1. 引言

以前我们用 grep 在一个文件中找出包含某些字符串的行，比如在头文件中找出一个宏定义。其实 grep 还可以找出符合某个模式（Pattern）的一类字符串。例如找出所有符合 xxxxx@xxxx.xxx 模式的字符串（也就是 email 地址），要求 x 字符可以是字母、数字、下划线、小数点或减号，email 地址的每一部分可以有一个或多个 x 字符，例如 abc.d@ef.com 、 1_2@987-6.54 ，当然符合这个模式的不全是合法的 email 地址，但至少可以做一次初步筛选，筛掉 a.b 、 c@d 等肯定不是 email 地址的字符串。再比如，找出所有符合 yyy.yyy.yyy.yyy 模式的字符串（也就是 IP 地址），要求 y 是 0-9 的数字，IP 地址的每一部分可以有 1-3 个 y 字符。

如果要用 grep 查找一个模式，如何表示这个模式，这一类字符串，而不是一个特定的字符串呢？从这两个简单的例子可以看出，要表示一个模式至少应该包含以下信息：

• 字符类（Character Class）：如上例的 x 和 y，它们在模式中表示一个字符，但是取值范围是一类字符中的任意一个。
• 数量限定符（Quantifier）：邮件地址的每一部分可以有一个或多个 x 字符，IP 地址的每一部分可以有 1-3 个 y 字符
• 各种字符类以及普通字符之间的位置关系：例如邮件地址分三部分，用普通字符 @ 和 . 隔开，IP 地址分四部分，用 . 隔开，每一部分都可以用字符类和数量限定符描述。为了表示位置关系，还有位置限定符（Anchor）的概念，将在下面介绍。

规定一些特殊语法表示字符类、数量限定符和位置关系，然后用这些特殊语法和普通字符一起表示一个模式，这就是正则表达式（Regular Expression）。例如 email 地址的正则表达式可以写成 [a-zA-Z0-9_.-]+@[a-zA-Z0-9_.-]+\.[a-zA-Z0-9_.-]+ ，IP 地址的正则表达式可以写成 [0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3} 。下一节介绍正则表达式的语法，我们先看看正则表达式在 grep 中怎么用。例如有这样一个文本文件 testfile ：

192.168.1.1
1234.234.04.5678
123.4234.045.678
abcde

查找其中包含 IP 地址的行：

$ egrep '[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}' testfile
192.168.1.1
1234.234.04.5678

egrep 相当于 grep -E ，表示采用 Extended 正则表达式语法。 grep 的正则表达式有 Basic 和 Extended 两种规范，它们之间的区别下一节再解释。另外还有 fgrep 命令，相当于 grep -F ，表示只搜索固定字符串而不搜索正则表达式模式，不会按正则表达式的语法解释后面的参数。

注意正则表达式参数用单引号括起来了，因为正则表达式中用到的很多特殊字符在 Shell 中也有特殊含义（例如 \），只有用单引号括起来才能保证这些字符原封不动地传给 grep 命令，而不会被 Shell 解释掉。

192.168.1.1 符合上述模式，由三个 . 隔开的四段组成，每段都是 1 到 3 个数字，所以这一行被找出来了，可为什么 1234.234.04.5678 也被找出来了呢？因为 grep 找的是包含某一模式的行，这一行包含一个符合模式的字符串 234.234.04.567 。相反， 123.4234.045.678 这一行不包含符合模式的字符串，所以不会被找出来。

grep 是一种查找过滤工具，正则表达式在 grep 中用来查找符合模式的字符串。其实正则表达式还有一个重要的应用是验证用户输入是否合法，例如用户通过网页表单提交自己的 email 地址，就需要用程序验证一下是不是合法的 email 地址，这个工作可以在网页的 Javascript 中做，也可以在网站后台的程序中做，例如 PHP、Perl、Python、Ruby、Java 或 C，所有这些语言都支持正则表达式，可以说，目前不支持正则表达式的编程语言实在很少见。除了编程语言之外，很多 UNIX 命令和工具也都支持正则表达式，例如 grep、vi、sed、awk、emacs 等等。“正则表达式”就像“变量”一样，它是一个广泛的概念，而不是某一种工具或编程语言的特性。