grep 応用：正規表現

書いたとおりに動かない

「1 回以上の繰り返し」を表す + を、そのまま書いても効きません。

$ cat /tmp/hosts.txt
web01.example.com
db.example.com
gw.example.com
$ grep '0+' /tmp/hosts.txt

何も出ませんでした。grep が既定で読む書き方では + はただの記号で、0+ は「0 のあとに + が並んでいる行」を探しているからです。

-E を付けると、+ や | を書いたまま使える書き方に切り替わります。他の言語やエディタの正規表現に近いのはこちらです。

$ grep -E '0+' /tmp/hosts.txt
web01.example.com

| はどちらか一方という意味になるので、2 つの語を 1 回で探せます。

$ grep -E 'ERROR|WARN' /tmp/app.log
ERROR connect failed
WARN disk almost full

書き方が 2 つ並んでいるのは、grep のほうが正規表現の標準化より古いからです。あとから決まった書き方を -E として足し、既定は昔のままにしてあります。新しく書くなら -E を付けておくほうが、読み手にも通じやすくなります。

行は要らない、中の IP だけ欲しい

grep は一致した行を丸ごと出します。行の中の一部分だけが欲しいときは -o を足します。

$ echo 'connect from 10.0.0.1 to 10.0.0.9 ok' | grep -oE '10\.0\.0\.[0-9]'
10.0.0.1
10.0.0.9

1 行から 2 つの一致が別々に出ている点に注目してください。[0-9] は数字 1 文字、\. は「ピリオドという文字そのもの」です。エスケープを付けないピリオドは任意の 1 文字を表すので、区切りとして書いたつもりが別の文字にも一致してしまいます。

上の例では最後を [0-9] の 1 文字にしましたが、実際の IP は 1 桁から 3 桁まで幅があります。桁数に幅のあるものをまとめて拾うには、もう 1 つ書き方が要ります。

桁数まで指定する

波括弧に数を書くと、繰り返しの回数を指定できます。

$ cat /tmp/codes.txt
123
1234
12345
$ grep -E '^[0-9]{4}$' /tmp/codes.txt
1234

[0-9] が数字 1 文字、{4} がそれを 4 回、前後の ^ と $ が「行がそれだけであること」。3 つを重ねて「4 桁の数字だけの行」を表しています。{2,4} と書けば 2 回以上 4 回以下という幅のある指定になります。

1. echo でデータを作る
2. grep -E を使う
3. user42 と order100 を抽出