什麼是正規表示法#
正規表示法（Regular Expression, regex）是一套用特殊符號描述字串模式的語法。它不是一個程式，而是一種被其他工具支援的語法標準。支援正規表示法的工具包括 grep、sed、awk、vim、Python、JavaScript 等。
正規表示法的價值在於：用簡短的模式描述，就能匹配大量符合規則的字串。這在搜尋 log、驗證輸入格式、批次文字處理等場景中不可或缺。
正規表示法 vs. 萬用字元#
初學者常混淆這兩者，但它們是完全不同的機制：
| 萬用字元（Globbing） | 正規表示法（Regex） | |
|---|---|---|
| 使用場景 | Shell 的檔案名稱匹配 | 文字內容的模式匹配 |
* 的意義 | 匹配任意字元（零或多個） | 前一個字元重複零或多次 |
| 處理者 | Shell 本身 | grep、sed、awk 等工具 |
這是最常見的混淆點。Shell 的
ls *.txt中的*是萬用字元，由 Shell 展開為符合的檔名。而grep 'a*' file中的*是正規表示法，表示「前面的 a 重複零次或多次」。兩者語法相似但意義完全不同。
基礎正規表示法#
核心語法元素#
| 符號 | 意義 |
|---|---|
. | 匹配任意一個字元 |
* | 前一個字元重複零次或多次 |
^ | 行首定位 |
$ | 行尾定位 |
[] | 字元集合，匹配其中任一個 |
[^] | 反向字元集合，不匹配其中任何一個 |
\{n\} | 前一個字元恰好重複 n 次 |
\{n,m\} | 前一個字元重複 n 到 m 次 |
語系對正規表示法的影響#
字元的排序方式取決於語系設定（LANG）：
LANG=C：按 ASCII 碼排序（0-9A-Za-z）LANG=zh_TW.UTF-8：大小寫交錯排序（aAbBcC...）
在使用
[a-z]這類範圍表示時，語系設定會直接影響匹配結果。建議在 script 中使用字元類別（如[:lower:]、[:upper:]、[:digit:]）來避免語系差異帶來的問題。
sed：串流編輯器#
sed（Stream Editor）是一個非互動式的文字處理工具，以串流的方式逐行處理文字。它的設計哲學是：不需要開啟檔案、不需要互動操作，就能完成批次的文字替換與修改。
sed 的主要操作：
- 刪除特定行
- 替換匹配的文字
- 新增/插入行
- 直接修改檔案內容（
-i選項）
sed 在 CI/CD pipeline 和自動化腳本中極為常用——批次修改設定檔、處理 log 輸出、過濾特定格式的資料。
延伸正規表示法#
基礎正規表示法中某些語法寫起來較繁瑣，延伸正規表示法（ERE）提供了更簡潔的寫法：
| 符號 | 意義 |
|---|---|
+ | 前一個字元重複一次或多次 |
? | 前一個字元出現零次或一次 |
| | 或（OR），匹配其中任一模式 |
() | 群組，將多個字元視為一個單元 |
grep預設使用基礎正規表示法。要使用延伸正規表示法，需要用grep -E（或egrep）。
awk：欄位導向的資料處理#
awk 的核心思想是將每一行文字按分隔符號切割成多個欄位，然後針對欄位進行操作。它特別適合處理結構化的文字資料（如 /etc/passwd、CSV、log 檔）。
awk 的運作邏輯：
- 逐行讀取輸入
- 按分隔符號將每行切割成
$1、$2、$3…（$0是整行） - 依條件判斷是否處理該行
- 執行指定的動作
grep、sed、awk 常被稱為 Linux 文字處理的「三劍客」：
- grep 擅長搜尋——找出包含特定模式的行
- sed 擅長替換——批次修改文字內容
- awk 擅長分析——按欄位處理結構化資料
檔案比對工具#
- diff：逐行比對兩個文字檔的差異，輸出可作為
patch的輸入 - cmp：逐 byte 比對，適合二進位檔案
- patch：根據
diff的輸出，將修改套用到檔案上
diff+patch的組合是版本控制的原始形態。Git 的 diff 功能就是建立在類似的原理上。理解這個機制，有助於理解 Git 如何追蹤和管理程式碼變更。