Linux命令详解 - grep

Linux命令详解 - grep

按照我们以前学习Linux命令的套路，我们习惯于先man一下，看下系统怎么解释这个命令。详细的文档参考这里：http://www.gnu.org/software/grep/manual/grep.html

系统的解释：

grep, egrep, fgrep - print lines matching a pattern

这个解释还是比较明晰的，打印匹配给定模式的行数

这里先提一下，上面提到了egrep、fgrep，这两个grep命令是由于历史的原因还依然存在，egrep=grep -E，fgrep=grep -F实际上是已经废弃了的命令，不再推荐使用

grep命令及其强大，按照参数控制的不同，分为几个方面：

Matcher Selection:匹配模式选择
Matching Control:匹配控制
General Output Control:通用输出控制
Output Line Prefix Control:输出内容控制
Context Line Control:内容输出行控制
File and Directory Selection:文件、目录选择
Other Options：其它选项

我们按照grep的各个方面来学习一下grep命令。

先看下Matcher Selection，选择合适的匹配器，grep支持四种匹配匹配选择：

-E:Extended Regular Expression，扩展正则
-F:Fixed String：固定的String模式
-G:Basic Regular Pattern：基本模式，默认
-P:Perl regular expression：支持Perl匹配

 选择合适的匹配模式，就可以按照选择方式进行匹配了。

关于Matching Control，grep支持下面几个参数控制：

　　　-e：PATTERN，支持使用-e参数，将PATTERN作为匹配的内容，PATTERN支持多个匹配内容
　　　-f：FILE，匹配模式从内容读取，每行一个匹配模式，如果文件为空的话，会匹配不出结果
　　　-i：这个最常见，表示匹配时不区分大小写
　　　-w：表示单词匹配，必须是单个词匹配上才算
　　　-x：这个表示是行匹配，必须是正行匹配上PATTERN才算
　　　-y：意义和-i一致，不过已经废弃了。

下面看下General Output Control，这个是控制输出的结果，实际上就是控制输出的一些内容：

　　　-c：这个参数会把其它的输出给去除，只剩下匹配的行数，如果添加-v参数，会输出没有匹配的行数
　　　-L：这个参数比较拗口，是输出没有匹配出内容的文件，换句话说，如果文件中有PATTERN符合要求，就不会输出文件名；另外值得一提的是，这个匹配只要匹配到首个符合PATTERN的内容就结束，不会继续进行。
　　　-l：和-L相反
　　　-m：NUM，控制最大匹配的行数NUM，grep能够控制最大输出不超过NUM行，加上-v参数的话，会输出最大NUM的非匹配行，如果是-c参数呢？读者可以自行学习下。
　　　-o：打印非空匹配部分，注意是只打印匹配的内容，不会打印整行内容
　　　-q：quiet，不打印任何内容，如果匹配找到立即返回0，即使有错误的话，也会立即返回
　　　-s：对于nonexistent和unreadable错误不会打印错误信息；注意该参数是在grep版本表现不一样，尤其要区别GNU版本和Unix版本的区别

上面的General Output Control是控制通用的输出，其实就是一些比较常见的输出控制，下面这个Output Line Prefix Control控制更为详细的信息，算是比较高级的内容。

　　　-b：打印byte偏移量输出，匹配的没个结果相对于文件开头的byte偏移。
　　　-H：打印匹配的每行的文件名，当有多个文件查找时这个是默认配置。
　　　-h：不会打印匹配的所在文件名，这个在单个文件查找时是默认配置
　　　-n：打印行数
　　　-T：
　　　-u：Unix-Style byte偏移量，将查找作为Unix style grep，最简单的例子就是CRLF等字符；如果有-b参数的话，-u参数不管用，另外-u参数只在windows情况下有效。
　　　-Z：会在输出的文件名之后输出一个Zero byte，而不是默认的：，这个参数比较让人困惑，不用也罢。

上面的Output Line Prefix Control控制信息也比较易于理解， 就是控制的一些输出控制；如果想对匹配的PATTERN信息控制，看下Context Line Control，这个控制信息是控制匹配行之后的输出信息

　　　-A：NUM，打印匹配行之后的NUM行信息；
　　　-B：NUM，打印匹配行之前的NUM行信息；
　　　-C：NUM，打印出包括匹配航在内的NUM行输出，--分割匹配一组匹配结果

 这组Output Line Prefix Control参数还是比较好用的。

File and Directory Selection这组参数是控制文件选择的，直接看下面的参数吧.

　　　-a：将二进制文件看做是text文件，相当于--binary-files=text的情况
　　　binary-files=TYPE：TYPE的值可以为binary、without-match、text，默认是binary；如果使用text的话，可能会有乱码输出
　　　-D：ACTION，输入可以为Device、FIFO、Socket等，使用该参数去处理这些输入；如果ACTION=read，这些输入源就好像和普通文件一样，如果ACTION=skip，不处理这些输入源。
　　　--exclude=glob：跳过符合glob匹配的文件，其中glob可以使用匹配符
　　　--exclude-from=file：这个是讲glob的内容放在file中，跳过符合这些匹配符匹配的文件。
　　　--exclude-dir=dir：跳过dir目录内容匹配。
　　　-I：相当于--binary-files=without-match
　　　--include=glob：指搜索符合glob匹配的文件，当然glob也可以使用匹配符
　　　-r：迭代处理目录下的文件，软连接会被跳过
　　　-R：跟-r参数一致，不过会处理软连接下的内容

除去上面的这些内容，还有一些Other Options可供选择

　　　--line-buffered：匹配输出buffered，有可能会引起性能问题
　　　--mmap：强制系统使用mmap读取文件，替代系统命令read读取，不过在现在系统下，mmap能够获得的性能提升有限，还有可能会引起潜在的问题：如IO Error、读取时文件内容变化等

提到grep的另外一个强大之处就是对于正则的支持，归于正则表达式大家想必都不陌生，这里只是简单提一下，仅供以后参考：

下面这些正则内容，grep都支持：

　　　*      The preceding item will be matched zero or more times.
　　　+      The preceding item will be matched one or more times.
　　　{n}    The preceding item is matched exactly n times.
　　　{n,}   The preceding item is matched n or more times.
　　　{,m}   The preceding item is matched at most m times.
　　　{n,m}  The preceding item is matched at least n times, but not more than m times.

如果想匹配?*.+{}[]()这些字符，请用反斜杠转义。

说到了反斜杠，还要提一下正则表达式中的Backslash Expression，这个是我们在写正则时最常用的表达式：

　　　\b：字符边界表示，这个表达式会将匹配的结果看做一个单词，而不会在单词中匹配结果
　　　\B：字符非边界表示，匹配必须出现在单词中
　　　\w：匹配所有的[a-zA-Z_0-9]
　　　\W：非\w
　　　\s：匹配空白字符
　　　\S：非\s

 注意，grep还支持这两个匹配字符\<和\> 转义，这两个也是匹配字符边界的，我看官方文档和\b没有区别，只是\b单个就能表达前后边界，而\<表示字符前面的边界，\>表示字符后面的边界。

另外grep还预定义了一些括号表达式，这些 grep预定义的表达式和常规的正则表达式意义一样，只是内容更丰富、控制更加细致；常用的又这些：

　　　[:alnum:]：[:alpha:]和[:digit:]的字符集合
　　　[:alpha:]：[:lower:]和[:upper:]的字符集合，[a-zA-Z]
　　　[:blank:]：Space和Tab键
　　　[:cntrl:]：ASCII表中从000到037的字符，再加上177(DEL)，注意是八进制
　　　[:digit:]：数字，[0-9]
　　　[:graph:]：[:alnum:]和[:punct:]的字符集合
　　　[:lower:]：[a-z]，小写字母
　　　[:print:]：可打印字符，[:alnum:]和[:punct:]的字符集合
　　　[:punct:]：符号字符，都有!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
　　　[:space:]：CRLF、Tab等不可见字符
　　　[:upper:]：[A-Z]，大写字母
　　　[:xdigit:]：Hexadecimal digit，[0-9a-fA-F]，十六进制数
　　　

 大家对比下上面两个内容，看看正则表达式的BackSlash Expression和grep的预定义表达式的区别。