[[390180]]

來學習下搜索文件中內容的基本操作，然后下載我們的備忘錄作為 grep 和正則表達式的快速參考指南。

grep（全局正則表達式打印Global Regular Expression Print）是由 Ken Thompson 早在 1974 年開發的基本 Unix 命令之一。在計算領域，它無處不在，通常被用作為動詞（“搜索一個文件中的內容”）。如果你的談話對象有極客精神，那么它也能在真實生活場景中使用。（例如，“我會 grep 我的內存條來回想起那些信息。”）簡而言之，grep 是一種用特定的字符模式來搜索文件中內容的方式。如果你感覺這聽起來像是文字處理器或文本編輯器的現代 Find 功能，那么你就已經在計算行業感受到了 grep 的影響。

grep 絕不是被現代技術拋棄的遠古命令，它的強大體現在兩個方面：

• grep 可以在終端操作數據流，因此你可以把它嵌入到復雜的處理中。你不僅可以在一個文本文件中查找文字，還可以提取文字后把它發給另一個命令。
• grep 使用正則表達式來提供靈活的搜索能力。

雖然需要一些練習，但學習 grep 命令還是很容易的。本文會介紹一些我認為 grep 最有用的功能。

• 下載我們免費的 grep 備忘錄

安裝 grep

Linux 默認安裝了 grep。

MacOS 默認安裝了 BSD 版的 grep。BSD 版的 grep 跟 GNU 版有一點不一樣，因此如果你想完全參照本文，那么請使用 Homebrew 或 MacPorts 安裝 GNU 版的 grep。

基礎的 grep

所有版本的 grep 基礎語法都一樣。入參是匹配模式和你需要搜索的文件。它會把匹配到的每一行輸出到你的終端。

$ grep gnu gpl-3.0.txt
    along with this program.  If not, see <http://www.gnu.org/licenses/>.
<http://www.gnu.org/licenses/>.
<http://www.gnu.org/philosophy/why-not-lgpl.html>.

grep 命令默認大小寫敏感，因此 “gnu”、“GNU”、“Gnu” 是三個不同的值。你可以使用 --ignore-case 選項來忽略大小寫。

$ grep --ignore-case gnu gpl-3.0.txt
                    GNU GENERAL PUBLIC LICENSE
  The GNU General Public License is a free, copyleft license for
the GNU General Public License is intended to guarantee your freedom to
GNU General Public License for most of our software; it applies also to
[...16 more results...]
<http://www.gnu.org/licenses/>.
<http://www.gnu.org/philosophy/why-not-lgpl.html>.

你也可以通過 --invert-match 選項來輸出所有沒有匹配到的行：

$ grep --invert-match \
--ignore-case gnu gpl-3.0.txt
                      Version 3, 29 June 2007
 
 Copyright (C) 2007 Free Software Foundation, Inc. <http://fsf.org/>
[...648 lines...]
Public License instead of this License.  But first, please read

管道

能搜索文件中的文本內容是很有用的，但是 POSIX 的真正強大之處是可以通過“管道”來連接多條命令。我發現我使用 grep 最好的方式是把它與其他工具如 cut、tr 或 curl 聯合使用。

假如現在有一個文件，文件中每一行是我想要下載的技術論文。我可以打開文件手動點擊每一個鏈接，然后點擊火狐瀏覽器的選項把每一個文件保存到我的硬盤，但是需要點擊多次且耗費很長時間。而我還可以搜索文件中的鏈接，用 --only-matching 選項只打印出匹配到的字符串。

$ grep --only-matching http\:\/\/.*pdf example.html
http://example.com/linux_whitepaper.pdf
http://example.com/bsd_whitepaper.pdf
http://example.com/important_security_topic.pdf

輸出是一系列的 URL，每行一個。而這與 Bash 處理數據的方式完美契合，因此我不再把 URL 打印到終端，而是把它們通過管道傳給 curl：

$ grep --only-matching http\:\/\/.*pdf \
example.html | curl --remote-name

這條命令可以下載每一個文件，然后以各自的遠程文件名命名保存在我的硬盤上。

這個例子中我的搜索模式可能很晦澀。那是因為它用的是正則表達式，一種在大量文本中進行模糊搜索時非常有用的”通配符“語言。

正則表達式

沒有人會覺得正則表達式regular expression（簡稱 “regex”）很簡單。然而，我發現它的名聲往往比它應得的要差。誠然，很多人在使用正則表達式時“過于炫耀聰明”，直到它變得難以閱讀，大而全，以至于復雜得換行才好理解，但是你不必過度使用正則。這里簡單介紹一下我使用正則表達式的方式。

首先，創建一個名為 example.txt 的文件，輸入以下內容：

Albania
Algeria
Canada
0
1
3
11

最基礎的元素是不起眼的 . 字符。它表示一個字符。

$ grep Can.da example.txt
Canada

模式 Can.da 能成功匹配到 Canada 是因為 . 字符表示任意一個字符。

可以使用下面這些符號來使 . 通配符表示多個字符：

• ? 匹配前面的模式零次或一次
• * 匹配前面的模式零次或多次
• + 匹配前面的模式一次或多次
• {4} 匹配前面的模式 4 次（或是你在括號中寫的其他次數）

了解了這些知識后，你可以用你認為有意思的所有模式來在 example.txt 中做練習。可能有些會成功，有些不會成功。重要的是你要去分析結果，這樣你才會知道原因。

例如，下面的命令匹配不到任何國家：

$ grep A.a example.txt

因為 . 字符只能匹配一個字符，除非你增加匹配次數。使用 * 字符，告訴 grep 匹配一個字符零次或者必要的任意多次直到單詞末尾。因為你知道你要處理的內容，因此在本例中零次是沒有必要的。在這個列表中一定沒有單個字母的國家。因此，你可以用 + 來匹配一個字符至少一次且任意多次直到單詞末尾：

$ grep A.+a example.txt
Albania
Algeria

你可以使用方括號來提供一系列的字母：

$ grep [A,C].+a example.txt
Albania
Algeria
Canada

也可以用來匹配數字。結果可能會震驚你：

$ grep [1-9] example.txt
1
3
11

看到 11 出現在搜索數字 1 到 9 的結果中，你驚訝嗎？

如果把 13 加到搜索列表中，會出現什么結果呢？

這些數字之所以會被匹配到，是因為它們包含 1，而 1 在要匹配的數字中。

你可以發現，正則表達式有時會令人費解，但是通過體驗和練習，你可以熟練掌握它，用它來提高你搜索數據的能力。

下載備忘錄

grep 命令還有很多文章中沒有列出的選項。有用來更好地展示匹配結果、列出文件、列出匹配到的行號、通過打印匹配到的行周圍的內容來顯示上下文的選項，等等。如果你在學習 grep，或者你經常使用它并且通過查閱它的幫助頁面來查看選項，那么你可以下載我們的備忘錄。這個備忘錄使用短選項（例如，使用 -v，而不是 --invert-matching）來幫助你更好地熟悉 grep。它還有一部分正則表達式可以幫你記住用途最廣的正則表達式代碼。 現在就下載 grep 備忘錄！