Linux: 文本搜索——grep 与正则表达式

在成千上万个文件中找到你要的那一行——这是 grep 的看家本领。它可能是 Linux 上用得最频繁的命令。

📋 前置知识：需要先掌握以下内容

• 第13课：管道与过滤器

1. 你将学到

• grep 基本搜索和常用选项
• grep -r 递归搜索代码
• 基础正则表达式
• 扩展正则表达式
• 日志分析实战

2. 一个在百个文件中找代码的故事

(1) 痛点：想改一个接口名，不知道哪些文件用了它

小明需要将所有 Python 文件中调用 requests.get 的地方改为 httpx.get。项目有 100 多个文件，他不可能一个个打开看。

(2) grep 递归搜索

grep -rn "requests\.get" --include="*.py" src/

输出：

src/api/client.py:15: response = requests.get(url, headers=headers)
src/api/users.py:42: data = requests.get(f"{API_URL}/users")
src/api/orders.py:78: result = requests.get(ORDER_URL)

3 个文件中有调用——不到 1 秒就找到了。

(3) 收益：从大海捞针到指哪打哪

小明养成了习惯：要改代码前先用 grep -rn 找到所有相关位置，确认后再动手。

3. 知识点讲解

(1) grep 基本用法

# 基本搜索
grep "pattern" filename

# 常用选项组合
grep -rn "TODO" src/    # 递归搜索，显示行号
grep -i "error" log.txt # 忽略大小写
grep -v "debug" log.txt # 反向匹配（不包含 debug 的行）
grep -c "failed" log.txt # 只计数
grep -l "main" *.py      # 只显示匹配的文件名
grep -A5 -B5 "exception" log.txt # 显示匹配行的前后各 5 行

(2) 基础正则表达式

(3) 扩展正则表达式（grep -E）

基础正则中 +、?、|、{}、() 需要转义才能用。扩展正则直接使用这些元字符（用 grep -E 或 egrep）：

ℹ️ 说明：基础正则和扩展正则的主要区别在于，扩展正则（grep -E）中的 +、?、|、{}、() 不需要反斜杠转义即可使用。在基础正则中，grep "error\|warning" 需要转义 |，而 grep -E "error|warning" 直接写。建议优先使用 grep -E，语法更清晰。

▶ 示例：基本搜索

# 在文件中搜索
grep "root" /etc/passwd
# root:x:0:0:root:/root:/bin/bash

# 不区分大小写
echo -e "Error\nerror\nERROR" | grep -i "error"
# 三行全匹配

# 计数
grep -c "nologin" /etc/passwd
# 输出：16

# 显示行号
grep -n "www-data" /etc/passwd
# 33:www-data:x:33:33:www-data:/var/www:/usr/sbin/nologin

输出：

TEXT 📖 仅展示

📋 Copy

root:x:0:0:root:/root:/bin/bash
Error
error
ERROR
16
33:www-data:x:33:33:www-data:/var/www:/usr/sbin/nologin

▶ 示例：反向匹配

# 排除注释行
grep -v "^#" /etc/ssh/sshd_config | grep -v "^$"

# 排除 debug 日志
grep -v "DEBUG" app.log | grep "ERROR"

# 不包含特定扩展名的文件
ls -la | grep -v "\.md$"

输出：

TEXT 📖 仅展示

📋 Copy

Port 22
PermitRootLogin no
PasswordAuthentication no
2026-07-07 10:23:45 ERROR Database connection failed
2026-07-07 10:24:12 ERROR Timeout waiting for response
drwxr-xr-x 2 alice alice 4096 Jul  7 10:00 src
-rw-r--r-- 1 alice alice 1234 Jul  7 10:00 config.yaml

▶ 示例：递归搜索代码

# 搜索项目中所有 TODO 注释
grep -rn "TODO\|FIXME\|HACK" --include="*.py" src/

# 在特定类型文件中搜索
grep -rn "def " --include="*.py" --include="*.js" .

# 排除 node_modules 搜索
grep -rn "api_key" --exclude-dir=node_modules --exclude-dir=.git .

# 只显示文件名
grep -rl "class User" src/

输出：

TEXT 📖 仅展示

📋 Copy

src/api/client.py:23:# TODO: Add retry logic
src/models/user.py:45:# FIXME: Handle edge case
src/utils/helpers.py:12:# HACK: Temporary workaround
src/api/client.py:10:def get_user(user_id):
src/models/user.py:5:def validate_email(email):
config/settings.py:3:api_key = "sk-xxx"
src/models/user.py
src/auth.py

▶ 示例：使用上下文

# 显示匹配行前后各 3 行
grep -C 3 "NullPointerException" app.log

# 显示匹配行后 5 行
grep -A 5 "Traceback" python_error.log

# 显示匹配行前 2 行
grep -B 2 "500" access.log

输出：

TEXT 📖 仅展示

📋 Copy

10:23:01 INFO Processing request
10:23:02 WARN Memory usage high
10:23:03 ERROR NullPointerException at UserService.java:45
10:23:04 INFO Retrying operation
10:23:05 WARN Connection pool low
Traceback (most recent call last):
  File "app.py", line 42, in handle_request
    result = process(data)
  File "processor.py", line 15, in process
    return transform(input)
ValueError: Invalid input data
192.168.1.100 - - [07/Jul/2026:10:23:44] "POST /api/data"
192.168.1.100 - - [07/Jul/2026:10:23:45] "POST /api/data HTTP/1.1" 500 0

▶ 示例：正则表达式实战

# 匹配邮箱地址
grep -E "[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}" contacts.txt

# 匹配 IP 地址
grep -E "([0-9]{1,3}\.){3}[0-9]{1,3}" access.log

# 匹配 URL
grep -E "https?://[^ ]+" index.html

# 匹配日期（YYYY-MM-DD）
grep -E "[0-9]{4}-[0-9]{2}-[0-9]{2}" logs/*.log

# 匹配以数字开头和字母结尾的行
grep "^[0-9].*[a-zA-Z]$" file.txt

输出：

TEXT 📖 仅展示

📋 Copy

alice@example.com
bob.smith@company.org
contact@my-site.net
192.168.1.100 - - [07/Jul/2026] ...
10.0.0.45 - - [07/Jul/2026] ...
https://example.com/api/users
http://internal.server.local/status
2026-07-07
2026-07-08
1abc
23x

▶ 综合示例：日志错误分析

#!/bin/bash
# analyze-errors.sh - 日志错误分析

LOG_FILE="${1:-/var/log/syslog}"

echo "=== 错误分析报告 ==="
echo "源文件: $LOG_FILE"
echo ""

echo "1. 各类错误数量："
grep -i "error" "$LOG_FILE" | awk '{print $5}' | sort | uniq -c | sort -rn | head -10

echo ""
echo "2. 最近 5 条错误："
grep -i "error" "$LOG_FILE" | tail -5

echo ""
echo "3. 关键告警（OOM / Disk Full / Connection Refused）："
grep -iE "oom|out of memory|disk full|no space left|connection refused" "$LOG_FILE"

echo ""
echo "4. 错误趋势（按小时统计）":
grep -i "error" "$LOG_FILE" | grep -oP "\d{2}:\d{2}" | cut -d: -f1 | sort | uniq -c | sort -rn

❓ 常见问题

Q: grep 和正则有什么区别？ A: grep 是一个命令行工具，用于在文件中搜索匹配模式的行；正则表达式（regex）是一种描述文本模式的语法。grep 支持正则表达式作为搜索模式，但正则本身只是语法规则，还可以用在 sed、awk、Python 等许多工具和语言中。

Q: grep -r 和 grep -R 一样吗？ A: 基本一样。-R 会追踪符号链接，-r 默认不追踪。日常使用选哪个都可以。

Q: 怎么忽略大小写搜索？ A: 用 -i 选项：grep -ir "error" /var/log/。

Q: 为什么 grep 有时找不到中文字符？ A: 可能是 locale 问题。中文字符在 UTF-8 编码下是多字节的，grep 默认按字节匹配。试试 export LANG=zh_CN.UTF-8 或 grep -P（Perl 正则模式）。

Q: grep -v 有什么用？ A: 反向选择——输出不匹配模式的行。配合其他 grep 使用可以"排除"某些行，例如 grep -v "^#" 排除注释行，grep -v "^$" 排除空行。

📖 小节

• grep "pattern" file 搜索文件，-r 递归目录，-n 显示行号
• 基础正则：. 任意字符、^ 行首、$ 行尾、* 重复、[abc] 集合
• 扩展正则（grep -E）：+ 一次以上、? 零或一次、| 或、() 分组
• -v 反向、-i 忽略大小写、-c 计数、-l 只显示文件名
• -A/-B/-C 显示上下文行

📝 作业

1. 基础题（难度⭐）：在 /etc/passwd 中搜索使用 /bin/bash 作为登录 Shell 的用户，然后在 /var/log/syslog（或一个日志文件）中搜索错误并用 -c 统计数量
2. 进阶题（难度⭐⭐）：递归搜索一个项目目录，找出所有 FIXME 和 TODO 注释，然后用 grep -v 排除 .git 目录后统计项目代码行数
3. 挑战题（难度⭐⭐⭐）：用正则表达式匹配日志文件中的所有 IP 地址，并结合 sort 和 uniq -c 统计每个 IP 的出现次数，找出访问最多的前 10 个 IP

Web-Tutorial 技术团队

由多位开发者共同维护的编程教程平台。每篇教程由对应领域的开发者编写和审核，确保内容准确可靠。如发现任何问题，欢迎向我们反馈。

关于我们