史。通常是在叹号（!）后面跟上一个PID（process ID，进程的ID）号，代表先前你运行过的命令，如!264。

所以在这里，bash看到叹号（!）后，就查找跟在它后面的PID，然后报错，说它找不到先前运行过的名为" *（一个双引号、一个空格和一个星号）的命令，这真是个不可思议的命令。

事实表明，引号表示你正在搜索内容中使用shell变量，其实这根本不是你想要的效果。所以，在这儿也不能直接用双引号。试试单引号，如下所示：

$ grep 'hey!' *
txt/pvzm/8 hours a day.txt:hey you! let's run!

结果好多了。单引号告诉grep搜索内容不包含任何shell变量，只是一串需要匹配的字符。你瞧，现在只有一个结果，正是你要找的那个。

从这些例子中获得了哪些收获呢？什么时候应该使用单引号，什么时候应该使用双引号，什么时候任何引号都不使用，现在应该清楚了。如果要搜索精确的匹配结果，就使用单引号；如果要把shell变量结合到搜索内容中（很少有这样的需要），就使用双引号；但如果搜索关键字只包含数字和字母，完全不使用任何引号也没有问题。如果想要安全些，放心地使用单引号吧，即使只有一个词，也可以加上单引号，这没什么损害。